개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이상국
- 발행연도
- 2017
- 저작권
- 가톨릭대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
정보 보안을 강화하기 위해 생체정보가 개인 식별에 활용되고 있다. 생체정보는 정보 보안에 필요한 특성인 고유성과 불변성을 가진다. 본 논문에서는 개인 식별을 위해 multi-lead ECG에서 추출한 QRS 특징점을 기반으로 개인을 대표하는 평균 특징 벡터 생성 방법을 제안한다. 1)각 lead에 대해 QRS 특징점을 검출하고 벡터로 구성한다. 2)특징 벡터를 평균화하여 개인을 대표하는 평균 특징 벡터를 생성한다. 3)생성된 평균 특징 벡터와 테스트 특징 벡터의 오차를 계산하여 k-Nearest Neighbor(k-NN)분류기로 개인 식별을 수행한다. PTB Diagnostic ECG Database의 열두 개의 lead 중 main lead를 이용하여 특징 벡터를 구성하고 개인 식별을 실험하였다. 제안하는 방법은 적은 특징을 이용하였으며 특징점 검출 정확도가 개인 식별 결과에 미치는 영향을 최소화하였다. 제안하는 방법은 97.26%의 개인 식별 정확도를 보였다.
목차
목 차초록 1Ⅰ 서론 2Ⅱ 이론적 배경2.1 ECG(Electrocardiography : ECG) 52.2 생체인식(Biometrics) 72.3 기존연구 82.4 k-means clustering 122.5 k-NN classifier 13Ⅲ 제안하는 방법3.1 multi-lead QRS 특징점 검출 153.2 평균 특징 벡터 생성 193.3 개인 식별 20Ⅳ 실험 방법4.1 데이터베이스 : PTB Diagnostic ECG Database 234.2 실험 데이터 구성 23Ⅴ 실험 결과 및 분석5.1 정상 피험자에 대한 개인 식별 정확도 265.2 QRS 특징점 검출 정확도에 따른 개인 식별 정확도 285.2.1 QRS 특징점 검출 알고리즘의 성능으로 인한 오차 285.2.2 QRS 특징점을 검출하기 어려운 데이터로 인한 오차 325.3 기존 방법들과 개인 식별 정확도 비교 35Ⅵ 결론 37참고문헌영문 논문제출서영문 인준서ABSTRACT
최근 본 자료
댓글(0)
0