• 한국재난정보학회 논문집
• /
• 제18권1호
• /
• pp.146-153
• /
• 2022

연구목적: 국내 항만시설의 경우 사용년수가 오래된 항만구조물은 선박의 대형화 및 사용빈도 증가, 기후변화에 따른 자연재해의 영향 등으로 안전과 기능적 측면에서 상당히 많은 문제가 있다. 항만시설의 유지관리 이력 데이터를 기반으로 시설 노후화 패턴을 예측 할 수 있는 근사모델 개발을 위하여 빅데이터 분석 방법을 연구하였다. 연구방법: 본 연구에서는 케이슨식 안벽에 유지관리 데이터 수집하여 빅데이터를 바탕으로 시설물의 노후화 패턴 및 성능저하를 확인하기 위한 예측모델을 도출하였다. 가우시안 프로세스(GP)과 선형보간(SLPT) 기법을 통하여 생성된 상태기반 노후도 패턴 예측모델을 제안하고 유효성 검토를 통해 빅데이터 적용에 적합한 모델을 비교하고 제안하였다. 연구결과: 제안된 기법을 검토한 결과 SLPT기법은 RMSE 및 는 0.9215와 0.0648로 SLPT기법의 예측모델이 보다 더 적합한 것으로 검토 되었다. 결론: 이러한 연구를 통해 빅데이터 기반 시설물 성능저하 예측 연구는 유지관리를 위환 의사결정에서 중요한 체계가 될 것으로 기대된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제30권3호
• /
• pp.99-107
• /
• 2024

기존에 존재하는 비디오 영역을 가로 혹은 세로로 확장하는 비디오 확장 기술에 대한 수요가 높아지고 있지만, 최신 기술로도 모든 비디오를 성공적으로 확장할 수는 없다. 따라서 비디오 확장을 시도하기 전에 해당 비디오가 잘 확장될 수 있을지 판단하는 것이 중요하다. 이를 통해 불필요한 컴퓨팅 자원 낭비를 줄일 수 있기 때문이다. 이 논문은 비디오가 수평 확장에 적합한지 판별하는 비디오 분류기를 제안한다. 이 분류기는 광학 흐름과 적응형 가우시안 블러 네트워크를 활용하여 흐름 기반 비디오 확장 방식에 적용할 수 있다. 학습을 위한 라벨링은 유저 테스트 및 정량적 평가를 거쳐 엄격하게 이루어졌다. 이렇게 라벨링된 데이터셋으로 학습한 결과, 주어진 비디오의 확장 가능성을 분류하는 네트워크를 개발할 수 있었다. 제안된 분류기는 광학 흐름과 적응형 가우시안 블러 네트워크를 통해 비디오의 특성을 효과적으로 포착함으로써, 단순히 원본 비디오나 고정된 블러만을 사용하는 경우보다 훨씬 정확한 분류 성능을 보였다. 이 분류기는 향후 다양한 분야에서 활용될 수 있으며, 특히 몰입감 있는 시청 경험을 위해 장면을 자동으로 확장하는 기술과 함께 사용될 수 있을 것으로 기대된다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.471-479
• /
• 2018

최근 안드로이드, iOS 등의 셋톱박스 기반의 스마트 TV에 대한 보급에 따라 제스처로 TV를 컨트롤 할 수 있는 새로운 접근을 제안한다. 본 논문에서는 모노 카메라 센서를 이용한 AdaBoost 기반 제스처 인식에 관한 알고리즘을 제안한다. 우선, 신체 좌표 추출을 위해 가우시안 배경 제거 및 Camshift 기반 자세 추적 및 추정 알고리즘을 사용한다. AdaBoost 학습 모델을 신체 정규화된 광역 및 지역 특징 벡터의 집합을 특징 패턴으로 하여, 속도가 다른 동작들을 인식할 수 있도록 하였다. 또한 속도가 다른 다양한 제스처를 인식하기 위해 다중 AdaBoost 알고리즘을 적용하였다. CART 알고리즘을 이용하여 성공적인 중요 특징 벡터를 확인하고 중요도가 낮은 특징벡터를 제거하는 방식을 적용하면서 분류 성공률이 높은 최적의 특징 벡터를 탐색하였다. 그 결과 24개의 주성분 특징 벡터를 찾았으며, 기존 알고리즘에 비해 낮은 오분류율(3.73%)과 높은 인식률(95.17%)을 지닌 특징 벡터 및 분류기를 설계하였다.

• 대한전자공학회논문지SP
• /
• 제47권4호
• /
• pp.90-96
• /
• 2010

초점 검출 시스템은 영상 획득 과정에서 영상의 화질을 결정하는 중요한 요소이다. 초점 검출은 크게 영상의 고주파 성분을 평가하여 수치화하는 초점값 연산 부분과 이 초점값을 이용하여 렌즈를 이동시켜 초점을 일치시키는 부분으로 이루어진다. 초점값을 연산하는데 있어 저조도 잡음이 첨가된 환경에서는 잡음에 의해 그 성능이 크게 저하되게 된다. 본 논문에서는 공간 적응적인 가중치를 이용하여 저조도 잡음이 첨가된 환경에서 효율적으로 초점값을 연산할 수 있도록 하는 방법을 제안하였다. 제안된 방법은 영상의 각 픽셀에서 영상의 국부 특성과 잡음의 특성을 적응적 가중치를 연산하고, 이를 이용해 저조도 잡음에 강인한 초점값 연산자를 제안한다. 제안된 적응적 가중치는 기존의 필터 기반 초점값 연산자에도 적용이 가능한 특성을 갖는다. 잡음이 없는 상태와 가우시안 잡음이 있는 환경 하에서 제안된 연산자의 성능을 검증하였다.

• 한국산학기술학회논문지
• /
• 제13권2호
• /
• pp.772-778
• /
• 2012

본 논문은 비선형 시스템의 상태 추정에 널리 사용 되는 Unscented Kalman Filter(UKF)를 활용하여 동역학 시스템의 상태를 추정함과 동시에 파라미터를 추정하였다. 파라미터의 추정은 시스템 제어, 모델링, 성능분석 및 예측 등 다양한 분야에서 매우 중요하다. 공학에서 다루는 대부분의 시스템은 비선형성과 잡음이 존재하므로 파라미터 추정이 매우 어렵다. 이러한 경우에 대하여 본 논문에서는 비선형 필터로서 잡음에 강한 UKF를 이용하여 상태와 파라미터를 추정하였다. 본 논문에서 제안한 파라미터 추정은 기존의 상태방정식에 파라미터 항을 추가하여 확장된 비선형 방정식을 사용하였으며, 진자와 슬라이드로 구성된 2-자유도 동역학 시스템에 적용하였으며, 시스템 운동방정식의 측정 잡음으로 가우시안 잡음을 추가하여 컴퓨터 시뮬레이션을 실시하였다. 시뮬레이션 결과 제안한 방법이 LSM보다 좋은 성능을 보였다. 추정 오차는 3%이내이며, 0.1sec 이내의 수렴하는 것을 확인하였다. 결과적으로 UKF는 상태나 측정 데이터에 잡음이 존재하더라도 시스템의 상태 및 파라미터 추정이 가능하다.

• 대한전자공학회논문지SP
• /
• 제47권6호
• /
• pp.28-38
• /
• 2010

녹화된 아날로그 영상에 내재하는 잡음을 효과적으로 제거하기 위해서는 잡음의 실제 특성과 정도를 정확히 파악하는 것이 매우 중요하다. 본 논문에서는 실제 방송되는 아날로그 영상을 녹화하여 잡음의 특성을 분석한 후, 녹화된 아날로그 영상을 위한 효과적인 학습기반 잡음개선 방법을 제안한다. 먼저 녹화된 아날로그 영상의 잡음을 분석하여 무시할 수 없는 잡음의 연관성이 존재하는 것을 보임으로써, 전통적인 부가 백색 가우시안 잡음 (AWGN) 모델에 기반을 둔 잡음의 추정과 잡음 제거 방법이 가지는 한계를 설명한다. 또한 잡음의 연관성을 고려한 자기회귀 모델을 이용해서 녹화된 아날로그 영상에 내재하는 잡음을 추정하고 합성할 수 있음을 보이며, 추정된 자기회귀 모델을 이용해 학습기반 잡음제거 기법에 적용함으로써 비디오 잡음을 제거한다. 실험결과는 제안된 방법이 무시할 수 없을 정도로 잡음 연관성을 가진 실제 녹화된 아날로그 영상의 잡음 제거에 효과적으로 활용될 수 있음을 보여준다.

• 한국멀티미디어학회논문지
• /
• 제7권9호
• /
• pp.1255-1262
• /
• 2004

본 논문은 잡음이 포함된 화상의 패턴매칭 및 검증에 유효한 새로운 패턴매칭 알고리듬을 제안한다. 이 알고리듬은 화상을 푸리에변환하면 중요한 형상정보가 푸리에영역의 저주파영역에 집중된다는 데 착안하여, 푸리에영역에 나타난 화상의 원점부근만을 추출하여 비교하는 방법을 이용하고 있다. 구체적으로는 두화상의 푸리에변환한 화상의 원점부분을 추출하여 감산하고 경험적인 임계치를 적용함으로써 패턴인식이 가능함을 보인다. 본 방법은 특히 잡음이 포함된 화상과 원화상의 매칭에도 효과적이다. 잡음은 푸리에영역에서 일반적으로 고주파영역에 분포하는데 본 방법 은 저주파영역을 추출하여 비교하기 때문이다. 실험결과는 10개의 표준화상과 가우시안잡음이 첨가된 화상을 사용하여 화상을 구분해 내고, 잡음이 있는 화상도 동일한 화상으로 인식함을 보여 준다. 이 방법을 화상의 위상정보만을 이용하여 패턴인식을 수행하는 위상한정상관법과 비교한 결과, 일부의 경우에 위상한정상관법과 동등이상의 결과를 보여준다.

• 대한전자공학회논문지TC
• /
• 제42권2호
• /
• pp.23-38
• /
• 2005

무선 네트워크에서는 여러 가지의 환경적 요인으로 인해 발생하는 페이딩 현상 및 노이즈로 인하여 무선 단말기 간의 채널의 상태가 자주 변화한다. 따라서 시변 채널 특성을 지니는 무선 네트워크에서 신뢰성 있는 데이터 전송을 위해서는 시변 채널 특성을 파악하는 것이 중요하다. 본 논문에서는 무선 네트워크 시변(Time-varying) 채널 상에서 패킷 전송 시간 및 대기큐에 대해 분석한다. 무선 네트워크 시변 채널 상태를 반영하기 위해 채널의 상태를 2-상태, 3-상태 각각의 경우로 구분하고 SFG(Signal Flow Graph) 모델을 이용하여 채널 상태를 해석한다. 각각의 상태에 대한 SFG 모델로부터 하나의 패킷에 대해 평균 전송시간과 분산을 구하고 이에 대한 확률 분포를 가우시안(Gaussian) 분포로 생각한다. 패킷의 도착분포가 프아송(Poisson) 프로세스를 따르는 전송 시스템을 M/G/1으로 모델링하고 에러 정정 기법으로 SW ARQ 기법을 적용하여 패킷의 PER의 변화 및 패킷 도착 비율의 변화에 따른 평균 패킷 전송시간과 평균 대기큐의 길이에 대해 해석하고 시뮬레이션을 통하여 검증한다.

• 한국융합학회논문지
• /
• 제8권10호
• /
• pp.1-8
• /
• 2017

정확한 예측은 미래에 일어날 현상에 대해 효과적으로 준비 혹은 대처 할 수 있게 해준다. 특히, 기상 현상은 인간의 생활과 밀접한 연관이 있으며, 발생할 수 있는 기상 및 재난 예측을 통해 인명, 재산 등의 피해로부터 예방 할 수 있게 해준다. 해상에서 발생할 수 있는 재난 중 하나인 유류유출 사고에 대해 빠르고 효과적으로 대응하기 위해서는 유출유의 이동과 주변 해역의 기상을 정확하게 예측하는 것이 중요하다. 본 논문에서는 분류 및 회귀 예측과 관련된 연구에서 준수한 성능 및 예측 가능성을 보여준 기계학습 기법으로 서포트 벡터 머신, 가우시안 프로세스, 다층 퍼셉트론, 방사기저함수 네트워크의 총 4 개의 기계학습 기법을 선별하였다. 선별한 기계학습 기법을 이용하여 유류유출의 탐지와 바람, 강우량, 오존 등의 기상 데이터를 예측하는 연구들의 연구 방법과 결과 등을 설명하며 이를 활용한 기계학습 기반 유류유출 예측 모델의 적용 가능성을 제시한다.

• 한국정보통신학회논문지
• /
• 제15권8호
• /
• pp.1764-1770
• /
• 2011

본 연구에서는 이중게이트 MOSFET의 채널내 도핑분포에 따른 문턱전압이하 스윙을 분석하였다. DGMOSFET는 차세대 나노소자로서 단채널효과를 감소시킬 수 있다는 장점 때문에 많은 연구가 진행 중에 있다. 문턱전압이하 스윙특성의 저하는 중요한 단채널 효과로서 디지털소자응용에서 매우 심각한 영향을 미치고 있다. 이러한 문턱 전압이하 스윙특성의 저하를 이중게이트(Double Gate; DG) MOSFET의 구조적 파라미터 및 채널 내 도핑분포함수의 변화에 따라 분석하고자 한다. 이를 위하여 가우시안 분포함수를 이용하여 포아송방정식의 해석학적 모델을 유도하였다. 본 논문에서 사용한 해석학적 포아송방정식의 전위분포모델 및 문턱전압이하 스윙모델의 타당성을 입증하기 위하여 수치해석학적 결과값과 비교하였으며 이 모델을 이용하여 이중게이트 MOSFET의 문턱전압이하 스윙을 분석하였다.