• Proceedings of KOSOMES biannual meeting
• /
• 2018.06a
• /
• pp.68-68
• /
• 2018

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2004.11a
• /
• pp.139-148
• /
• 2004

사용자의 지리적 위치에 따른 서비스를 제공하는 위치기반서비스는 유비쿼터스 컴퓨팅의 중요한 응용으로 여러 위치 감지기술과 다양한 시험 및 상용 서비스들이 개발되어 왔다. 하지만 기존의 위치기반서비스는 단순히 위치와 서비스를 정적으로 연결하는 기법에 그치고 있어 서비스의 유연성이 떨어지는 한계가 있다. 이를 개선하기 위해 위치 정보로부터 고수준 정보를 추론하여 보다 지능적인 서비스를 제공하려는 연구들이 이루어지고 있다. 본 논문에서는 사용자의 위치이동 데이터를 학습하여 미래의 위치 이동 경로를 예측하는 기법을 제안한다. GPS(Global Positioning System)를 사용하여 수집된 시퀸스 데이터를 시퀸스 데이터 처리에 특화된 RSOM (Recurrent Self Organizing Map)을 사용하여 클러스터링하고 이를 마르코브 모델을 사용하여 학습하여 각 위치 이동 패턴 모델을 구축한다. 현재의 위치이동 패턴을 구축된 각 이동패턴 모델들과 비교하여 가장 유사한 위치 이동패턴으로 미래의 사용자이동을 예측한다. 제안한 위치이동 예측 기법을 평가하기 위해 실제 대학생의 생활을 기반으로 하여 GPS 데이터를 대학 캠퍼스 상에서 수집하고 이를 이용하여 제안한 방법의 학습 및 예측 성능을 평가한다. 그 결과 제안한 방법을 사용하여 사용자의 미래의 위치이동경로를 예측하는 것이 가능하고 불확실한 상황에서도 유연하게 예측을 수행함을 확인하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.8 no.6
• /
• pp.1175-1181
• /
• 2004

This paper proposes a system to analyze and summarize the video shots of baseball game TV program into fifteen categories. Our System consists of three modules: feature extraction, Hidden Markov Model (HMM) training, and video shot categorization. Video Shots belongs to the same class are not necessarily similar, so we require that the training set is large enough to include video shot with all possible variations to create a robust Hidden Markov Model. In the experiments, we have illustrated that our system can recognize the 15 different shot classes with a success ratio of 84.72%.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2018.11a
• /
• pp.19-21
• /
• 2018

선원의 행동오류는 해양사고를 야기하는 하나의 직접적인 원인이기 때문에 이를 이해하는 것은 해양사고 예방에 근본이 된다. 선원의 행동오류를 이해하기 위해서는 행동오류를 추정하고 예측할 수 있어야 한다. 본 연구에서는 은닉 마르코브 모델(Hidden Markov Model, HMM)을 이용하여 선원들의 행동오류를 추정하고 예측하였다. 아울러 5가지 선박의 종류 각각에 나타나는 선원들의 행동오류를 서로 비교 분석하였다. 모델에 사용한 데이터는 해양안전심판원의 해양사고 보고서에 기록된 내용을 SRKBB(Skill-, Rule- and Knowledge-Based Behavior) 모델을 기반으로 분류하고 관측 수열을 생성하며 라벨링 작업을 통해서 구축하였다. 구축한 데이터를 적용하여 HMM을 보정하고 파라미터를 획득하여 선원들의 행동오류에 관한 모델을 구축하였다. 실험 결과, 선박 종류별로 선원들의 행동오류의 패턴은 서로 다르고, 이를 통해서 선박종류별 해기사들의 행동오류의 추정과 예측이 가능함을 일차적으로 확인할 수 있었다. 추후 본 연구를 지속 전개하여 해양사고 예방을 위한 인적오류의 저감에 기여할 수 있는 방안을 모색할 에정이다.

• Transactions of the Korean Society for Noise and Vibration Engineering
• /
• v.13 no.1
• /
• pp.48-55
• /
• 2003

Hidden Markov Model(HMM) has a doubly embedded stochastic process with an underlying stochastic process that can be observed through another set of stochastic processes. This structure of HMM is useful for modeling vector sequence that doesn't look like a stochastic process but has a hidden stochastic process. So, HMM approach has become popular in various areas in last decade. The increasing popularity of HMM is based on two facts : rich mathematical structure and proven accuracy on critical application. In this paper, we applied continuous HMM (CHMM) approach with AR coefficient to detect and predict the chatter of lathe bite and to diagnose the wear of oil Journal bearing using rotor shaft displacement. Our examples show that CHMM approach is very efficient method for machine health monitoring and prediction.

• Journal of the Korean Institute of Telematics and Electronics B
• /
• v.31B no.8
• /
• pp.11-19
• /
• 1994

The matching probability P(ο/$\lambda$), of the signal sequence(ο) observed for a finite time interval with a HMM (Hidden Markov Model $\lambda$) indicates the probability that signal comes from the given model. By utilizing the fact that the probability represents matching score of the observed signal with the model we can recognize an unknown signal pattern by comparing the magnitudes of the matching probabilities with respect to the known models. Because the algorithm however uses floating point variables during the computing process hardware implementation of the algorithm requires floating point units. This paper proposes an integer algorithm which uses positive integer numbers rather than float point ones to compute the matching probability so that we can economically realize the algorithm into hardware. The algorithm makes the model parameters integer numbers by multiplying positive constants and prevents from divergence of data through the normalization of variables at each step. The final equation of matching probability is composed of constant terms and a variable term which contains logarithm operations. A scheme to make the log conversion table smaller is also presented. To analyze the qualitive characteristics of the proposed algorithm we attatch simulation result performed on two groups of 10 hypothetic models respectively and inspect the statistical properties with repect to the model order the magnitude of scaling constants and the effect of the observation length.