• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.494-495
• /
• 2011

본 논문에서는 스마트 TV 시청시에 녹화하는 골프 동영상에서 오디오기반의 경계영역 검출를 이용하여 썸네일을 고속으로 생성하는 방법을 제안한다. 제안된 방법은 녹화되는 골프동영상의 인코딩된 오디오 정보로 부터 추출된 MDCT계수를 이용하여 온셋 구간 검출 및 오디오 세그먼테이션을 수행함으로써 골프 동영상을 6개의 오디오 클래스로 자동 분할한다. 분할된 오디오 세그먼트와 상응하는 비디오 프레임을 맵핑하여 골프 동영상의 썸네일을 생성한다. 제안된 오디오기반 경계영역 검출방법의 성능 측정 결과, 97.4%의 Recall과 96.85%의 Precision의 우수한 분류 성능을 나타내었다.

• The Journal of the Acoustical Society of Korea
• /
• v.17 no.4
• /
• pp.38-44
• /
• 1998

대용량의 음성합성용 데이터베이스를 용이하게 구축하기 위해 음성인식 시스템을 이용한 음소 경계 분할이 이루어지고 있다. 그러나 자동 분할 결과를 직접 이용하여 합성음 을 생성할 경우 음소 경계 에러로 인하여 접합 왜곡이 많이 발생하게 된다. 이러한 문제를 해결하기 위해서, 본 연구에서는 단위 접합시 경계 에러를 고려하여 적합한 접합 위치를 찾 고자 하였다. 여기서 적합한 접합 위치는 스펙트럼의 불연속이 최소화된 접합점을 의미한다. 합성음에 대한 MOS(Mean Opinion Score) 테스트와 스펙트로그램(spectrogram)의 모양을 비교하므로써 제안된 방법의 성능을 평가하였다. 제안된 방법은 두 단계로 이루어져 있다. 첫째, 레퍼런스 패턴(reference pattern)과 두 개의 테스트 패턴(test pattern)을 선택하는 단 계와, 둘째, 앞과 뒤 테스트 패턴 사이의 적합한 접합위치를 찾는 단계이다. 본 연구에서는 패턴 사이의 스펙트로그램 비교를 위해 켑스트럼(cepstrum) 피라미터와 패턴 분류기 (pattern classifier)인 DTW(Dynamic Time Warping) 알고리즘을 사용하였다. 제안된 알고 리즘을 평가한 청취 테스트의 결과에서 제안된 알고리즘을 적용하여 합성된 합성음의 음질 이 자동 분절로 생성된 단위를 그대로 이용한 경우의 음질보다 우수함을 보였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.3 no.3
• /
• pp.597-605
• /
• 1999

In this paper, we propose a cardioangiography sequence image coding scheme which use a subtraction between initial image and current frame inserted contrast dye. Stable regions are obtained by the multithreshold and meaningful region is extracted by the images with stable region. The image with meaningful region is classified into contour and texture information. Contour information is coded by contour coding. And texture information is approximated by two-dimensional polynomial function and each coefficients is coded. Experimental results confirm that the sequence of cardioangiography are well reconstructed at the low bit rate (0.02∼0.04 bpp) and high compression ratio.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.479-484
• /
• 2005

본 논문에서는 오류 역전파 알고리즘에서 은닉층의 노드 수를 설정하는 문제와 ART1의 경계 변수의 설정에 따른 인식률이 저하되는 문제점을 개선하기 위해 ART1 알고리즘과 퍼지 단층 지도 학습 알고리즘을 결합한 ART1 기반 퍼지 지도 학습 알고리즘을 제안한다. 제안된 알고리즘은 가중치 조정에 승자 뉴런 방식을 도입하여 은닉층에 해당하는 클래스에 영향을 끼친 패턴들의 정보만 저장하게 하여 은닉층 노드로의 책임 분담에 의한 정체 현상이 일어날 가능성을 줄인다. 그리고 학습시간과 학습의 수렴성도 개선한다. 제안된 알고리즘의 학습 성능을 분석하기 위하여 주민등록번호 분류를 대상으로 실험한 결과, 제안된 방법이 기존의 신경망보다 경계 변수나 모멘트에 민감하지 않으며 학습 시간도 적게 소요되고 수렴성도 우수한 성능이 있음을 확인하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.2 s.40
• /
• pp.25-33
• /
• 2006

We propose a method that automatically classifies the images into the object and non-object images. An object image is the image with object(s). An object in an image is defined as a set of regions that lie around center of the image and have significant color distribution against the other surround (or background) regions. We define four measures based on the characteristics of an object to classify the images. The center significance is calculated from the difference in color distribution between the center area and its surrounding region. Second measure is the variance of significantly correlated colors in the image plane. Significantly correlated colors are first defined as the colors of two adjacent pixels that appear more frequently around center of an image rather than at the background of the image. Third one is edge strength at the boundary of candidate for the object. By the way, it is computationally expensive to extract third value because central objects are extracted. So, we define fourth measure which is similar with third measure in characteristic. Fourth one can be calculated more fast but show less accuracy than third one. To classify the images we combine each measure by training the neural network and SYM. We compare classification accuracies of these two classifiers.

• Journal of the Korean Geographical Society
• /
• v.48 no.6
• /
• pp.914-928
• /
• 2013

Establishment of limits and names for oceans and seas is necessary for a safety of navigation. Even if there are no national and international standard for the delimitation of sea boundaries, we can take guidelines for the delimitation of sea boundaries through the analysis of IHO official publications, Limits and Names for Oceans and Sea; S-23. This paper shows the changes of the spatial limit of seas since first edition publication, and the standards for a delimitation of oceans and seas were analyzed using S-23 4th edition draft(2002) in terms of physical geographic features. The generic terms of S-23 include Ocean, Sea, Channel, Passage, Strait, Sound, Gulf, Bay and Bight, and each generic term shows hierarchical structures. Several seas show different characteristics compared with definitions of IHO dictionary. Sea boundaries are delimited by longitude and latitude, cape, river mouth, sandbar, and so on. Undersea features such as a shelf, trench, trough, rise, bank and reef are also important features for delimitation of sea boundary. Especially, seas that are delimited by undersea feature are mainly located Arctic and Southern ocean area in S-23 4th edition. Advanced knowledge of marine science with a technical advance might affect to delimit for sea boundary.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.307-309
• /
• 2001

분류문제에서 유용한 학습패턴은 클래스들간의 분류경계에 근접한 정상패턴들을 말한다. 본 연구에서는 다양한 구조와 학습 파라미터를 가진 신경망 앙상블을 구성하고 그 출력값의 편기와 분산에 기초한 패턴절수를 정의한다. 전체 학습패턴 중 일정한 임계값 이상의 패턴점수를 가진 패턴들만이 학습패턴으로 선정된다. 제안한 방법은 두 개의 인공문제와 두 개의 실제문제 (UCI Repository)에 적응, 검증되었다. 그 결과 선택된 패턴만으로 학습한 경우, 메모리 공간 절약 및 계산시간 단축의 효과뿐만 아니라 복잡도가 큰 모델이라도 과적합을 하지 않았고 실험적으로 안정된 결과를 산출했으며, 적은 수의 학습패턴만으로도 일반화 성능을 향상시키거나 적어도 저하시키지 않았다는 것을 보였다.

• Proceedings of the KIEE Conference
• /
• 2005.07d
• /
• pp.3004-3006
• /
• 2005

Support vector machine(SVM)은 입력 데이터를 두개의 다른 클래스로 구별하는 결정면을 학습과정을 통하여 구한다. 기존의 SVM은 단지 이차 클래스에 대하여 적용되어지나, 많은 응용분야에서 입력 데이터들은 몇 개의 다중 클래스로 분류해야 한다. 다중 클래스 분류 문제는 기존의 SVM을 사용할 수 있는 일반적으로 몇 개의 2차 문제로 분해하여 풀 수 있다. 실례로 one-against-all 방법을 적용하면, n 클래스 문제는 n 개의 두 클래스 문제로 변환 하여 풀 수 있다. 본 논문에서는 입력 패턴들을 다중 클래스로 분류 할 때 퍼지 소속도를 응용한 소프트 마진 알고리즘의 상한 경계값을 각 클래스에 따라 다르게 적용함으로써 기존의 SVM 보다 더 우수한 학습 능력을 가짐을 보였다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1985-1986
• /
• 2008

혀의 상태는 인체 내부의 생리적 병리적 특성의 변화를 나타내므로, 한의학에서 중요한 지수가 된다. 한의학에서 설진 방법은 환자의 설질과 설태의 변화를 관찰함으로써 질병을 진찰하는 방법이므로, 편리할 뿐만 아니라 비침습적이고, 널리 쓰이고 있다. 그러나 설진은 광원, 환자의 자세, 한의사의 상태와 같은 검사 환경에 의해 영향을 받는다. 표준화된 진단을 위한 자동 진단 시스템을 개발하기 위하여 질병의 예후를 판단할 수 있는 설태 분류 방법은 필수적이지만, 컬러의 경계가 모호하므로 설태와 설질을 구분하기는 매우 어렵다. 이 논문에서 분할된 설체 내에서 컬러를 계층적으로 분류하여 설태를 분류하는 방법을 제안한다. 또한 설태 영역을 정확하게 분할하도록 하였다. 제안된 방법은 표준화된 진단을 가능하도록 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.469-471
• /
• 2005

문서 분류에서의 one class classification 문제는 오직 하나의 범주를 생성하고 새로운 문서가 주어졌을 때 미리 만들어진 하나의 범주에 속하는가를 판별하는 문제이다. 기존의 여러 범주로 이루어진 분류 문제를 해결할 때와는 달리 one class classification에서는 학습 시에 이미 정해진 하나의 범주와 관련이 있는 문서들만을 사용하여 학습을 수행하기 때문에 범주의 경계를 정하는 것이 매우 어려운 작업이며 또한 분류기의 성능에 있어서도 매우 중요한 요소로 작용하게 된다. 본 논문에서는 기존의 연구에서 one class classification 문제를 해결할 때 관심의 대상이 되는 예제의 일부를 부정 예제로 간주하여 one class문제를 two class문제로 변경시켜 학습을 수행했던 것에서 더 나아가 추가적으로 새로운 가상 부정 예제를 설정하여 학습을 수행하고, SVM을 통하여 범주화 성능을 확인해 보기로 한다.