• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.125-128
• /
• 2003

생물학적 비전 시스템에서 컬러정보는 윤곽정보와 함께 가장 주요한 정보이다. 본 논문에서는 컬러공간의 분류를 위해 향상된 가산 경쟁학습 모델을 제안하며, 제안된 가산 경쟁학습 모델을 사용하여 컬러공간의 분류를 효과적으로 할 수 있다는 것을 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2006년도 하계종합학술대회
• /
• pp.793-794
• /
• 2006

본 논문에서는 인공 신경망을 이용한 동작 패턴 분류 시스템을 개발하였다. 이 시스템은 자이로 센서와 가속도 센서를 사용하며 3축의 자이로(각속도) 및 가속도를 측정할 수 있는 센서 모듈과 측정된 데이터를 이용해서 동작 패턴을 분류해 주는 신경망 알고리즘으로 구성된다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 춘계학술발표대회논문집
• /
• pp.355-358
• /
• 2003

대용량 데이터베이스를 기반으로 하는 지문인식 시스템에 있어서 전체적인 처리효율 증가를 위한 연구가 활발히 진행되고 있다 본 논문에서는 지문의 형상을 일정한 패턴을 기준으로 분류를 수행함에 있어서 영상의 Noise제거를 위해 하나의 영상에 크기가 서로 다른 2개의 블록으로 영상을 분할하여 공통적으로 추출해 내는 특이점의 Position과 개수에 따라 지문을 분류하여 대용량 지문인식 시스템의 처리 효율을 증가시키는데 있다 .

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.287-290
• /
• 2001

Bishop이 제안한 generative Topographic Mapping(GTM)은 Kohonen이 제안한 자율 학습 신경망인 Self Organizing Maps(SOM)의 확률적 버전이다. 본 논문에서는 이러한 GTM 모형에 베이지안 추론을 결합하여 작은 오분류율을 가지는 분류 알고리즘인 베이지안 GTM(Bayesian GTM)을 제안한다. 이 방법은 기존의 GTM의 빠른 계산 처리 능력과 베이지안 추론을 이용하여 기존의 분류 알고리즘보다 우수한 결과가 나타남을 실험을 통하여 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.303-306
• /
• 2001

패턴 인식에서 선형 분류 가능한 경계면을 찾아 패턴을 분류하는 방법 중 가장 기본적인 방법은 퍼셉트론이라고 볼 수 있다. 하지만 선형 분류 불가능한 패턴에 대해서는 유용한 결과를 보여주지 못하였다. 먼저 제안된 퍼지 퍼셉트론은 베타영역 설정에 의해 수렴하지 못하는 특성을 보완하였다. 그러나 패턴의 순수한 전형성을 고려해 주지 못하는 단점이 있다. 이에 Crisp의 선형분류 특성과 퍼지의. 수렴특성을 합성하고자 Possibilistic 퍼셉트론을 제시한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.787-789
• /
• 2004

본 논문에서는 퍼지 시스템을 이용하여 칼라 패턴으로부터 인간의 강성을 예측하는 텍스타일 인덱싱 시스템을 제안한다. 텍스타일 인덱싱이란 입력받은 직물 영상을 섬유의 영상을 강성 특징으로 색인화 하는 것이다. 제안된 시스템은 입력 영상에 대해 warm-cold, strong-weak, heavy-light특징이 어느 정도 있는지 조사한다. 제안된 시스템은 크게 특징추출 부분과 감성 분류로 구성한다. 특징 추출은 입력 영상에서 컬러 점보와 텍스처 정보를 추출하고, 감성 분류는 특징 추출 부분으로부터 얻어진 정보들을 분석하여 영상 내 포함된 강성을 찾아낸다. 이때 분류를 위해서 본 논문에서는 퍼지 시스템을 사용한다. 퍼지 룰은 80개의 영상에 대하여 70명의 설문조사를 기반으로 하여 경험적으로 얻어졌다. 제안된 시스템은 80개의 영상에 대하여 테스트 해본 결과는 제안된 시스템의 효율성을 보여주었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.9-10
• /
• 2019

본 논문은 구동장치의 진동에서 특징 데이터를 추출하고 인공신경망에 학습을 시킨 후, 구동 장치의 결함을 분류하는 시스템을 구현하였다. 딥러닝 기술을 이용함으로써 특정 장치에 종속되지 않고 학습할 데이터의 특징에 따라 쉽게 변경 가능하다. 또한, 실제 적용될 현장에서 발생할 수 있는 예측외의 진동 환경에 유연하게 대처하기 위해 딥러닝 모델 중 CNN을 적용한 시스템을 설계하였으며, 본 연구팀의 이전 연구에서 제안된 DNN 기반의 진단시스템을 학습데이터의 환경과 다른 처리배제가 필요한 진동 환경에서 비교 실험하여 제안된 시스템이 새로운 환경적응 성능향상에 대하여 우수한 결과를 얻었음을 확인하였다.

• 대한교통학회지
• /
• 제27권6호
• /
• pp.79-88
• /
• 2009

본 연구는 차종분류기법을 개발하여, 가장 일반적인 교통정보 수집장치인 루프검지기에 피에조타입의 축검지센서를 추가 설치하여 2006년 하반기 국토해양부에서 제시하고 있는 "통합12종 교통량조사 차종분류가이드"에 따라 차종을 12종으로 자동분류하고, 분류시 오분류를 최소화하는 방안을 목적으로 한다. 차종의 세분류를 위해 차종분류인자를 차량의 길이, 축간거리, 축형식, 각 축별 윤거, 윤형식으로 두고, 각 분류인자의 판독을 위해 루프센서와 축검지센서를 조합한 차종분류시스템을 구성하였다. 본 차종분류시스템에서는 원더링 기법을 적용하였다. 원더링 기법은 차량의 좌우 각 차륜의 횡방향 주행 패턴을 분석하는 것으로서 주행차량의 윤거, 윤형식 등이 판독가능하다. 본 시스템을 이용하여 약 한달간 실증분석을 실시하였으며, 총 교통량 762,420대를 자동분류한 결과 12종 분류로 분류되지 못한 차량이 47대로 전체의 0.006%로 나타났으며, 이는 분류결과를 통계적으로 활용함에 있어서 무시할 수 있는 정도의 높은 수준의 분류율을 나타내는 것이다. 본 시스템을 이용하여 실제 공용도로에서 확보한 신뢰성 높은 차종분류 데이터는 도로의 계획 및 설계, 도로 운영 등에 폭넓게 이용할 수 있으며, 도로 교통계획과 관리계획 수립을 위한 기초적 정보를 제공할 수 있다. 또한 도로 및 교통분야의 다양한 연구에 활용할 수 있는 중요한 자료가 될 것이다.

• 한국통신학회논문지
• /
• 제37권2A호
• /
• pp.95-104
• /
• 2012

혼합분류기를 이용한 패턴인식은 약한 분류기를 결합하여 강한 분류기를 구성하는 형태이다. 본 논문에서는 고정된 카메라를 통해 입력된 영상을 이용하여 특징을 추출하고 이것들을 이용한 약한 분류기의 결합으로 강한 분류기를 만들어 낸다. 제안하는 시스템 구성은 차영상 기법을 이용해서 이진화된 전경 영상을 얻고 모폴로지 침식연산 수행으로 얻어진 혼잡도 가중치 영상을 이용해 특징을 추출하게 된다. 추출된 특징을 조합하고 혼잡도를 판단하기 위한 모델의 훈련 및 인식을 위한 혼합분류기 알고리즘으로 부스팅 방법을 사용하였다. 혼합 분류기는 약한 분류기의 조합으로 하나의 강한 분류기를 만들어 내는 분류기로서 그림자나 반사 등이 일어나는 환경에서도 잠재적인 특징들을 잘 활용할 수 있다. 제안하는 시스템의 성능실험은 "AVSS 2007"의 도로환경의 차량 영상과 철도환경내의 승강장 영상을 사용하였다. 조명변화가 심한 야외환경과 승강장과 같은 복잡한 환경에서도 시스템의 우수한 성능을 보여주었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.190-192
• /
• 2003

소비자의 신용 대출 규모가 점차 증가하면서 기업에서 고객의 신용 등급에 의한 정확한 고객 분류를 필요로 하고 있다 이를 위해 판별 분석과 신경망의 역전파(BP: Back Propagation)를 이용한 고객 분류 시스템이 연구되었다. 그러나, 판별 분석을 사용한 방법은 불규칙한 신용 거래의 성향을 보이는 비정규 분포의 고객 데이터의 영향으로 여러 개의 판별 함수와 판별점이 존재하여 분류 정확도가 떨어지는 단점이 있다. 신경망을 이용한 방법은 불규칙한 신용 거래의 성향을 보이는 고객 데이터에 의해서, 지역 최소점(Local Minima)에 빠져 최대의 분류 정확률을 보이는 분류자를 얻지 못하는 경우가 발생할 수 있다. 본 논문에서는 이러한 기존 연구의 분류 정확률을 저하시키는 단점을 해결하기 위해 SVM(Support Vector Machine)을 사용하여 고객의 신용 등급을 분류하는 방법을 제안한다. SVM은 SV(Support Vector)의 수에 의해서 학습 성능이 좌우되므로, 불규칙한 거래 성향을 보이는 고객에 대해서도 높은 차원으로의 매핑을 통하여, 효과적으로 학습시킬 수 있어 분류의 정확도를 높일 수 있다 하지만, SVM은 근사화 알고리즘(Approximation Algorithms)을 이용하므로 분류 정확도가 이론적인 성능에 미치지 못한다. 따라서, 본 논문은 점진적 앙상블 SVM을 사용하여, 기존의 고객 분류 시스템의 문제점을 해결하고 실제적으로 SVM의 분류 정확률을 높인다. 실험 결과는 점진적 앙상블 SVM을 이용한 방법의 정확성이 기존의 방법보다 높다는 것을 보여준다.