• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.1809-1810
• /
• 2007

본 논문에서는 뇌파인식을 위한 입력패턴을 추출하고 패턴 인식을 위한 뇌파 학습 알고리즘을 설계하였다. 입력패턴의 구성은 일반적인 상황에서 인식률을 더욱 높이기 위하여 기존의 Alpha-wave, Beta-wave, Theta-wave, Delta-wave등의 비율을 비교하는 방식에서 Delta-wave와 Theta-wave의 합, Alpha-wave, Delta-wave와 Theta-wave의 합에 Alpha-wave로 나눈 값, Beta-wave의 4가지 입력패턴으로 구성하였다. 그리고 신경망의 한 종류인 역전파 알고리즘을 이용하여 동일 조건이나 비슷한 조건에서의 수면과 비수면의 구분이 아닌 각기 다른 조건 상태에서의 수면과 비수면에 대한 패턴분류를 시뮬레이션 하였고 일반적인 조건에서도 감성 상태를 분류 할 수 있음을 보였다.

• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.207-218
• /
• 2014

하천을 복원하거나 정비하는데 있어서 중요한 하천의 실태를 파악하는데, 하천 피복상태 정보는 매우 중요하다. 본 연구의 목적은 하천의 피복상태 정보를 효율적이고 경제적으로 획득하기 위해 고해상도 항공정사영상의 효과적인 분류를 위한 감독분류 방법을 시험하고 하천토지피복지도 작성을 위한 최적 분류 방법을 검증하였다. 항공 정사영상의 CIR 영상과 RGB 영상을 이용한 하천토지피복 분석과정은 하천토지피복분류 항목 선정, 감독분류, 정확도 평가 및 분류지도 작성의 순서로 수행하였다. 분류 항목은 수역, 도로, 건물, 초지, 산림, 나지, 밭의 7가지 항목을 선정하였다. 감독 분류 알고리즘으로는 최대우도분류, 최소거리분류, 평행육면체분류, 마하라노비스거리분류 기법을 적용하였다. 감독분류의 분류정확도를 개선하기 위해 필터링과 훈련지역의 왜도 검증을 수행한 결과 CIR 영상을 이용한 최대우도분류 기법이 가장 높은 정확도를 보였다.

• 한국시뮬레이션학회논문지
• /
• 제15권3호
• /
• pp.49-60
• /
• 2006

센서 어레이로부터 감지된 신호 패턴을 분류함으로써 감지 대상체를 구별하기 위해 본 연구에서는 상태 천이 모델을 이용하는 방법을 제안하였다. 센서 어레이의 신호 데이터를 패턴 모양의 특성을 나타낼 수 있는 상태 천이 모델로 변환하여 감지 대상체의 구별이 보다 정확하게 이루어 질 수 있도록 모델을 설계하는데 초점을 두면서, 모델링 요소인 '상태'는 각도 $(-\frac{\pi}{2},\frac{\pi}{2})$을 n개의 일정한 크기의 구간으로 나누어 각 구간을 하나의 상태로 정의하고, '천이' 관계는 일정한 시간 간격으로 샘플링된 신호 데이터 간의 각도 변화로 각각 정의하여 각도변이 기반 상태천이 모델링을 고안하였으며 모델의 유효성을 실험을 통하여 검증하였다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.45-57
• /
• 2018

주행 중에 발생하는 졸음은 큰 사고로 직결될 수 있는 매우 위험한 운전자 상태이다. 졸음을 방지하기 위하여 운전자의 상태를 파악하는 전통적인 졸음 감지 방법들이 존재하지만 운전자들이 가지는 개개인의 특성을 모두 반영한 일반화 된 운전자 상태 인식에는 한계가 있다. 최근에는 운전자의 상태를 인식하기 위한 딥 러닝기반의 상태인식 연구들이 제안되었다. 딥 러닝은 인간이 아닌 기계가 특징을 추출하여 보다 일반화된 인식모델을 도출할 수 있는 장점이 있다. 본 연구에서는 운전자의 상태를 파악하기 위해 이미지와 PPG를 동시에 학습하여 기존 딥 러닝 방식보다 정확한 상태 인식 모델을 제안한다. 본 논문은 운전자의 이미지와 PPG 데이터가 졸음 감지에 어떤 영향을 미치는지, 함께 사용되었을 때 학습 모델의 성능을 향상시키는지 실험을 통해 확인하였다. 이미지만을 사용했을 때 보다 이미지와 PPG를 함께 사용하였을 때 3%내외의 정확도 향상을 확인했다. 또한, 운전자의 상태를 세 가지로 분류하는 멀티모달 딥 러닝 기반의 모델을 96%의 분류 정확도를 보였다.

• 식물분류학회지
• /
• 제43권3호
• /
• pp.196-207
• /
• 2013

전 세계 Juncus (골풀속)의 속내 분류체계는 최근 Kirschner에 의해 2아속 10절로 정리된 바 있으며, 두 아속은 소포의 유무와 화서에 의해 구분되며, 각각의 절은 잎의 특징, 화서의 위치, 수술, 종자의 형질 등에 따라 구분된다. 현재까지 한국산 Juncus 분류군들을 구분하는 형질들에 대한 종합적 검토는 미흡한 상태이다. 그러므로 본 연구는 지금까지 한반도에 자생한다고 보고된 분류군들 중 채집 및 표본조사가 가능한 14개의 Juncus 분류군들에 대하여 국내 11개 표본관으로부터 약 950점의 표본을 대여하여 조사하였고, 이들에 대한 지하경, 잎, 화서, 꽃, 과실, 종자 등의 외부형태학적 형질들에 대한 형질상태의 유형을 파악하여 도해하고, 분류군들 간의 구분성을 검토하였다. 이를 바탕으로 주요 식별 형질들을 이용한 검색표를 제시하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권4호
• /
• pp.477-481
• /
• 2010

본 연구에서는 무선 센서 네트워크를 기반으로 침대 주변에서 사람의 행동유형을 분류하고자 한다. 침대 주변에서 사람의 다섯가지 행동유형과 세가지 상태들을 정의하고, 이들을 상태기계로 표현하였다. 움직임 감지 및 진동센서들을 통해 행동유형 관련 데이터들을 수집하고 이로 부터 특정벡터를 추출하였다. 행동유형별 특징벡터와 상태기계를 기초로 행동유형 모델을 정립하였고, 정립된 모델의 유효성 검증을 위해 실험을 실시한 후 행동유형 모델을 보정하였다. 이러한 실험결과들은 침대 주변에서 사람들이 행하는 행동유형들이 잘 분류될 수 있음을 보여준다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.86-93
• /
• 2024

기능적 자기 공명영상(functional magnetic resonance imaging;fMRI)의 발전은 뇌 기능의 매핑, 휴식 상태에서 뇌 네트워크의 이해에 상당한 기여를 하였다. 본 논문은 알츠하이머의 진행상태를 분류하기 위해 CNN-LSTM 기반의 분류 모델을 제안한다. 첫 번째로 특징 추출 이전 fMRI 데이터에서 잡음을 제거하기 위해 4단계의 전처리를 수행한다. 두 번째, 전처리가 끝나면 U-Net 구조를 활용하여 공간적 특징을 추출한다. 세 번째, 추출된 공간적 특징은 LSTM을 활용하여 시간적 특징을 추출하여 최종적으로 분류하는 과정을 거친다. 실험은 데이터의 시간차원을 조절하여 진행하였다. 5-fold 교차 검증을 사용하여 평균 96.4%의 정확도를 달성하였고 이러한 결과는 제안된 방법이 fMRI 데이터를 분석하여 알츠하이머의 진행을 식별하는데 높은 잠재력을 가지고 있음을 보여준다.

• 조명전기설비학회논문지
• /
• 제22권4호
• /
• pp.26-34
• /
• 2008

본 연구는 도로 관제 목적으로 사용 중인 가시 카메라(Visible Camera)를 사용하여 촬영한 도로표면 영상을 화상 인식 도로표면의 상태를 식별하는 방법과 기준을 제안하였다. 먼저, 입력 화상은 낮 시간대의 아스팔트 포장 도로면을 촬영하여 도로표면 상태의 화상을 만들었고, 편광 및 웨이블릿 변환(Wavelet transform)으로 도로 표면을 5가지의 상태(건조, 습윤, 수막, 적설, 동결)로 인식할 수 있는 분류기준절차를 연구하였다. 표면 화상 인식 과정은 편광계수(수직/수평 편광 비율) 값이 1.3 이상이면 젖은 땅으로 분류한 후, 다음으로 젖은 땅을 제외한 나머지는 웨이블릿 패킷 변환을 통해 시간-주파수 분석을 하였다. 또한 영상 템플릿을 이용하여 마른 땅과 빙판의 표준적인 주파수 특성을 분석하여, 마른 땅과 빙판을 구분하였다. 입력 영상에 대해서 제안한 도로표면상태의 인식분류 및 기준에 따라, 도로표면영상에서 마른 부분과 젖은 부분을 구분한 결과를 정리하였다.

• 한국전산구조공학회논문집
• /
• 제35권6호
• /
• pp.357-365
• /
• 2022

냉매 오충전은 에어컨에서 빈번하게 발생하는 고장 모드 중 하나로, 적정 충전량 대비 부족 및 과충전 모두 냉방 성능의 저하를 유발하므로 충전된 냉매량을 정확하게 판단하는 것이 중요하다. 본 연구에서는 퍼지 군집화 기법을 통한 정상상태 식별을 통해 냉매 오충전량을 다중 분류하는 모델을 개발하였다. 정상상태 식별을 위해 에어컨 운전 데이터에 대해 이동 평균 간의 차이를 활용한 퍼지 군집화 알고리즘을 적용하였으며, IFDR를 통해 기존 연구된 정상상태 판단 기법들과 식별 결과를 비교하였다. 이후, 시스템 내 상관성을 고려한 mRMR을 이용해 특징을 선택하였으며, 도출된 특징을 이용해 SVM 기반의 다중 분류 모델이 생성되었다. 제안된 방법은 시험 데이터를 통해 만족할 만한 분류 정확도와 강건성을 도출하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권3호
• /
• pp.27-32
• /
• 2020

본 논문에서는 금속스크랩이 쌓이는 스크랩박스의 적치 상태를 측정하는 알고리즘을 제안한다. 적치 상태 측정 문제를 다중 클래스 분류 문제로 정의하여, 딥러닝 기법을 이용해 스크랩박스 촬영 영상만으로 적치 상태를 구분하도록 하였다. Transfer Learning 방식으로 학습을 진행하였으며, 딥러닝 모델은 NASNet-A를 이용하였다. 더불어 분류 모델의 정확도를 높이기 위해 학습된 NASNet-A에 랜덤포레스트 분류기를 결합하였으며, 후처리를 통해 안전성을 높였다. 현장에서 수집된 4,195개의 데이터로 테스트한 결과 NASNet-A만 적용했을때 정확도 55%를 보였으며, 제안 방식인 Random Forest를 결합한 NASNet은 88%로 향상된 정확도를 달성하였다.