• Journal of the Korean Data and Information Science Society
• /
• v.21 no.6
• /
• pp.1271-1280
• /
• 2010

We have used multifactor dimensionality reduction (MDR) method to study genegene interaction effect of statistical model in general. But, MDR method could not be applied in the continuous data. In this paper, continuous-type data by the support vector machine (SVM) algorithm are proposed to the MDR method which provides an introduction to the technique. Also we apply the method on the identify major interaction effects of single nucleotide polymorphisms (SNPs) responsible for economic traits in a Korean cattle population.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2016.11a
• /
• pp.304-306
• /
• 2016

본 논문에서는 기계학습 방법에 기반을 둔 119 긴급 신고 전화 전사 데이터에 대한 구급, 구조, 화재 상황 분류 알고리즘을 개발하였다. 신고전화에서 빈번하게 발생하는 비정형 발화 패턴을 효율적으로 정규화하고 자연어 문장 처리 기법에서 일반적으로 사용하는 방법을 적용하여 신고전화 텍스트 데이터를 기계학습에서 사용할 수 있는 특징 벡터로 재구성하였다. 2743개의 신고전화에 대해 선형 서포트 벡터 머신을 이용하여 상황 분류를 수행한 결과, 92% 의 정확도를 얻을 수 있었다.

• Korean Journal of Construction Engineering and Management
• /
• v.15 no.4
• /
• pp.68-76
• /
• 2014

The accurate estimation of construction cost is important to a successful development in construction projects. In previous studies, the construction cost are estimated by statistical methods. Among the statistical methods, support vector regression (SVR) has attracted a lot of attentions because of the generalization ability in the field of cost estimation. However, despite the simplicity of the parameter to be adjusted, it is not easy to find optimal parameters. Therefore, to build an effective SVR model, SVR's parameters must be set properly without additional data handling loads. So this study proposes a novel approach, known as genetic algorithm (GA), which searches SVR's optimal parameters, then adopt the parameters to the SVR model for estimating cost in the early stage of apartment housing projects. The aim of this study is to propose a GA-SVR model and examine the feasibility in cost estimation by comparing with multiple regression analysis (MRA). The experimental results demonstrate the estimating performance based on the percentage of estimations within 25% and find it can effectively do the accurate estimation without through the trial and error process.

• Communications for Statistical Applications and Methods
• /
• v.16 no.5
• /
• pp.791-801
• /
• 2009

Value-at-Risk(VaR) has been used as an important tool to measure the market risk. However, the selection of the VaR models is controversial. This paper proposes VaR forecast combinations using support vector machine quantile regression instead of selecting a single model out of historical simulation and GARCH.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1899-1900
• /
• 2008

현재 센서 네트워크에서 센서의 위치를 추정(Localization) 하고자 하는 많은 방법들이 나와 있고, 계속해서 연구 주제로 다루어 지고 있다. 이 논문에서는 서포트 벡터 머신(SVM)의 기본적인 내용과 센서 네트워크 분야에서 위치 추정 분야에서 다루어지고 내용들을 서술하고 마지막으로 서포트 벡터 머신을 이용하여, 개선되고 향상된 algorithm을 제시하고자 하는 것이 아닌 SVM을 이용한 적용 사례들과 연구 동향들에 대해 살펴본 뒤 그것들의 적용방법들과 갖는 한계점들, 그리고 그것을 이용한 미래에 연구방향에 대해 고찰해 보고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.55-56
• /
• 2018

화력발전소의 중요 구성품인 보일러 튜브의 예기치 못한 누설 사고로 인해 수억원에 해당하는 손실이 발생하고 있다. 본 논문에서는 보일러 튜브의 누설 감지를 위해 유전 알고리즘을 이용하여 추출 가능한 특징들 중 누수 감지에 유용한 특징들을 선택하고, 선택된 특징으로 서포트 벡터 머신을 이용하여 보일러 튜브의 누설 감지하는 방법을 제안한다. 이는 뛰어난 성능을 보였으며, 향후 본 기술을 이용하면 발전소의 손실 예방에 크게 도움이 될 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.19-20
• /
• 2016

본 논문에서는 서포트 벡터 머신 (SVM)의 분류 성능에 영향을 주는 인수인 C와 ${\sigma}$ 값을 적응적으로 최적화할 수 있는 적응적 자가튜닝 SVM을 이용한 베어링의 상태 진단 방법을 제안한다. SVM의 각 인수의 변화에 따른 베어링 상태 진단의 성능 변화 패턴을 분석하여 적합한 인수를 적응적으로 찾을 수 있는 방법을 제안하고, 제안한 방법의 우수성을 검증하기 위해 실제 베어링 신호를 이용하여 기존방법인 격자탐색과의 성능을 비교하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.3
• /
• pp.67-76
• /
• 2012

Traffic classification plays an important role in traffic management. To traditional methods, P2P and encryption traffic may become a problem. Support Vector Machine (SVM) is a useful classification tool which is able to overcome the traditional bottleneck. The main disadvantage of SVM algorithms is that it's time-consuming to train large data set because of the quadratic programming (QP) problem. However, the useful support vectors are only a small part of the whole data. If we can discard the useless vectors before training, we are able to save time and keep accuracy. In this article, we discussed the feasibility to remove the useless vectors through a sequential method to accelerate training speed when dealing with large scale data.

• The Korean Journal of Applied Statistics
• /
• v.16 no.2
• /
• pp.261-271
• /
• 2003

Support Vector Machines (SVMs) provide a powerful performance of the learning system. Generally, SVMs tend to make overfitting. For the purpose of overcoming this difficulty, the definition of soft margin has been introduced. In this case, it causes another difficulty to decide the weight for slack variables reflecting soft margin classifiers. Especially, the error of soft margin algorithm can be bounded by a target margin and some norms of the slack vector. In this paper, we formulate a new soft margin algorithm considering the bound of corruption by noise in data directly. Additionally, through a numerical example, we compare the proposed method with a conventional soft margin algorithm.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.273-274
• /
• 2016

본 논문에서는 다중 랜덤 워커(multiple random walkers)에 기반한 객체 추적 기법을 제안한다. 우선 서포트 벡터 머신(support vector machine)을 이용한 분류기 기반 객체 추적 기법을 소개한다. 다음으로 영상의 영역에 대한 특징 벡터 중 배경으로부터 추출된 특징 벡터를 억제하는 기법을 제안한다. 영역에서 배경 요소를 찾기 위해 다중 랜덤 워커를 이용한 전경 및 배경 추출 방법을 제시한다. 배경 요소를 억제하여 학습된 서포트 벡터 머신은 객체와 배경이 유사한 영상, 객체가 다른 물체에 의해 가려지는 영상 등에서 객체와 배경을 확실하게 구분하여 객체를 잃지 않고 추적할 수 있다. 마지막으로 실험을 통해 제안하는 기법이 기존 기법에 비해 우수한 추적 성능을 보임을 확인한다.