• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.55-64
• /
• 2013

디지털 고성능 영상장비의 대중화와 강력한 이미지 편집 소프트웨어의 출현으로 인해 고품질의 위 변조가 가능하게 되었다. 특히 화폐 위 변조 범죄가 급격히 증가하고 있지만, 일반인이 위 변조 지폐를 발견하는 비율은 낮은 수준이다. 본 논문에서는 범용 스캐너를 이용하여 위 변조 지폐를 판별할 수 있는 알고리즘을 제안한다. 본 알고리즘에서는 위 변조 지폐를 출력하는 과정에서 나타나는 인쇄물의 고유한 특징에 기반하여 위 변조 여부를 판별한다. 비지역적 평균 알고리즘을 이용하여 인쇄 과정에서 나타나는 노이즈 특성을 추출하고, 명암도 동시발생 행렬을 계산하여 지폐의 특징값을 추출하였다. 추출한 지폐의 고유한 특징값을 학습기반 데이터 분류기에 적용하여 위 변조 여부를 판별하였다. 제안한 알고리즘의 성능을 분석하기 위해 총 324장의 1만원권 지폐와 8대 프린터에서 출력한 위조지폐 이미지로 실험하였다. 또한 노이즈 추출에 있어 기존 프린터 판별 기술에서 사용되었던 위너필터와 이산웨이블릿변환 기반 알고리즘과 비교 분석을 수행하였다. 그 결과 제안한 알고리즘이 위 변조 판별에 있어서 94% 이상의 정확도를 보였으며, 위 변조 지폐 인쇄기기 식별에 있어서는 93% 이상의 정확도를 보여서 기존 프린터 판별 기술을 이용한 것보다 우수함을 보였다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.706-714
• /
• 2012

본 논문에서는 대한민국의 국립기상연구소에서 제공한 최근 4년간의 데이터를 훈련 데이터, 검증 데이터 및 테스트 데이터로 나누어 초단기 호우 예측을 하고자 한다. 우리는 데이터 셋을 훈련 데이터, 검증 데이터와 테스트 데이터 세 부분으로 나눴다. 데이터의 차원이 커짐에 따라 해 공간의 크기가 지수적으로 증가하여 실험의 속도가 현저히 떨어지는 문제를 피하기 위하여 72개의 특징들 중에서 주요한 특징들만을 선택하게 되었다. 예측의 정확도를 높이기 위해 미분진화 알고리즘을 사용하였고, 진화연산의 적합도 함수로 두 개의 분류기를 선택하였는데, 일반적으로 우수한 성능을 보이는 서포트 벡터 머신(SVM)과 분류 속도가 빠른 최근린법(k-NN)을 사용하였다. 또한, 실험에 사용할 데이터 가공을 위해 언더샘플링과 정규화를 하였다. 진화연산의 적합도 함수로 SVM 분류기를 사용하였을 때 실험 결과가 대체로 우수하였는데, 미분진화 알고리즘 실험은 모든 특징을 선택한 실험보다 약 5 배 정도 우수한 성능을 보였고, 유전 알고리즘을 사용한 실험보다 약 1.36 배 정도 더 우수한 성능을 보였다. 실험 속도 면에서는 미분진화 알고리즘을 사용한 실험이 유전 알고리즘을 사용한 실험보다 약 20배 이상 실험 시간이 단축되었다.

• 한국음향학회지
• /
• 제40권4호
• /
• pp.330-336
• /
• 2021

양상태 능동 소나에서 수중 표적의 산란 강도는 사용된 신호의 주파수, 표적과 음원사이의 각도를 의미하는 자세각, 표적과 수신기 사이의 각도를 나타내는 양상태각 등의 운용 변수에 따라 다르게 나타난다. 따라서 양상태 소나의 표적 탐지 및 식별 성능은 소나 운용 과정에서 표적, 음원, 그리고 수신기의 위치를 어떻게 변화시키느냐에 따라 그 성능이 달라질 수 있다. 본 연구에서는 양상태 소나 운용 시 자세각을 변화시키는 경우와 양상태각을 변화시키는 경우의 표적 식별 성능을 비교하여 어떤 변수를 변화시키는 것이 유리한지 평가하였다. 속이 비어있는 구와 실린더를 식별하는 시나리오를 가정하였으며, 유한요소법 기반의 음향 산란 시뮬레이션을 이용하여, 서포트 벡터 머신으로 두 표적을 분류하고 정확도를 비교하는 방법으로 성능을 비교하였다. 표적의 산란 신호만을 고려하기 위하여, 해저면 잔향의 효과는 고려하지 않았다. 비교 결과, 자세각을 고정한 상태에서 주파수와 양상태각으로 정의되는 산란 강도를 이용하는 것이 우수한 평균 분류 정확도를 보여주었으며, 이는 양상태 소나를 이용하여 구와 실린더를 식별하고자 하는 경우, 음원의 위치를 고정시킨 상태에서 수신기를 이동하여 양상태각을 변화시키는 것이 표적 식별에 더 효과적임을 보여준다.

• 인터넷정보학회논문지
• /
• 제19권6호
• /
• pp.63-72
• /
• 2018

인간의 목소리는 사람간의 정보 전달을 위한 가장 쉬운 방법 중 하나이다. 음성의 특징은 사람마다 다를 수 있으며 발성 속도, 발성기관의 형태와 기능, 피치 톤, 언어 습관 및 성별에 따라 다르게 나타난다. 목소리는 사람의 의사소통 핵심 요소이다. 제 4 차 산업 혁명의 시대에 목소리는 사람과 사람, 사람과 기계, 기계 와 기계 사이의 주요한 의사소통 수단이 된다. 그 이유 때문에 사람들은 자신의 의도를 다른 사람들에게 명확하게 전달하려고 노력한다. 그리고 이 과정에서 목소리는 언어 정보와 함께 다양한 추가 정보가 포함되게 된다. 예를 들어 감정 상태, 건강 상태, 신뢰도와 관련되거나, 거짓말의 여부, 음주로 인한 목소리의 변화 등 다양한 언어 및 비언어 정보를 포함하며, 다양한 분석 파라미터로 나타나게 된다. 이를 활용하면 개인의 신용도를 평가하는 척도로 사용할 수 있다. 특히 성대의 기본 주파수의 특성과 성도의 공진 주파수 특성의 관계를 분석함으로써 얻을 수 있다. 이전의 연구에서 다양한 신용 상태의 변화에 따른 목소리 분석 및 특성 변화를 연구 하였다. 본 연구에서는 음성을 통해 추출 된 매개 변수를 통해 기계 학습을 통한 개인 신용 판별 기를 제안한다.

• 디지털융복합연구
• /
• 제17권1호
• /
• pp.239-247
• /
• 2019

감정을 정확히 예측하는 것은 환자중심의 의료디바이스 개발 및 감성관련 산업에서 매우 중요한 이슈이다. 감정예측에 관한 많은 연구 중 감정 예측에 심박 변동성과 뉴로-퍼지 접근법을 적용한 연구는 없다. 본 연구는 HRV를 이용한 ANFEP(Adaptive Neuro Fuzzy system for Emotion Prediction)을 제안한다. ANFEP의 핵심 기능은 인공 신경망과 퍼지시스템을 통합해 예측 모델을 학습하는 ANFIS(Adaptive Neuro-Fuzzy Inference System)에 기반한다. 제안 모형의 검증을 위해 50명의 실험자를 대상으로 청각자극으로 감정을 유발하고, 심박변이도를 구하여 ANFEP 모형에 입력하였다. STDRR과 RMSSD를 입력으로 하고 입력변수 당 2개의 소속함수로 하는 ANFEP모형이 가장 좋은 결과를 나타났다. 제안한 감정예측 모형을 선형회귀 분석, 서포트 벡터 회귀, 인공신경망, 랜덤 포레스트와 비교한 결과 본 제안모형이 가장 우수한 성능을 보였다. 연구 결과는 보다 적은 입력으로 신뢰성 높은 감정인식이 가능함을 입증했고, 이를 활용해 보다 정확하고 신뢰성 높은 감정인식 시스템 개발에 대한 연구가 필요하다.

• 대한토목학회논문집
• /
• 제41권2호
• /
• pp.123-131
• /
• 2021

완충재는 고준위 방사성 폐기물을 처분하기 위한 공학적 방벽 시스템에서 중요한 구성요소 중 하나이며 사용 후 핵연료가 담긴 처분용기와 암반사이에 채워지는 물질이기 때문에 지하수 유입으로부터 처분용기를 보호하고, 방사성 핵종 유출을 저지하는 중요한 역할을 수행한다. 따라서 공학적 방벽 시스템의 처분용기로부터 발생하는 고온의 열량은 완충재를 통하여 전파되기에 완충재의 열전도도는 처분시스템의 안전성 평가에 매우 중요하다. 본 연구에서는 국내에서 생산되는 압축 벤토나이트 완충재의 열전도도 예측을 위한 경험적 회귀 모델의 정합성을 검증하고 정확도를 높이기 위해 예측모델의 구축에 기계학습법을 적용해 보았다. 벤토나이트의 건조밀도, 함수비 및 온도 값을 바탕으로 열전도도를 예측하고자 하였으며, 이때 다항 회귀, 결정 트리, 서포트 벡터 머신, 앙상블, 가우시안 프로세스 회귀, 인공신경망, 심층 신뢰 신경망, 유전 프로그래밍과 같은 기계학습 기법을 적용하였다. 기계학습 기법을 이용하여 예측한 결과, 부스팅 기반의 앙상블 기법, 유전 프로그래밍, 3차 함수 기반의 SVM, 가우시안 프로세스 회귀의 기계학습기법을 활용한 모델이 선형 회귀 분석 기법에 비해 좋은 성능을 보였으며, 특히 앙상블의 부스팅 기법과 가우시안 프로세스 회귀 기법을 사용한 모델들이 가장 좋은 성능을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.93-103
• /
• 2021

금융당국의 채권추심 가이드라인, 추심업자에 대한 직접적인 관리 감독 수행 등의 노력에도 불구하고 채무자에 대한 불법, 부당한 채권 추심은 지속되고 있다. 이러한 불법, 부당한 채권추심행위를 효과적으로 예방하기 위해서는 비정형데이터 기계학습 등 기술을 활용하여 적은 인력으로도 불법 추심행위에 대한 점검 등에 대한 모니터링을 강화 할 수 있는 방법이 필요하다. 본 연구에서는 대부업체의 추심 녹취 파일을 입수하여 이를 텍스트 데이터로 변환하고 위법, 위규 행위를 판별하는 규칙기반 검출과 SVM(Support Vector Machine) 등 기계학습을 결합한 불법채권추심 분류 모델을 제안하고 기계학습 알고리즘에 따라 얼마나 정확한 식별을 하였는지를 비교해 보았다. 본 연구는 규칙기반 불법 검출과 기계학습을 결합하여 분류에 활용할 경우 기존에 연구된 기계학습만을 적용한 분류모델 보다 정확도가 우수하다는 것을 보여 주었다. 본 연구는 규칙기반 불법검출과 기계학습을 결합하여 불법여부를 분류한 최초의 시도이며 후행연구를 진행하여 모델의 완성도를 높인다면 불법채권 추심행위에 대한 소비자 피해 예방에 크게 기여할 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.105-112
• /
• 2021

빅데이터 시대에 접어들며 데이터에 대한 관심이 폭발적으로 늘어나고 있다. 특히, 인터넷 및 소셜미디어의 발전은 새로운 데이터들의 생성으로 연결되어 빅데이터와 인공지능 시대의 실현과 융합 기술의 새로운 장을 열 수 있게 되었으며, 과거에는 프로그램으로 다루지 못하던 데이터에 대한 분석 요구가 많이 발생하고 있다. 본 논문에서는 빅데이터 시대에서 많이 요구되는 비정형 데이터에 대한 분류를 위하여 분석 모델을 설계하고 이를 검증하였다. 데이터는 디비피아의 논문 요약과 주제어, 그리고 부주제 어를 크롤링하였으며, 코엔엘피의 데이터 사전을 이용해 데이터베이스를 생성하고, 형태소 분석을 통하여 단어의 토큰화 과정을 수행하였다. 또한, 카이스트의 9 품사 분류 체계를 이용해 명사를 추출하고, TF-IDF 값을 생성하였으며, 학습 데이터와 Y 값을 결합하여 분석 데이터 셋을 생성하였다. 이와 같이 생성된 분석 데이터 셋에 랜덤 포레스트와 서포트 벡터 머신 그리고 의사결정트리, 이렇게 세 가지 분석 알고리즘을 적용하여 분류의 적정성을 측정하였다. 본 논문에서 제안한 분류 모델 기법은 논문 분류 외에도 민원 분류 분석 및 텍스트 관련 분석 등 다양한 분야에 유용하게 사용될 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.1-9
• /
• 2021

본 연구에서는 민감 정보가 포함된 경우의 서포트 벡터 머신 (SVM) 학습 알고리즘을 제안한다. 기계 학습 모형들이 실세계의 자동화된 의사 결정을 가능하게 하였지만 규제들은 프라이버시 보호를 위해서 민감 정보들의 활용을 제한하고 있다. 특히 인종, 성별, 장애 여부와 같은 법적으로 보호되는 정보들의 프라이버시 보호는 필수이다. 본 연구에서는 완전 동형암호를 활용하여 부분적인 민감 정보가 포함된 경우에 최소 제곱 SVM (LSSVM) 모형을 효율적으로 학습할 수 있는 방법을 제안한다. 본 프레임워크에서는 데이터 소유주가 민감하지 않은 정보와 민감한 정보 모두를 가지고 있고, 이를 기계학습 서비스 제공자에게 제공할 때에 민감 정보만 암호화해서 제공하는 것을 가정한다. 결과적으로 데이터 소유자는 민감 정보를 노출시키지 않으면서도 암호화된 상태로 모형의 학습 정보를 얻을 수 있다. 모형을 실제 활용할 경우에는 모든 정보를 암호화하여 안전하게 예측 결과를 제공할 수 있도록 한다. 실제 데이터에 대한 실험을 통해 본 알고리즘이 동형암호로 구현될 경우에 원래의 LSSVM 모형과 비슷한 성능을 가질 수 있음을 확인해 볼 수 있었다. 또한, 개선된 효율적인 알고리즘에 대한 실험은 적은 성능 저하로 큰 연산 효율성을 달성할 가능성을 입증하였다.

• 감성과학
• /
• 제24권1호
• /
• pp.91-104
• /
• 2021

본 연구에서는 승용차에서 사람들이 기기를 사용하기 위해 사용하는 기동어인 "Hi, KIA!"의 감성을 기계학습을 기반으로 분류가 가능한가에 대해 탐색하였다. 감성 분류를 위해 신남, 화남, 절망, 보통 총 4가지 감정별로 3가지 시나리오를 작성하여, 자동차 운전 상황에서 발생할 수 있는 12가지의 사용자 감정 시나리오를 제작하였다. 시각화 자료를 기반으로 총 9명의 대학생을 대상으로 녹음을 진행하였다. 수집된 녹음 파일의 전체 문장에서 기동어 부분만 별도로 추출하는 과정을 거쳐, 전체 문장 파일, 기동어 파일 총 두 개의 데이터 세트로 정리되었다. 음성 분석에서는 음향 특성을 추출하고 추출된 데이터를 svmRadial 방법을 이용하여 기계 학습 기반의 알고리즘을 제작해, 제작된 알고리즘의 감정 예측 정확성 및 가능성을 파악하였다. 9명의 참여자와 4개의 감정 카테고리를 통틀어 기동어의 정확성(60.19%: 22~81%)과 전체 문장의 정확성(41.51%)을 비교했다. 또한, 참여자 개별로 정확도와 민감도를 확인하였을 때, 성능을 보임을 확인하였으며, 각 사용자 별 기계 학습을 위해 선정된 피쳐들이 유사함을 확인하였다. 본 연구는 기동어만으로도 사용자의 감정 추출과 보이스 인터페이스 개발 시 기동어 감정 파악 기술이 잠재적으로 적용 가능한데 대한 실험적 증거를 제공할 수 있을 것으로 기대한다.