• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제61차 동계학술대회논문집 28권1호
• /
• pp.159-160
• /
• 2020

4차 산업 혁명을 통해 산업 현장에서 수많은 작업들이 로봇을 이용한 자동화로 대체되고 있는 가운데, 물류 산업에서는 아직도 물건이나 화물을 피킹하고, 분류하는 과정에서 많은 인력이 동원된다. 이러한 것을 극복하기 위해 해외의 다양한 회사들이 피킹/분류 작업의 자동화를 위해 많은 연구를 하고 있다. 피킹/분류 시스템은 인력을 사용하는 과정에서 많은 인건비가 발생하고, 무거운 물건을 옮기다가 허리를 다치거나 중장비 운행 중 사고로 인해 인명 피해가 발생하기도 한다. 이러한 문제점을 개선하기 위해 목적지 까지 라인 트레이서를 통해 이동하며, 원하는 물건을 적재 하도록 로봇 암을 적용한 '자동물류분류 시스템' 기술을 제안한다. 기존의 단순 반복 노동의 피킹/분류 작업을 수행하며, 자동으로 지정된 검은 라인을 따라 이동하고, 어플리케이션을 통해 선택된 물건을 찾아가 적재하는 시스템이며, 원격으로 수동 조작 또한 가능하다.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.256-263
• /
• 2022

피부암은 세계에서 가장 흔한 질병 중 하나로 국내에선 발병률이 지난 5년 동안 약 100%가 증가했고 미국에선 매년 500만여 명이 피부암을 진단받는다. 피부암은 주로 자외선의 노출로 피부 조직이 오랜 시간 손상되면서 발생하게 된다. 피부암의 악성종양인 흑색종은 피부 위에서 발생하는 멜라닌 세포 모반과 생김새가 유사해 2차 징후가 발생하지 않는 한 일반인이 자각하기 어려운 점이 있다. 본 논문에서는 이러한 피부암의 조기 발견과 분류를 위해 피부암 병변 윤곽선 검출 알고리즘과 피부암 병변 분류를 수행하는 딥러닝 모델인 CRNN을 제안한다. 실험 결과 본 논문에서 제안하는 윤곽선 검출 알고리즘을 이용할 시 분류 정확도가 97%로 가장 높은 정확도를 보였고 Canny 알고리즘의 경우 78%를 보였고 Sobel의 경우 55%, Laplacian의 경우 46%를 보였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권8호
• /
• pp.999-1009
• /
• 2004

최근 생물정보 기술이 암 진단의 새로운 방법으로 관심을 모으고 있다. 다양한 기계학습 기법이 적용되어 우수한 결과를 얻고 있지만 의학 분야에서는 정확률이 높은 분류기뿐만 아니라 획득된 분류규칙을 사람이 분석하고 이해할 수 있어야 한다. 생물정보 기술에서 많이 이용되는 유전자 발현 데이터는 데이타 내에 수천 내지 수만의 변수가 존재하며, 직접 이들 사이의 복잡한 관계를 표현하고 이해하는 것은 매우 어렵다. 본 논문에서는 이러한 어려움을 극복하기 위해 유전자 발현 데이타에서 분류에 유용한 특징들을 추출하고 산술 연산자 기반 유전자 프로그래밍으로 암 분류규칙을 생성하는 방법을 제안한다. 림프종 유전자 발현 데이타에 대하여 실험하여 96.6%의 인식률을 얻었으며, 획득된 분류 규칙을 분석하여 다양한 지식을 발견할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.469-472
• /
• 2004

여러 분류 문제에 다층퍼셉트론이 적용되어 좋은 성능을 보이고 있다. 하지만, 암 분류를 위한 분류기로 사용되는데 있어서 문제점은 샘플데이터 수에 비해 입력으로 사용되는 유전자의 수가 너무 많기 때문에 좋은 성능을 기대하기 힘들다는 점이다. 또한 많은 입력노드로 인해 가중치 파라메터들의 수가 증가하기 때문에 학습시에 계산량의 부담을 가중시킨다. 따라서 본 논문에서는 많은 유전자중에서 암분류에 중요한 영향을 끼치는 유전자를 선택하는 방법을 제안한다. 이러한 유전자 선택을 위하여 클래스의 정보를 나타내는 척도를 분석하고 이를 기반으로 하여 분류율을 향상시킬 수 있는 유전자를 선택하는 방법을 제안한다. 이렇게 선택된 유전자를 입력으로 하여 분류기를 구성하여, 제안하는 방법의 우수성을 검증한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권12호
• /
• pp.1229-1237
• /
• 2005

분류 성능을 향상시키기 위해서 다수의 분류기들을 결합하는 연구가 활발히 진행되고 있다. 우수한 앙상블 분류기를 회득하기 위해서는 정확하고 다양한 개별 분류기를 구축해야 한다. 기존에는 Bagging이나 Boosting 등의 앙상블 학습 기법을 이용하거나 획득된 개별 분류기의 학습 데이타에 대한 다양성을 측정하였지만 유전 발현 데이타와 같이 학습 데이타가 적은 경우 한계가 있다. 본 논문에서는 유전자 프로그래밍으로부터 획득된 규칙의 구조적 다양성을 분석하여 결합하는 앙상블 기법을 제안한다. 유전자 프로그래밍으로 해석 가능한 분류 규칙을 생성하고 그들 사이의 다양성을 측정한 뒤, 이들 중 다양한 규칙의 집합을 결합하여 분류를 수행한다. 유전 발현 데이타로부터 림프종 암, 폐 암, 난소 암 등을 분류하는 문제를 대상으로 실험하여 제안하는 방법의 유용성을 검증하였다. 앙상블 시 분류 규칙 사이의 다양성을 분석하여 결합한 결과, 다양성을 고려하지 않을 때보다 높은 분류 성능을 획득하였고, 개별 분류 규칙들 사이의 다양성에 따라서 정분류율이 증가하는 것도 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.202-204
• /
• 2004

앙상블은 다수의 분류기를 효과적으로 결합하여 분류의 성능을 향상시키는 대표적인 기술이다. 효과적인 앙상블을 위해서는 다양한 특성을 지닌 분류기를 확보하여야 한다. 기존의 앙상블은 개별 분류기의 결과를 바탕으로 분류기 사이의 의존성이나 유사성을 평가하여 분류기 결합을 시도하였다. 따라서 분류기 사이의 유사도의 정확한 측정에 한계를 지니고 있다. 본 연구에서는 이를 극복하기 위해서 다수의 산술연산자 기반 분류규칙을 유전자 프로그래밍을 이용하여 획득하고, 실제 표현형의 유사성을 측정한 후 이를 바탕으로 분류기를 결합한다. 생물정보학에서 많이 사용되는 유전자 데이터 중 하나인 림포마 암 데이터에 제안하는 방법을 적용하여 97% 수준의 높은 분류 성능과 해석 가능한 분류규칙을 획득하였다.

• 화약ㆍ발파
• /
• 제20권2호
• /
• pp.33-41
• /
• 2002

화약류를 사용하여 암반을 절취하는 작업현장에서의 발파공해는 항상 발생하고 있다. 특히 폭약의 폭발로 인해 발생하는 지반진동은 크고 작은 문제를 야기하고 있다. 일반적으로 발파현장에서 사용하고 있는 일반발파와 진동제어(미진동)발파에 대한 의미와 구분 및 시공에 대해 인식시키고자 그동안의 경험과 이론을 토대로 하여 연구하게 되었다. 본 연구에서는 일반발파와 진동제어발파를 구분하는 요소로 암분류 및 진동속도를 지발당장약량과 관계, 암분류에 따른 비장약량 및 발파공당 암절취량 그리고 천공경을 선정하여 고찰하였다. 이들 요소를 기준으로 일반발파와 진동제어발파의 경계가 되는 보안물건으로부터 거리 산출방법에 대해서 연구하였다. 일반발파나 진동제어발파 모두 보안물건에는 한계 진동속도 이내의 진동이 전달되어야 하며, 그 경계가 되는 발파공당 절취암량은 연암의 경우 약$16.67m^3$, 보통암의 경우 약$12.5m^3$, 경암의 경우 약 $10m^3$을 기준으로 하는 것이 바람직하고, 그 경계가 되는 보안물건으로부터 거리는 일정하게 정해진 것이 아니므로 현장에서 대상암반에 대해 시험발파를 실시하여 암분류, 비장약량, 지발당장약량, 한계 진동속도를 기준으로 결정하는 것이 바람직하다. 진동제어(미진동)발파구간내에서 발파설계단가는 일률적이 아닌 약2~3구간으로 분할하여 산출해야한다.

• 대한음성언어의학회:학술대회논문집
• /
• 대한음성언어의학회 2003년도 제19회 학술대회
• /
• pp.149-149
• /
• 2003

후두질환 감별용 음성 분석방법인 multi-dimensional voice program (MDVP)으로 분석이 불가능할 정도로 주기성이 크게 훼손된 후두암 말기의 음성 에 대하여 효과적인 감별을 하기 위하여, 몇 가지 켑스트럼(cepstrum) 파라미터를 비롯하여, 주기성 및 그 동요 정도, 영교차율(zero-crossing rate, ZCR), 스텍트럼 중심 (spectral centroid, SC) 등 다양한 특징 파라미터를 이용한 감별 실험을 수행하였다. 후두암 감별 실험을 위해 부산대학교 병원 이비인후과에서 수집한 정상 남자 음성 데이터 50개, 양성 후두질환 남자 음성 데이터 50개 및 남성 후두암 환자 음성 데이터 105개를 사용하였다. 음성 데이터는 단모음 /아/ 발성만을 사용하였고, 정상인과 양성후두질환 환자, 그리고 MDVP 분석이 가능한 후두암 환자 음성 데이터 중 2/3는 학습에, 나머지 113은 감별실험에 사용하였다. 후두암 감별을 위한 분류기로는 Gaussian Mixture Model(GMM) 분류기를 사용하였으며, 이때 모델의 복잡도를 표현하는 mixture 수는 1에서 10까지 가변시키면서 가장 좋은 성능을 나타내는 값으로 결정하였다. 또한 모든 실험에서 켑스트럼 분석의 차수는 동일하게 12차로 고정시켰다. (중략)

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.724-726
• /
• 2004

DNA 마이크로어레이 기술의 발전은 암의 조기 발견 및 예후 예측을 가능하게 해주었으며, 이와 관련된 많은 연구가 진행 중이다. 마이크로어레이 데이터의 분류에서 관련 유전자들의 선택은 필수적이며, 유전자 선택방법은 분류기와 짝을 이루어 특징-분류기를 형성한다. 이제까지 여러 가지 특징-분류기를 사용하여 마이크로어레이 데이터를 분류해 왔지만, 알고리즘의 한계와 데이터의 결함 등으로 인하여 최적의 특징-분류기를 찾기 어려웠다. 따라서 앙상블 분류기를 이용하여 높은 분류성능을 얻는 방법이 시도되어왔으며. 최적의 것을 찾기 위하여 유전자 알고리즘이 사용되기도 했다. 본 논문에서는 이를 발전시켜 다양한 최적의 앙상블을 생성하기 위해 종분화 방법을 사용한다. 림프종 암 데이터에 대하여 leave-one-out cross-validation을 적용한 결과, 제안한 방법으로 다양한 최적해를 탐색하는 것을 확인할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제4권2호
• /
• pp.108-115
• /
• 2001

본 연구에서는 RGB칼라영상에서 세 칼라 객체의 색상에 따라 정량적으로 분류하기 위하여 ML(Maximum Likelihood) 분류법 을 개선 시도하여 보았다. RGB 칼라 영상이라 하면 빨강, 초록, 파랑의 세 밴드로 이루어진다. 스펙트룸과 공간상의 요소를 고려한다면 3차원적인 구조를 갖게 된다. 이러한 3차원 구조의 voxel를 RGB cube에 투사하여 이로부터 ML분류법의 개선 방법론을 적용하여 보았다. 전례적으로 쉽게 사용되어지는 Box 분류법과 비교 검토하여 보았으며 Bayesian decision 이론을 기반으로한 통계학적인 ML 분류법을 사용하였다. 유방암 항체조직영상에 이 방법론을 응용하며 양성 세포핵 음성 세포핵 그리고 배경을 분류하는데 좋은 결과를 얻어 임상에서 유방암 환자의 예후 및 진단에 사용할 수 있도록 연구하였다.