• The Transactions of the Korea Information Processing Society
• /
• v.6 no.7
• /
• pp.1849-1857
• /
• 1999

We proposed the RPA (Recursive Partition Averaging) method in order to improve the storage requirement and classification rate of the Memory Based Reasoning. This algorithm recursively partitions the pattern space until each hyperrectangle contains only those patterns of the same class, then it computes the average values of patterns in each hyperrectangle to extract a representative. Also we have used the mutual information between the features and classes as weights for features to improve the classification performance. The proposed algorithm used 30~90% of memory space that is needed in the k-NN (k-Nearest Neighbors) classifier, and showed a comparable classification performance to the k-NN. Also, by reducing the number of stored patterns, it showed an excellent result in terms of classification time when we compare it to the k-NN.

• The Transactions of the Korea Information Processing Society
• /
• v.6 no.12
• /
• pp.3523-3529
• /
• 1999

In this paper, we propose an improved regression testing method, which use method as the basic unit of changing. The testing method consists of three steps. We represent the relationship of classes using the notation of UML(Unified Modeling Language), find the nodes of the modified methods and affected methods by node analysis, and then select changed test cases from the original test cases. The proposed object-oriented regression testing method can reduce the number of test cases, testing time and cost through reuse of test cases.

• Journal of radiological science and technology
• /
• v.30 no.4
• /
• pp.419-426
• /
• 2007

In this paper, the input pattern vectors are extracted and the learning algorithms is designed to recognize taste(bitter, sweet, sour and salty) pattern vectors. The signal intensity of taste are used to compose the input pattern vectors. The SOM(Self Organizing Maps) algorithm for taste pattern recognition is used to learn initial reference vectors and the ot-star learning algorithm is used to determine the class of the output neurons of the sunclass layer. The weights of the proposed algorithm which is between the input layer and the subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ(Learning Vector Quantization) algorithm. The pattern vectors are classified into subclasses by neurons in the subclass layer, and the weights between subclass layer and output layer are learned to classify the classified subclass, which is enclosed a class. To classify the pattern vectors, the proposed algorithm is simulated with ones of the conventional LVQ, and it is confirmed that the proposed learning method is more successful classification than the conventional LVQ.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.15 no.8
• /
• pp.5280-5287
• /
• 2014

This paper proposes a method in which classes are grouped as a hierarchical tree structure for the effective classification of the Raman spectra. As experimental data, the Raman spectra of 28 chemical compounds were obtained, and pre-treated with noise removal and normalization. The spectra that induced a classification error were grouped into the same class and the hierarchical structure class was composed. Each high and low class was classified using a PCA-MAP method. According to the experimental results, the classification of 100% was achieved with 2.7 features on average when the proposed method was applied. Considering that the same classification rates were achieved with 6 features using the conventional method, the proposed method was found to be much better than the conventional one in terms of the total computational complexity and practical application.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.5 s.43
• /
• pp.95-103
• /
• 2006

In this paper, the input pattern vectors are extracted and the learning algorithms is designed to recognize EEG pattern vectors. The frequency and amplitude of alpha rhythms and beta rhythms are used to compose the input pattern vectors. And the algorithm for EEG pattern recognition is used SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of the subclass layer. The weights of the proposed algorithm which is between the input layer and the subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ algorithm, and pattern vectors is classified into subclasses by neurons which is being in the subclass layer, and the weights between subclass layer and output layer is learned to classify the classified subclass, which is enclosed a class. To classify the pattern vectors of EEG, the proposed algorithm is simulated with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional LVQ.

• Journal of the Korea Convergence Society
• /
• v.12 no.3
• /
• pp.17-25
• /
• 2021

When a person wears clothing, it is important to configure an outfit appropriate to the intended occasion. Therefore, T.P.O(Time, Place, Occasion) of the outfit is considered in various fashion recommendation systems based on artificial intelligence. However, there are few studies that directly infer the T.P.O from outfit images, as the nature of the problem causes multi-label and class imbalance problems, which makes model training challenging. Therefore, in this study, we propose a model that can infer the T.P.O of outfit images by employing a label-distribution-aware margin(LDAM) loss function. Datasets for the model training and evaluation were collected from fashion shopping malls. As a result of measuring performance, it was confirmed that the proposed model showed balanced performance in all T.P.O classes compared to baselines.

• Annual Conference of KIPS
• /
• 2006.05a
• /
• pp.979-982
• /
• 2006

암호 API 및 PKI 클래스를 토대로 하는 PKI 시스템의 개발은 암호 알고리즘을 활용한 보안 서비스의 중요한 위치를 차지하고 있으며, 현재 네트워크 기반의 각종 서비스에서 강력한 보안 기능을 제공하는 부분으로, 각종 보안 서비스의 제공을 위해서 가장 먼저 구축되어야 할 부분이다. 본 논문에서는 자바 암호 API 및 PKI 관련 클래스를 바탕으로 사용자 인증(User Authentication), 인가(Authorization), 부인-방지(Non-Requdation), 전자서명(Electronic Signature) 등의 보안 서비스를 제공할 수 있는 X.509 전자인증서를 발행하는 PKI 시스템을 연구하였으며, 향후 각종 보안 서비스의 제공에 있어서 중요한 위치를 차지할 수 있을 것이다. 또한, 자바 기반의 PKI 시스템은 이식성이 매우 높으며, 개별 서비스에 대한 모듈 형식으로 구성되어 있어, 그 활용의 범위가 고정되지 않고 다양한 시스템 및 서비스에 적용할 수 있는 장점을 가지고 있다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2005.05a
• /
• pp.287-291
• /
• 2005

LiDAR 자료로부터 3차원 공간 정보체계를 구축하기 위하여 LiDAR 포인트를 지면과 비지면 포인트로 분리하고 비지면 포인트를 각각의 개체(건물, 수목, 기타 인공 구조물 등)별로 분리하는 과정이 필수적이다. 그러나 LiDAR 자료는 불규칙한 분포의, 방대한 양의 포인트로 구성되어 있어 이를 처리하기 위한 특별한 형태의 자료 구조 체계의 구축이 필요하다. 본 연구에서는 유사한 고도를 갖는 인접한 포인트들로 클래스를 형성하여, 새로운 포인트에 대하여 기존 클래스 포인트들과의 인접성 및 고도 유사성을 검토함으로써 분류를 수행하였다. 이를 위하여 원 LiDAR 자료 구조를 이용하였으며 결과적으로 지면과 비지면의 분리 및 각 비지면 개체간의 분리를 동시에 수행할 수 있었다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.837-840
• /
• 2000

동영상에서 움직이는 객체 분할 및 모션 예측을 동시에 수행할 수 있는 연구는 다양한 방법으로 시도 되어 왔다. 실제 이미지를 서로 다른 움직임이나 서로 다른 공간적인 특정 영역으로 분리 될 수 있다고 가정 한다면 복수의 객체 또는 객체의 움직임으로 표현 할 수 있다. 객체 분할 측면에서 볼 때 효율적인 분할을 위해서는 특징 입력 벡터의 선택이 중요한 변수로 작용한다. 본 연구에서는 정밀한 객체 분할을 위해 밝기, 질감(Texture) 정보와 같은 정지영상의 특징 입력 벡터와 움직임 벡터 같은 동영상의 특징 입력 벡터를 동시에 사용한다. 분리된 객체는 각각의 클래스를 구성하게 되고 이를 위한 클래스 분류기로서 Median Radial Basis 신경 회로망을 사용한다. 객체 분할과 움직임 예측을 위해서 확률적 방법을 통한 에너지 함수를 구하고 비용함수를 도입한다. 신경 회로망의 각 Basis 함수는 영상의 특정한 영역에서 활성화되며 객체의 분류를 위해 신경 회로망 출력으로 가중치의 합으로서 나타나게 된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10c
• /
• pp.310-312
• /
• 2003

망 운용에 있어서 망 관리 시스템은 다양한 네트워크 장비의 증가로 인하여 점점 더 중요한 위치를 차지하고 있다. 과거 망을 구성하는 요소는 네트워크 장비로 국한되었지만 현재는 서비스를 지원하는 데몬(Daemon) 등 장비 외적인 요소까지 속하게 되어 더욱 복잡해 지고 있다. 기존의 망 관리 시스템은 SNMP(Simple Network Management Protocol)나ICMP(Internet Control Message Protocol) 프로토콜을 사용하였으나 이 기술만으로는 데몬과 같은 장비 외적인 요소들까지 제어, 관리하지 못했다. 반면. TELNET등과 같은 기능을 추가적으로 이용할 수 있다면. 보다 쉽게 망 정보를 얻을 수 있는 장점이 있어 기존의 망 관리 시스템에서 지원하지 못했던 기능의 한계점을 극복할 수 있다. 이에 본 논문은 객체지향기술(OOT : Object­Oriented Technology)을 도입하였다. 클래스(Class)는 고유한 특성을 가지는 관리 대상 종류를 선언한 것이고. 관리 대상은 네트워크 장비 뿐만 아니라 데몬이나 지역, 부서등과 같은 추상적인 대상이 포함되며 이는 객체(Object)를 의미한다. 또한. 상속(Inheritance) 개념을 도입하여 중복요소를 없앴으며, 클래스의 메소드(Method)에 관리 대상을 처리할 수 있는 기능을 정의하였다. 기능 정의에는 SNMP와 TELNET. ICMP등을 내부적으로 이용하여 구현된 스크립트(Script)를 이용하였다.