• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권11호
• /
• pp.936-946
• /
• 2009

그래프 컷(graph cuts) 방법은 주어진 사전정보와 각 픽셀간의 유사도를 나타내는 데이터 항(data term)과 이웃하는 픽셀간의 유사도를 나타내는 스무드 항(smoothness term)으로 구성된 에너지 함수를 전역적으로 최소화하는 방법으로, 최근 영상 분할에 많이 이용되고 있다. 기존 그래프 컷 기반의 영상 분할 방법에서 데이터 항을 설정하기 위해 GMM(Gaussian mixture model)을 주로 이용하였으며, 평균과 공분산을 각 클래스를 위한 사전정보로 이용하였다. 이 때문에 클래스의 모양이 초구(hyper-sphere) 또는 초타원(hyper-ellipsoid)일 때만 좋은 성능을 보이는 단점이 있다. 다양한 클래스의 모양에서 좋은 성능을 보이기 위해, 본 논문에서는 mean shift 분석 방법을 이용한 그래프 컷 기반의 자동 영상분할 방법을 제안한다. 데이터 항을 설정하기 위해 $L^*u^*{\upsilon}^*$ 색상공간에서 임의로 선택된 초기 mean으로부터 밀도가 높은 지역인 모드(mode)로 이동하는 mean의 집합들을 사전정보로 이용한다. Mean shift 분석 방법은 군집화에서 좋은 성능을 보이지만, 오랜 수행시간이 소요되는 단점이 있다. 이를 해결하기 위해 특징공간을 3차원 격자로 변형하였으며, mean의 이동은 격자에서 모든 픽셀이 아닌 3차원 윈도우내의 1차원 모멘트(moment)를 이용한다. 실험에서 GMM을 이용한 그래프 컷 기반의 영상분할 방법과 최근 많이 이용되고 있는 mean shift와 normalized cut기반의 영상분할 방법을 제안된 방법과 비교하였으며, Berkeley dataset을 기반으로 앞의 세 가지 방법보다 좋은 성능을 보였다.

• 정보보호학회논문지
• /
• 제26권2호
• /
• pp.301-314
• /
• 2016

Juels와 Sudan의 퍼지 볼트 기법은 기법이 갖는 오류 내성 때문에 많은 연구에 사용 되어오고 있다. 그러나 이들의 퍼지 볼트 기법은 그들의 논문에서 영화 애호가 문제를 예를 들었음에도 불구하고, 사람들이 일반적으로 갖는 선호도(preference)의 차이에 대한 고려가 존재하지 않는다. 한편, Nyang과 Lee는 안전하고 성능이 좋은 얼굴인증 시스템을 만들기 위해서, 얼굴 특징이 서로 다른 가중치를 갖도록 얼굴 특징과 퍼지 볼트(vault) 사이에 특별한 연관 구조를 갖는 얼굴 인증 시스템(이른바, 퍼지 얼굴 볼트)을 소개하였다. 그러나 그들의 기법은 일반적인 특징 추출 기법들이 클래스 내부/간 차이를 최적화하려는 특성이 있기 때문에 인증 실패율을 성공적으로 낮추지 못할 것으로 쉽게 예상할 수 있다. 이 논문에서는 퍼지 볼트의 유연성을 제공해주기 위하여 Nyang과 Lee의 퍼지 볼트기반의 얼굴 인증 시스템에서 가중치 아이디어를 다른 방식으로 구현한 버킷(bucket) 구조와 사용자 선호도와 시스템 구현 간 관계를 공식화하는 세 가지 분포 함수에 대해서 소개한다. 또한 이를 바탕으로 선호도 매치메이커(preference matchmaker) 기법을 제안하며, 영화 데이터베이스를 이용하여 이러한 매치메이커의 연산 성능을 확인해본다.

• 방송공학회논문지
• /
• 제12권2호
• /
• pp.80-92
• /
• 2007

방송과 통신의 대표적 융합서비스인 IPTV 서비스는 네트워크 상에서 QoS 보장, 멀티캐스팅 효율성, 높은 대역폭이 요구된다. 전형적인 TDM 중심의 메트로 전송 네트워크는 안정적이고 복구가 가능한 방식으로 고정된 음성 트래픽을 전송할 수 있게끔 설계되었기 때문에 폭주 특성을 지니는 데이타 트래픽을 수용하기에는 병목현상과 대역폭 낭비의 단점이 있다. 그리고 고급 하이엔드 서비스와 Best Effort의 로우엔드 서비스를 분별하지 못하여 전송 네트워크에서는 모든 데이타를 동일하게 취급을 한다. 이러한 폭주 트래픽의 증가와 QoS를 근본적으로 해결하기 위해서는 무엇보다도 새로운 전송 네트워크 설계가 절실히 요구된다. 논문에서는 TDM 중심의 메트로 전송 네트워크를 패킷 중심의 전송 네트워크로 변화 방법을 제시하고 또한 패킷 중심의 전송 네트워크의 장점과 실효성도 함께 제시한다. 그리고 패킷 중심의 전송 네트워크인 Packet Transport System 방법에 관한 기술요소와 특징들에 대해서도 함께 제시한다. 연구결과 패킷 중심의 전송 네트워크인 Packet Transport System은 기존의 TDM 특성을 수용할 뿐 아니라 QoS, 멀티캐스트, 높은 대역폭의 수용으로 효과적인 대역폭 운용과 안정적인 패킷 전송성능을 가지고 있으며, 또한 광 경로 상의 장애 발생 시 트래픽의 생존성 확보를 위한 보호 메커니즘을 고려한 알고리즘을 통해서 각 서비스 클래스별 차등화된 QoS를 보장할 수 있다.

• Journal of Preventive Medicine and Public Health
• /
• 제43권6호
• /
• pp.479-485
• /
• 2010

Objectives: The Korean Genome and Epidemiology Study (KoGES), a multicenter-based multi-cohort study, has collected information on body composition using two different bioelectrical impedence analysis (BIA) machines. The aim of the study was to evaluate the possibility of whether the test values measured from different BIA machines can be integrated through statistical adjustment algorithm under excellent inter-rater reliability. Methods: We selected two centers to measure inter-rater reliability of the two BIA machines. We set up the two machines side by side and measured subjects' body compositions between October and December 2007. Duplicated test values of 848 subjects were collected. Pearson and intra-class correlation coefficients for inter-rater reliability were estimated using results from the two machines. To detect the feasibility for data integration, we constructed statistical compensation models using linear regression models with residual analysis and R-square values. Results: All correlation coefficients indicated excellent reliability except mineral mass. However, models using only duplicated body composition values for data integration were not feasible due to relatively low $R^2$ values of 0.8 for mineral mass and target weight. To integrate body composition data, models adjusted for four empirical variables that were age, sex, weight and height were most ideal (all $R^2$ > 0.9). Conclusions: The test values measured with the two BIA machines in the KoGES have excellent reliability for the nine body composition values. Based on reliability, values can be integrated through algorithmic statistical adjustment using regression equations that includes age, sex, weight, and height.

• 전기학회논문지
• /
• 제67권1호
• /
• pp.114-123
• /
• 2018

This paper concerns a design and learning method of softmax function neural networks based on K-means clustering. The partial discharge data Information is preliminarily processed through simulation using an Epoxy Mica Coupling sensor and an internal Phase Resolved Partial Discharge Analysis algorithm. The obtained information is processed according to the characteristics of the pattern using a Motor Insulation Monitoring System program. At this time, the processed data are total 4 types that void discharge, corona discharge, surface discharge and slot discharge. The partial discharge data with high dimensional input variables are secondarily processed by principal component analysis method and reduced with keeping the characteristics of pattern as low dimensional input variables. And therefore, the pattern classifier processing speed exhibits improved effects. In addition, in the process of extracting the partial discharge data through the MIMS program, the magnitude of amplitude is divided into the maximum value and the average value, and two pattern characteristics are set and compared and analyzed. In the first half of the proposed partial discharge pattern classifier, the input and hidden layers are classified by using the K-means clustering method and the output of the hidden layer is obtained. In the latter part, the cross entropy error function is used for parameter learning between the hidden layer and the output layer. The final output layer is output as a normalized probability value between 0 and 1 using the softmax function. The advantage of using the softmax function is that it allows access and application of multiple class problems and stochastic interpretation. First of all, there is an advantage that one output value affects the remaining output value and its accompanying learning is accelerated. Also, to solve the overfitting problem, L2-normalization is applied. To prove the superiority of the proposed pattern classifier, we compare and analyze the classification rate with conventional radial basis function neural networks.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.572-587
• /
• 2008

SOFM(Self-organizing Feature Map)은 고차원의 데이타를 군집화(clustering)하거나 시각화(visualization)하기 위해 많이 사용되고 있는 비교사 학습 신경망(unsupervised neural network)의 한 종류이며, 컴퓨터비전이나 패턴인식 분야에서 다양하게 활용되고 있다. 최근 SOFM이 실제 응용분야에 다양하게 활용되고 좋은 결과를 보이고 있지만, 학습된 SOFM의 뉴론(neuron)을 다시 군집화해야 하는 후처리가 필요하며, 대부분의 경우 수동으로 이루어지고 있다. 후처리를 자동으로 하기 위해 k-means와 같은 기존의 군집화 알고리즘을 많이 이용하지만, 이 방법은 특히 다양한 모양의 클래스를 가진 고차원의 데이타에서 만족스럽지 못한 결과를 보인다. 다양한 모양의 클래스에서 좋은 성능을 보이기 위해, 본 논문에서는 그래프 컷(graph cut)을 이용하여 학습된 SOFM을 자동으로 군집화하는 방법을 제안한다. 그래프 컷을 이용할 때 터미널(terminal)이라는 두 개의 추가적인 정점(vertex)이 필요하며, 터미널과 각 정점 사이의 가중치는 대부분 사용자에 의해 입력받은 사전정보를 기반으로 설정된다. 제안된 방법은 SOFM의 거리 매트릭스(distance matrix)를 기반으로 한 모드 탐색(mode-seeking)과 모드의 군집화를 통하여 자동으로 사전정보를 설정하며, 학습된 SOFM의 군집화를 자동으로 수행한다. 실험에서 효율성을 검증하기 위해 제안된 방법을 텍스처 분할(texture segmentation)에 적용하였다. 실험 결과에서 제안된 방법은 기존의 군집화 알고리즘을 이용한 방법보다 높은 정확도를 보였으며, 이는 그래프기반의 군집화를 통해 다양한 모양의 클러스터를 처리할 수 있기 때문이다.

• 보존과학회지
• /
• 제36권2호
• /
• pp.73-81
• /
• 2020

초분광 이미지 분석은 석조문화재 손상지도 제작 시 화학적·생물학적 오염의 정량적인 면적산출이 어려운 단점을 보완하기 위해 제안되었다. 이 연구에서는 다양한 표면오염물이 나타나는 경주굴불사지 석조사면불상을 대상으로 초분광 이미지 분석을 수행하였다. 이때 화학적·생물학적 오염은 색상과 형태에 따라 10가지 범주로 구분하였고 범주의 참조 이미지 제작법을 제시하였다. 또한 오염물을 분류하기 위해 SAM 알고리듬을 사용하고 관심영역을 사용한 분류방법(Method A)과 영상에서 추출한 분광정보를 라이브러리로 구축하여 분류하는 방법(Method B)을 적용하였다. 분류된 이미지를 참조 이미지와 비교한 결과, 정확도는 분류 방법에 따라 52.07%와 63.61%, Kappa 지수는 0.43과 0.55로 산출되었고, 분류시 오분류 화소는 동일한 계열의 오염에 분포하는 경향을 보인다.

• 한국정보처리학회논문지
• /
• 제5권6호
• /
• pp.1610-1619
• /
• 1998

매우 버스티한 특성을 갖는 데이터 트래픽을 지원하는 ABR (Available Bit Rate) 서비스 클래스는 피드백을 이용하여 트래픽을 제어한다. 이에 관한 연구는 점-대-점 연결에 적용하기 위한 것으로 시작되어 최근에는 멀티캐스트 서비스를 요구하는 트래픽 전송이 증가함에 따라 점-대-다중점에 적용하는 연구로 확장되고 있다. 그런데 피드백에 의하여 트래픽을 제어하는 경우 전파지연이 클수록 제어의 효율성이 떨어지게 된다. 특히 멀티캐스트의 경우에는 원거리 수신원은 근거리 수신원에 비하여 피드백의 적시성이 더 떨어져 경로 상황 및 수신원 능력이 동일함에도 불구하고 더 낮은 서비스를 받는 불공정성이 발생할 수 있다. 따라서 멀티캐스트의 경우에는 전파지연으로 인한 피드백 부적시성을 수정하는 것이 더 중요하다. 본 논문은 EPRCA (Enhanced Proportional Rate Control Algorithm)에 의하여 ABR 멀티캐스트 트래픽을 제어하는 스위치들이 자신의 능력이 허용하는 경우 동적인 셀 스케줄링을 이용하여 하단의 폭주에 일시적으로 반응하는 방식을 제안함으로써 원거리 수신원에 대한 제어를 효율적으로 해 줄 수 있는 스위치 동작에 대하여 살펴보았다. 제안한 스위치는 VC (Vitrual Circuit)마다 피드백되는 역방향 RM (Resource Management) 셀에 의하여 동적인 셀 스케줄링을 하므로VC마다 버퍼를 두는 구현상의 복잡성이 있으며, 버퍼 점유율이 높아지는 오버헤드가 있다. 시뮬레이션을 통하여 제안한 스위치 동작을 멀티캐스트 연결에 적용하여 본 결과원거리와 근거리 모든 수신원에서의 셀 손실율이 낮아질 뿐 아니라 두 수신원간의 셀 손실율의 차를 감소시킬 수 있음을 볼 수 있었다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.131-140
• /
• 2020

머신러닝을 이용한 분류 모델 훈련에서 학습자료의 양과 질은 학습한 모델의 성능을 좌우하므로 학습자료 생성이 매우 중요한 역할을 한다. 그러나 자료 생성에 높은 비용이 들어 이상적인 학습자료 생성이 어려울 때에는 클래스 간 자료 불균형 문제가 발생한다. 만약 학습자료로 사용될 탐사자료가 클래스 간 불균형하게 얻어지면, 클래스 별로 균형있는 학습이 이루어지기 힘들다. 따라서 데이터가 상대적으로 적은 클래스는 재현율이 현저히 떨어지게 된다. 그 뿐만 아니라 정확도와 정밀도 등의 평가지표들에 대한 신뢰도가 떨어지게 된다. 따라서 이 연구에서는 두 단계에 걸쳐 자료 불균형 문제를 해소하고자 하였다. 첫 번째로 기존의 정확도와 정밀도를 개선하여 자료 불균형을 고려할 수 있는 새로운 평가지표로 가중정확도와 가중정밀도를 고안하였다. 다음으로 클래스 간의 가중정밀도와 재현율의 균형을 맞추어 주도록 오버샘플링을 수행하였다. 개발한 알고리듬을 물리검층 자료를 이용한 암상 및 공극유체 규명 문제에 적용함으로써 검증하였다. 그 결과 다수 클래스와 소수 클래스들 간의 불균형이 상당 부분 완화되었고, 클래스 간의 경계를 보다 명확하게 확인할 수 있었다.

• 컴퓨터교육학회논문지
• /
• 제23권4호
• /
• pp.23-33
• /
• 2020

온라인 저지는 학습자가 제출한 소스의 컴파일과 실행, 문제 해결 여부에 대한 즉각적인 교정적 피드백을 제공하며 평가의 정확성과 신뢰성을 확보할 수 있지만, 대부분의 온라인 저지가 텍스트형 언어 만을 제공하고 있어 학습자의 수준에 따른 언어 선택이 어렵다. 본 연구에서는 온라인 저지용 블록형 언어를 개발하여 고등학교 수업에 적용하고, 블록형 언어 집단과 텍스트형 언어 집단 간 자기효능감의 차이를 확인하였다. 검정 결과, 블록형 언어 집단은 텍스트형 언어 집단 보다 '혐오경험극복 능력기대'가 더 높았고, 텍스트형 언어 집단은 사전-사후 검사에서 '활동시작 능력기대'와 '활동지속 능력기대'가 유의하게 감소된 것을 확인하였다. 이는 블록형 언어의 경우 차후 프로그래밍 활동에 대한 효능감에 효과가 있으며, 텍스트형 언어는 활동의 시작 단계와 진행 단계에서 학생의 자기효능감이 저하되지 않도록 하는 교수·학습 및 평가 방법을 강구해야 한다는 점을 함의한다. 본 연구는 고교 프로그래밍 수업에서 블록형 언어와 텍스트형 언어의 적용과 관련하여 자기 효능감 증진을 위한 교수·학습 설계의 기초를 제공한다는 점에서 의미가 있다.