• 대한기계학회논문집B
• /
• 제20권12호
• /
• pp.3926-3937
• /
• 1996

In recent years there has been increased interest in the continuum model associated with the solidification of binary mixtures. A review of the literature, however, shows that the model verification was not sufficient or only qualitative. Present work is conducted for the reassessment of continuum model on the solidification problems of binary mixtures widely used for model validation. In spite of using the same continuum model, the results do not agree well with those of Incropera and co-workers which are benchmark problems typically used for validation of binary mixture solidification. Inferring from the agreement of present results with the analytic, experimental and other model's numerical results, this discrepancy seems to be caused by numerical errors in applying continuum model developed by Incropera and co-workers, not by the model itself. Careful examination should be preceded before selecting validation problems.

• International Journal of Advanced Culture Technology
• /
• 제10권1호
• /
• pp.236-241
• /
• 2022

We consider methods of estimating a binary regression function using a nonparametric kernel estimation when there is only one covariate. For this, the Nadaraya-Watson estimation method using single and double bandwidths are used. For choosing a proper smoothing amount, the cross-validation and plug-in methods are compared. In the real data analysis for case study, German credit data and heart disease data are used. We examine whether the nonparametric estimation for binary regression function is successful with the smoothing parameter using the above two approaches, and the performance is compared.

• Journal of Platform Technology
• /
• 제10권4호
• /
• pp.11-24
• /
• 2022

항공기 소프트웨어를 개발하는 도구는 도구에서 생성된 결과물에 오류가 있으면 항공기 소프트웨어에 에러를 유입할 수 있기 때문에 항공기 소프트웨어와 동일한 수준의 안전성이 요구된다. 본 논문은 한화시스템의 A661UAGEN 도구를 통해 ARINC 661 표준 UA 정의 파일과 CDS 설정 파일을 생성 시에 도구의 입력과 출력 파일에 대한 유효성 확인을 통해 항공기 소프트웨어의 일부가 되는 도구 산출물의 신뢰성을 확보하는 방법에 대해 기술한다. A661UAGEN 도구의 입력인 XML 파일에 대한 스키마 정의를 통해서 XML 데이터의 구조와 내용이 유효한지를 확인하는 방법을 제시하였다. 그리고 출력인 바이너리 데이터는 자료 구조의 유효 값에 대한 마스크 데이터를 생성하여 유효성을 확인하는 방법을 제시하였다. 이와 같이 A661UAGEN 도구의 입력과 출력에 대한 유효성 확인을 통해 항공기 소프트웨어에 통합되는 바이너리 DF와 CF의 신뢰성을 향상시켜 항공기 소프트웨어 개발자가 도구를 활용하여 OFP를 개발 시에 안전성을 보장할 수 있도록 하였다.

• 한국지능시스템학회논문지
• /
• 제23권2호
• /
• pp.166-171
• /
• 2013

The method proposed in this paper can improve the performance of the Boosting algorithm in machine learning. The proposed Boundary AdaBoost algorithm can make up for the weak points of Normal binary classifier using threshold boundary concepts. The new proposed boundary can be located near the threshold of the binary classifier. The proposed algorithm improves classification in areas where Normal binary classifier is weak. Thus, the optimal boundary final classifier can decrease error rates classified with more reasonable features. Finally, this paper derives the new algorithm's optimal solution, and it demonstrates how classifier accuracy can be improved using the proposed Boundary AdaBoost in a simulation experiment of pedestrian detection using 10-fold cross validation.

• Communications for Statistical Applications and Methods
• /
• 제13권1호
• /
• pp.151-165
• /
• 2006

It is important to estimate the true misclassification rate of a given classifier when an independent set of test data is not available. Cross-validation and bootstrap are two possible approaches in this case. In related literature bootstrap estimators of the true misclassification rate were asserted to have better performance for small samples than cross-validation estimators. We compare the two estimators empirically when the classification rule is so adaptive to training data that its apparent misclassification rate is close to zero. We confirm that bootstrap estimators have better performance for small samples because of small variance, and we have found a new fact that their bias tends to be significant even for moderate to large samples, in which case cross-validation estimators have better performance with less computation.

• Journal of the Korean Data and Information Science Society
• /
• 제26권6호
• /
• pp.1557-1563
• /
• 2015

Multiclass classification is typically performed using the voting scheme method based on combining binary classifications. In this paper we propose multiclass classification method for large data, which can be regarded as the revised one-vs-all method. The multiclass classification is performed by using the hat matrix of least squares support vector machine (LS-SVM) ensemble, which is obtained by aggregating individual LS-SVM trained on each subset of whole large data. The cross validation function is defined to select the optimal values of hyperparameters which affect the performance of multiclass LS-SVM proposed. We obtain the generalized cross validation function to reduce computational burden of cross validation function. Experimental results are then presented which indicate the performance of the proposed method.

• 한국통신학회논문지
• /
• 제28권5C호
• /
• pp.514-522
• /
• 2003

본 논문에서는 다수의 특징과 이진 분류 트리를 이용하여 장면 전환점(shot change)을 검출하는 향상된 방식을 제안한다. 기존의 장면 전환점 검출 방식에서는 인접한 프레임간에 단일 특징과 고정된 임계값을 주로 사용하였다. 하지만, 비디오 시퀀스 내의 장면 전환점에서는 인접한 프레임간의 내용(content)인 컬러, 모양, 배경 혹은 질감 등이 동시에 변화한다. 따라서 본 논문에서는 단일 특징보다는 상호 보완 관계를 갖는 다수의 특징을 이용하여 장면 전환점을 효율적으로 검출한다. 그리고 장면 전환점의 분류를 위해서는 이진 분류 트리(binary classification tree)를 이용한다. 이 분류 결과에 따라 장면 전환점 검출에 사용될 중요한 특징들을 선별하고, 각 특징들의 최적 임계값을 구한다. 또한, 분류 성능을 확인하기 위해 교차검증(cross-validation)과 드롭 케이스(drop-case)를 수행하였다. 실험 결과, 제안된 기법이 단일 특징들만을 사용한 기존의 방법들 보다 El(Evaluated Index, 성능평가지수)에서 평균 2%의 성능이 향상됨을 알 수 있었다.

• 한국지리정보학회지
• /
• 제21권1호
• /
• pp.83-95
• /
• 2018

최근 조선 산업의 기술이 발전함에 따라 선박의 크기 및 성능이 향상되었다. 이에 따라 한 번의 선박 간 충돌로 인한 좌초 등의 사고가 대형 해난사고를 초래할 수 있게 되었다. 이러한 심각성을 고려하여 국제 사회에서는 해사안전 향상을 위해 지속적으로 전자해도 기준을 업데이트하고 있다. 국제수로기구(IHO)에서 관리하는 기존의 전자해도 관련 표준은 S-57로, S-57 안에는 기존 이진(Binary) 형태의 전자해도 데이터를 제작하기 위한 기준이 담겨있다. 그러나 S-57은 2000년 12월 3.1 버전이 발표된 이후 업데이트가 중단되어 지속적으로 성장하고 있는 해양공간정보의 기술 경향을 반영하지 못하고 있다. IHO에서는 이러한 흐름에 대처하기 위해 차세대 전자해도 제작기준 표준인 S-100을 제정하였으며, 기존 S-57과 다른 데이터의 교환 형식을 사용하였다. 기존 전자해도의 경우에는 이진 형태로 구성되었으나 차세대 전자해도 표준을 기반으로 한 S-10X 전자해도 데이터의 경우에는 피처 카탈로그(Feature Catalogue), 포트리얼 카탈로그(Portrayal Catalogue), GML로 구성되어 있다. 이러한 점을 고려할 때 전자해도의 유효성 검증 표준인 S-58의 업데이트 또는 새로운 유효성 검증 표준의 제정이 필요하다. 본 연구에서는 이에 변화된 데이터의 유효성 검증 시험을 위해 자체 소프트웨어를 개발하였고 테스트 결과에 따른 개선점을 도출하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권2호
• /
• pp.549-557
• /
• 2016

In this paper we propose multiclassification method for large data sets by ensembling least squares support vector machines (LS-SVM) with principal components instead of raw input vector. We use the revised one-vs-all method for multiclassification, which is one of voting scheme based on combining several binary classifications. The revised one-vs-all method is performed by using the hat matrix of LS-SVM ensemble, which is obtained by ensembling LS-SVMs trained using each random sample from the whole large training data. The leave-one-out cross validation (CV) function is used for the optimal values of hyper-parameters which affect the performance of multiclass LS-SVM ensemble. We present the generalized cross validation function to reduce computational burden of leave-one-out CV functions. Experimental results from real data sets are then obtained to illustrate the performance of the proposed multiclass LS-SVM ensemble.

• Journal of Multimedia Information System
• /
• 제9권1호
• /
• pp.21-32
• /
• 2022

Early-stage diagnosis of Alzheimer's Disease (AD) from Cognitively Normal (CN) patients is crucial because treatment at an early stage of AD can prevent further progress in the AD's severity in the future. Recently, computer-aided diagnosis using magnetic resonance image (MRI) has shown better performance in the classification of AD. However, these methods use a traditional machine learning algorithm that requires supervision and uses a combination of many complicated processes. In recent research, the performance of deep neural networks has outperformed the traditional machine learning algorithms. The ability to learn from the data and extract features on its own makes the neural networks less prone to errors. In this paper, a dense neural network is designed for binary classification of Alzheimer's disease. To create a classifier with better results, we studied result of different activation functions in the prediction. We obtained results from 5-folds validations with combinations of different activation functions and compared with each other, and the one with the best validation score is used to classify the test data. In this experiment, features used to train the model are obtained from the ADNI database after processing them using FreeSurfer software. For 5-folds validation, two groups: AD and CN are classified. The proposed DNN obtained better accuracy than the traditional machine learning algorithms and the compared previous studies for AD vs. CN, AD vs. Mild Cognitive Impairment (MCI), and MCI vs. CN classifications, respectively. This neural network is robust and better.