• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.466-467
• /
• 2018

최근 이미지 인식, 영상 인식, 음성 인식, 자연어 처리 등 다양한 분야에 인공지능이 적용되면서 딥러닝(Deep learning) 기술에 관한 관심이 높아지고 있다. 딥러닝 중에서도 가장 대표적인 알고리즘으로 이미지 인식 및 분류에 강점이 있고 각 분야에 많이 쓰이고 있는 CNN(Convolutional Neural Network)에 대한 많은 연구가 진행되고 있다. 본 논문에서는 일반적인 CNN 구조를 변형한 새로운 네트워크 구조를 제안하고자 한다. 일반적인 CNN 구조는 convolution layer, pooling layer, fully-connected layer로 구성된다. 그러므로 본 연구에서는 일반적인 CNN 구조 내부에 FC를 첨가한 새로운 네트워크를 구성하고자 한다. 이러한 변형은 컨볼루션된 이미지에 신경회로망이 갖는 장점인 일반화 기능을 포함시켜 정확도를 올리고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권9호
• /
• pp.345-350
• /
• 2018

본 연구는 지정맥 인식에 중요한 정맥 패턴 특징검출을 위한 알고리즘이다. 특징검출 알고리즘은 패턴인식 시 인식결과에 많은 영향을 끼치므로 중요하다. 인식률은 손가락 위치 변화에 따라 기준도 변화되므로 저하되는 특징을 가지고 있다. 또한, 손가락에 적외선 광을 조사하여 획득한 영상은 영상 배경과 혈관 패턴을 분리하기에 어렵고, 영상 전처리과정을 수행하므로 검출시간이 증대되는 특징을 가지고 있다. 이를 위해, 제시하는 알고리즘은 영상 전처리과정이 없이 수행되어 검출 시간을 줄일 수 있고, 지정맥 영상에 SWDA(Shifted Waveform Data Analysis) 알고리즘을 적용하여 손가락 마디 위치 및 정맥 패턴 검출이 가능한 특징을 가지고 있다. 적외선 투과율이 낮아 상대적으로 어두운 정맥 영상도 검출 오류 최소화가 가능한 특징을 보였다. 또한, 손가락 마디 위치는 분류 단계에서 기준으로 활용하면 인식률 저하를 보완할 수 있는 특징을 가지고 있다. 추후 손바닥, 손목 등 신체 여러 인식분야에 제안하는 알고리즘을 적용한다면 생체 특징 검출 정확도 향상 및 인식 수행 시간 감소에 기여할 것으로 기대된다.

• 응용통계연구
• /
• 제18권2호
• /
• pp.343-354
• /
• 2005

데이터 마이닝에서 데이터를 효율적으로 분류하고자 할 때 많이 사용하고 있는 알고리즘을 실제 자료에 적용시켜 분류성능을 비교하였다. 분류자 생성기법으로는 의사결정나무기법 중의 하나인 CART, 배깅과 부스팅 알고리즘을 CART 모형에 결합한 분류자, 그리고 SVM 분류자를 비교하였다. CART는 결과 해석이 쉬운 장점을 가지고 있지만 데이터에 따라 생성된 분류자가 다양하여 불안정하다는 단점을 가지고 있다. 따라서 이러한 CART의 단점을 보완한 배깅 또는 부스팅 알고리즘과의 결합을 통해 분류자를 생성하고 그 성능에 대해 평가하였다. 또한 최근 들어 분류성능을 인정받고 있는 SVM의 분류성능과도 비교?평가하였다. 각 기법에 의한 분류 결과를 가지고 의사결정나무를 형성하여 자료가 가지는 데이터의 특성에 따른 분류 성능을 알아보았다. 그 결과 데이터의 결측치가 없고 관측값의 수가 적은 경우는 SVM의 분류성능이 뛰어남을 알 수 있었고, 관측값의 수가 많을 때에는 부스팅 알고리즘의 분류성능이 뛰어났으며, 데이터의 결측치가 존재하는 경우는 배깅의 분류성능이 뛰어남을 알 수 있었다.

• Safety and Health at Work
• /
• 제7권3호
• /
• pp.201-207
• /
• 2016

Background: Korean Working Conditions Surveys (KWCS), referencing European Working Conditions Surveys, have been conducted three times in order to survey working condition and develop work-related policies. However, we found three limitations for managing the collected KWCS data: (1) there was no computerized system for managing data; (2) statistical KWCS data were provided by limited one-way communication; and (3) the concept of a one-time provision of information was pursued. We suggest a web-based public service system that enables ordinary people to make greater use of the KWCS data, which can be managed constantly in the future. Methods: After considering data characteristics, we designed a database, which was able to have the result of all pairwise combinations with two extracted data to construct an analysis system. Using the data of the social network for each user, the tailored analysis system was developed. This system was developed with three methods: clustering and classification for building a social network, and an infographic method for improving readability through a friendly user interface. Results: We developed a database including one input entity consisting of the sociodemographic characteristics and one output entity consisting of working condition characteristics, such as working pattern and work satisfaction. A web-based public service system to provide tailored contents was completed. Conclusion: This study aimed to present a customized analysis system to use the KWCS data efficiently, provide a large amount of data in a form that can give users a better understanding, and lay the ground for helping researchers and policy makers understand the characteristics.

• 한국음향학회지
• /
• 제22권2호
• /
• pp.145-152
• /
• 2003

본 논문에서는 인식 단위로서의 개개의 은닉 마코프 모델 (HMM: Hidden Markvo Model)에 대응하는 가중치를 도입하여 HMM출력 스코어는 HMM출력 확률과 HMM 가중치의 곱으로 표현된다고 가정하고 기존의 최소 분류 오류 훈련 방법과 유사하게 HMM 가중치를 반복적으로 훈련하는 방법을 제안하였다. 제안된 방법은 오인식 척도에 대해 차분 (delta) 계수를 정의하고 이를 이용하여 HMM 가중치를 반복하여 훈련하는 방법이다. 이러한 방법은 HMM 가중치의 합을 HMM 개수의 총합으로 제한함으로써 기존의 파라미터 추정 방법과 비터비 (Viterbi) 알고리즘에 큰 변화 없이 음성 인식에 효과적으로 적용될 수 있다. 제안된 방법은 기존의 분할 (segmental) 최소 분류 오류훈련 방법과 비교하여 추정하는 파라미터의 개수가 감소되었으며 훈련 모델의 최적 상태열을 이용한 경도 계산 과정이 포함되지 않음으로써 계산량을 효과적으로 단축할 수 있다. HMM가중치를 이용한 HMM기반의 음성 인식기의 성능 평가를 위해서 단독 숫자음 인식 실험을 실시하였다. 실험적 결과들은 HMM 확률 보정을 이용한 음성 인식 시스템이 베이스라인 시스템보다 음성 인식 성능이 더 우수함을 보여준다. 제안된 방법은 기존의 최소 분류 오류 훈련 방법에 비하여 구현하기 간편한 반면에 더욱 우수한 음성 인식 성능 향상을 보여준다.

• 컴퓨터교육학회논문지
• /
• 제13권4호
• /
• pp.41-50
• /
• 2010

국내외에서 이루어진 기존의 인터넷 중독 검사에 대한 연구는 다양하며 방대하지만, 대부분의 연구가 중독도 검사를 위한 항목추출이거나 항목들을 이용한 중독도 분석이었지 항목간의 분석을 통한 차별화는 이루어지지 않았다. 본 논문에서는 리즈렐과 데이터마이닝 기법을 이용하여 Young의 인터넷 중독 검사방법을 고찰하고 문제점을 지적한 후, 검사 방법에 대한 대안을 제안한다. 이를 위해 Young의 척도를 이용하여 청소년 440명을 대상으로 설문을 실시하고, 요인분석을 통해 Young 척도의 문제점을 분석한다. 또한, 데이터 마이닝 알고리즘인 J48 및 PART를 이용하여 설문문항들 중에서 인터넷 중독도를 구분 지을 수 있는 항목들을 선별하고 이를 기반으로 인터넷 중독 학생들을 진단하고 처방하는데 활용하는 방법을 제안한다.

• 전자공학회논문지
• /
• 제52권10호
• /
• pp.73-81
• /
• 2015

이 논문은 프로토타입 선택 방법을 제안하고, 편의-분산 분해를 이용하여 최근접 이웃 알고리즘과 프로토타입 기반 분류 학습의 일반화 성능 비교 평가에 있다. 제안하는 프로토타입 분류기는 클래스 영역 내에서 가변 반지름을 이용한 다차원 구를 정의하고, 적은 수의 프로토타입으로 구성된 새로운 훈련 데이터 집합을 생성한다. 최근접 이웃 분류기는 새 훈련 집합을 이용하여 테스트 데이터의 클래스를 예측한다. 평균 기대 오류의 편의와 분산 요소를 분해하여 최근접 이웃 규칙, 베이지안 분류기, 고정 반지름을 이용한 프로토타입 선택 방법, 제안하는 프로토타입 선택 방법의 일반화 성능을 비교한다. 실험에서 제안하는 프로토타입 분류기의 편의-분산 변화 추세는 모든 훈련 데이터를 사용하는 최근접 이웃 알고리즘과 비슷한 편의-분산 추세를 보였으며, 프로토타입 선택 비율은 전체 데이터의 평균 약 27.0% 이하로 나타났다.

• 한국전자파학회논문지
• /
• 제28권1호
• /
• pp.33-41
• /
• 2017

본 논문에서는 사람의 손동작을 이용해 전자기기를 제어할 수 있도록 다중 도플러 레이다와 머신러닝의 일종인 SVM (Support Vector Machine)을 이용한 손동작 인식 기술을 제안하였다. 하나의 도플러 레이다는 간단한 손동작만을 인식할 수 있는데 반해, 다중 도플러 레이다는 레이다 위치에 따라 각각 다른 도플러 효과가 발생되므로, 이를 이용하여 다양한 손동작을 인식할 수 있다. 또한, 머신러닝 기법을 이용하여 손동작을 분류하면 손동작 인식의 성공률을 높일 수 있다. 다중 도플러 레이다와 머신러닝을 이용한 손동작 인식 시스템의 구현 가능성을 확인하기 위하여 두 개의 도플러 레이다, NI DAQ USB-6008, MATLAB을 이용한 실험 장치를 구성하였다. 구현된 실험 장치를 이용하여 Push, Pull, Right Slide 및 Left Slide의 4가지 손동작 인식 실험을 수행하였고, SVM 모델을 적용하여 손동작 인식의 높은 정확도를 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제18권1호
• /
• pp.211-216
• /
• 2018

이 논문에서는 알려지지 않은 PE 파일이 멀웨어의 여부를 분류하는 방법을 연구하였다. 멀웨어 탐지 영역의 분류 문제에서는 특징 추출과 분류가 중요하다. 위와 같은 목적으로 멀웨어 탐지를 위해 우리는 어떠한 특징들이 분류기에 적합한지, 어떠한 분류기가 선택된 특징들에 대해 연구하였다. 그래서 우리는 멀웨어 탐지를 위한 기능과 분류기의 좋은 조합을 찾기 위해 실험하였다. 이를 위해 두 단계로 실험을 실시하였다. 1 단계에서는 Opcode, Windows API, Opcode + Windows API의 특징들을 이용하여 정확도를 비교하였다. 여기에서 Opcode + Windows API 특징이 다른 특징보다 더 좋은 결과를 나타내었다. 2 단계에서는 나이브 베이즈, K-NN, SVM, DT의 분류기들의 AUC 값을 비교하였다. 그 결과 DT의 분류기가 더 좋은 결과 값을 나타내었다.

• 전자공학회논문지CI
• /
• 제44권3호
• /
• pp.74-80
• /
• 2007

전자와 컴퓨터 기술의 발전은 무선 센서 네트워크 증대의 토대를 마련하였다. 이에 따라, 센서 네트워크상의 충돌 방지와 인증 기술의 필요성이 증대되어 지고 있다. 센서 네트워크의 충돌 방지를 위해 개발될 알고리즘은 무선 센서 네트워크 플랫폼 상에 쉽게 적용될 수 있으며 또한 동시에 분산 연산, 분산 저장, 데이터 강인성, 센싱된 데이터를 자동 분류할 수 있어야한다. 그리고 무선 센서 네트워크에서 보안을 유지하기 위하여 여러 센서 간에 안전하게 채널을 확립할 수 있어야한다. 본 논문 우리는 센서의 인증과 충돌 방지를 위하여 유비쿼터스 센서 네트워크 채널 확립 알고리즘을 제안하였다. 본 논문에서는 두 가지 다른 형태의 구조를 제안하였으며, 각 구조에서는 센서 노드 사이에서 채널을 확립하기위하여 웨이블렛 필터를 사용한 알고리즘과 센서의 충돌 방지를 위하여 BIBD(Balanced Incomplete Block Design) 코드를 사용하였다. 결과적으로, BIBD와 웨이블렛 필터 기반으로 제안된 알고리즘은 이상적인 환경에서 98% 충돌 검출율을 가졌다.