• 한국한의학연구원논문집
• /
• 제13권3호
• /
• pp.105-110
• /
• 2007

This work reports the pulse diagnosis system using FBG sensors which can display pulse signals detected while oriental medical doctors are conducting pulse diagnoses and simultaneously pressing the sensors by three fingers. Each optical fiber has five FBG sensing units fabricated in 2 mm width and 2 mm inter-sensor spacing. Three optical fibers with the FBG units in the parallel line configuration are then placed on each finger-pressing region and thus overall 9 fibers are used for the pulse measurements on the so-called "chon", "gwan", and "ch대k". A fixture holding the optical fiber arrays is able to adjust the height of the FBG sensing units while placing the fibers on the wrist. The pulse signals detected by the FBG sensors from chon, kwan, and chuk have been analyzed using 4 channel spectrum analyzer connected to the optical fibers. The measured pulse signals exhibit variations due to the nonuniform pressure distributions applied. resulting in the differences in the detected pulse signals between fiber lines. However. this work is the first step towards objective and quantitative analyses of the pulse diagnosis in oriental medicine which has traditionally been performed on subjective basis. Future works will be devoted to improving sensor stability, developing the way applying pressure and algorithms reporting the objective classification of the pulse status from systemic measurements using the sensors instead of relying on the clinicians' diagnoses subjectively performed. A successful pulse diagnosis system emerging in the future is expected to contribute to education as well as promoting pulse diagnosis in oriental medicine to the scientific research area.

• 정보과학회 논문지
• /
• 제42권4호
• /
• pp.468-474
• /
• 2015

기업은 프로젝트의 중요성을 인지하고 프로젝트의 실패요인을 찾아 위험을 미연에 방지하여 프로젝트의 성공율을 높이기 위해 노력해야 한다. 이것은 급변하는 외부의 변화에 신속히 대응하기 위해 필요하다. 선행연구에서도 이러한 프로젝트의 성공요인 및 실패요인에 대한 연구가 다양하게 수행되었으나, 대부분 설문조사와 샘플링 통계분석으로 연구가 수행되어 데이터의 객관성과 정량적 분석에 한계를 갖고 있었다. 따라서 본 연구에서는 프로젝트의 실패요인 분석을 객관적인 프로젝트의 평가보고서인 감리결과보고서에서 프로젝트의 문제를 발견하고 개선권고사항을 제시하는 부분의 텍스트를 도출하여 텍스트 마이닝을 수행하였다. 텍스트 마이닝에 적용한 알고리즘은 분류 성능이 우수한 NaiveBayes, SMO, J48 알고리즘이다. 실험은 10배 교차검증을 수행하였고 정확률과 재현율로 평가하였다. 도출된 텍스트에서 프로젝트의 실패요인을 분석하여 프로젝트 수행에 활용될 수 있도록 하였다.

• 응용통계연구
• /
• 제30권5호
• /
• pp.681-690
• /
• 2017

파산감지, 스팸메일 감지, 불량품 감지 등 일상생활에서 불균형적인 이항 분류 문제를 다양하게 접할 수 있다. 반응변수의 클래스의 비율이 상당히 불균형한 경우 이항 분류 모형의 예측 성능이 좋지 않다는 점은 이미 잘 알려진 사실이다. 이러한 문제점을 해결하기 위해 그 동안 오버 샘플링, 언더 샘플링, SMOTE와 같은 여러 샘플링 기법이 개발되어 왔다. 본 연구에서는 분류 모형으로 많이 사용되는 기계학습모형으로 로지스틱 회귀모형, Lasso, 랜덤포레스트, 부스팅, 서포트 벡터 머신을 위의 샘플링 기법들과 결합하여 사용했을 때의 예측 성능을 살펴보았다. 실질적인 예측 성능의 개선 여부를 확인하기 위해 네 개의 실제 자료를 분석하였다. 이와 더불어, 샘플링 방법이 사용될 때 주의해야 할 점에 대해서 강조하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권7호
• /
• pp.3093-3115
• /
• 2020

Network anomaly detection system plays an essential role in detecting network anomaly and ensuring network security. Anomaly detection system based machine learning has become an increasingly popular solution. However, due to the unbalance and high-dimension characteristics of network traffic, the existing methods unable to achieve the excellent performance of high accuracy and low false alarm rate. To address this problem, a new network anomaly detection method based on data balancing and recursive feature addition is proposed. Firstly, data balancing algorithm based on improved KNN outlier detection is designed to select part respective data on each category. Combination optimization about parameters of improved KNN outlier detection is implemented by genetic algorithm. Next, recursive feature addition algorithm based on correlation analysis is proposed to select effective features, in which a cross contingency test is utilized to analyze correlation and obtain a features subset with a strong correlation. Then, random forests model is as the classification model to detection anomaly. Finally, the proposed algorithm is evaluated on benchmark datasets KDD Cup 1999 and UNSW_NB15. The result illustrates the proposed strategies enhance accuracy and recall, and decrease the false alarm rate. Compared with other algorithms, this algorithm still achieves significant effects, especially recall in the small category.

• 조명전기설비학회논문지
• /
• 제20권7호
• /
• pp.81-91
• /
• 2006

유전자 알고리즘은 지금까지의 방법으로써는 해결이 곤란한 문제에 대해서 실용상의 최적해를 랜덤하고 빠르게 찾는 방법으로서 사용되어 왔으며, 종래의 검색 알고리즘과 달리 검색 공간 중 하나의 점뿐만 아니라 많은 점을 동시에 고려하기 때문에 국부 최소점(local minima)점에 수렴되는 현상을 극복할 수 있다. 따라서 본 논문에서는 목적 함수에 연속미분조건이 없으며 다수의 변수들을 하나의 문자열로 부호화(coding)함으로써 병렬연산 및 동시최적화가 가능한 유전자 알고리즘을 이용한 PI제어기를 교류서보전동기에 적용하여 작업환경변화에 능동적으로 대응하는 제어방법을 제안하였으며 산업현장에서의 로보트 액추에이터 등의 응용과 정밀제어를 실현하기 위한 교류서보전동기의 드라이버에 적용할 수 있는 제어기를 구현하고자 한다.

• 자원환경지질
• /
• 제35권1호
• /
• pp.67-74
• /
• 2002

본 연구의 목적은 산사태 취약성 분석을 위하여 인공신경망을 이용하여 산사태 요인의 가중치를 결정하는 것이다. 산사태 발생 지역은 항공사진, 현장조사와 지형도 등으로부터 위치를 파악하였다. 용인 지역에 대해서 산사태에 영향을 주는 지형경사, 지형곡률, 토양배수, 토양 유효심도, 토양 종류, 식생 경급과 영급 등의 자료가 사용되었다. 이들 자료를 이용하여 인공신경망의 층간 가중치가 역전파 트레이닝 알고리즘에 의해 계산되었으며, 이는 산사태 요인의 가중치를 결정하는데 사용되었다. 죽, 트레이닝 후 층간 가중치를 해석하여 분류에 미치는 영향을 고려함으로서 각 산사태 요인의 가중치가 결정되게 된다. 가장 높은 값은 지형경사로서 5.33의 값을 나타냈으며 지형 곡률과 토질은 각각 1과 1.17로 낮은 값을 나타냈다. 역전파 알고리즘을 이용한 가중치 결정 방법은 분석에 중요하지 않은 요인을 제거함으로 계산시간을 단축시킬 수 있어 GIS를 이용한 중첩 분석 연구에 활용되 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권6호
• /
• pp.2070-2086
• /
• 2014

As a kind of personal lifelog data, activity data have been considered as one of the most compelling information to understand the user's habits and to calibrate diagnoses. In this paper, we proposed a robust algorithm to sampling rates for human activity recognition, which identifies a user's activity using accelerations from a triaxial accelerometer in a smartphone. Although a high sampling rate is required for high accuracy, it is not desirable for actual smartphone usage, battery consumption, or storage occupancy. Activity recognitions with well-known algorithms, including MLP, C4.5, or SVM, suffer from a loss of accuracy when a sampling rate of accelerometers decreases. Thus, we start from particle swarm optimization (PSO), which has relatively better tolerance to declines in sampling rates, and we propose PSO with an adaptive boundary correction (ABC) approach. PSO with ABC is tolerant of various sampling rate in that it identifies all data by adjusting the classification boundaries of each activity. The experimental results show that PSO with ABC has better tolerance to changes of sampling rates of an accelerometer than PSO without ABC and other methods. In particular, PSO with ABC is 6%, 25%, and 35% better than PSO without ABC for sitting, standing, and walking, respectively, at a sampling period of 32 seconds. PSO with ABC is the only algorithm that guarantees at least 80% accuracy for every activity at a sampling period of smaller than or equal to 8 seconds.

• 인터넷정보학회논문지
• /
• 제20권6호
• /
• pp.65-72
• /
• 2019

데이터 증강(Data Augmentation)은 적은 양의 데이터를 바탕으로 다양한 알고리즘을 통해 데이터의 양을 늘리는 기술이다. 현실문제를 해결하기 위해 기계학습 및 딥러닝 기법을 사용하는 경우, 데이터 셋이 부족한 경우가 많다. 데이터의 부족은 모델 학습 시, 데이터 셋의 특징을 잘 반영하지 못하는 것 이외에도 과소적합 및 과적합에 빠질 위험이 크다. 따라서 본 논문에서는 오토인코더와 고유값 분해를 기반으로 하는 데이터 증강 기법을 통해 데이터를 증강 시키고 이를 심층 신경망의 각 층 마다 적용하여, 심층 신경망을 효과적으로 사전 학습하는 방법을 제시한다. 이후, WOBC 데이터와 WDBC 데이터에 대해 실험을 통하여 논문에서 제안하는 방법이 분류 정확도를 향상시키는지 측정하고 기존 연구들과 비교함으로써 제안한 방법이 실질적으로 의미가 있는 데이터를 생성하고 모델의 학습에 효과적임을 보인다.

• 천문학회지
• /
• 제45권2호
• /
• pp.31-38
• /
• 2012

In this study we apply Support Vector Machine (SVM) to the prediction of geo-effective halo coronal mass ejections (CMEs). The SVM, which is one of machine learning algorithms, is used for the purpose of classification and regression analysis. We use halo and partial halo CMEs from January 1996 to April 2010 in the SOHO/LASCO CME Catalog for training and prediction. And we also use their associated X-ray flare classes to identify front-side halo CMEs (stronger than B1 class), and the Dst index to determine geo-effective halo CMEs (stronger than -50 nT). The combinations of the speed and the angular width of CMEs, and their associated X-ray classes are used for input features of the SVM. We make an attempt to find the best model by using cross-validation which is processed by changing kernel functions of the SVM and their parameters. As a result we obtain statistical parameters for the best model by using the speed of CME and its associated X-ray flare class as input features of the SVM: Accuracy=0.66, PODy=0.76, PODn=0.49, FAR=0.72, Bias=1.06, CSI=0.59, TSS=0.25. The performance of the statistical parameters by applying the SVM is much better than those from the simple classifications based on constant classifiers.

• Journal of the Korean Data and Information Science Society
• /
• 제12권2호
• /
• pp.1-10
• /
• 2001

신경망은 점차 분류 및 함수추정을 위한 현대 통계적 방법론으로 부각되고 있다. 신경망은 특히 선형 회귀함수를 일반화시키는 유연한(flexible) 방법을 제공하며 일반적 비선형 함수를 모수화하는 방법으로 간주된다. 본 논문에서는 함수추정을 위한 신경망을 생각한다. 신경망이 훈련자료를 과대적합하는 것을 피할 수 있도록 하는 간단한 방법은 정칙화(regularization)이다. 신경망에서는 정칙화를 위해 주로 가중치 감소법(weight decay method)을 사용한다. 함수추정을 위해 가중치감소 신경망을 사용할 때 은닉노드수, 가중치모수, 학습률 및 학습반복회수가 중요한 모수이다. 본 논문에서는 유전자 알고리즘을 사용하여 가중치감소 신경망의 중요한 모수들을 자동으로 최적화하는 방법을 제안하고 결과적으로 가중치감소 신경망을 자동학습하는 방법을 설명한다. 그리고 다른 함수추정방법들과 자동학습된 가중치감소 신경망을 비교분석한다.