• 정보처리학회논문지D
• /
• 제19D권1호
• /
• pp.105-112
• /
• 2012

조기심실수축과 조기심방수축을 검출하기 위한 대부분의 알고리즘은 정확한 QRS complex, P파 및 T파의 측정을 필요로 한다. 이 논문에서, 우리는 복잡한 매개변수와 알고리즘을 사용하지 않으면서 조기심실수축과 조기심방수축을 검출하기 위한 새로운 알고리즘을 제안한다. 제안된 알고리즘은 대부분의 정상 ECG 파형 뿐만 아니라 개인적 특징과 개인적 차이에 의해 발생할 수 있는 비정상 파형에도 적용할 수 있는 넓은 적용성을 가지고 있다. 이러한 목적을 위해, ECG 파형을 각각의 단위 패턴으로 분리한 후, 정상 R-R 간격을 가지는 단위패턴만을 사용하여 기준단위패턴을 만든다. 그 후에, 기준단위 패턴과 각각의 단위패턴 사이에 패턴매칭을 위한 유사도 분석을 사용하여 조기심실수축과 조기심방수축을 검출한다.

• 한국통신학회논문지
• /
• 제39C권9호
• /
• pp.811-819
• /
• 2014

상황 인식은 유비쿼터스컴퓨팅 환경에 대한 진화를 변화시켰고 무선 센서네트워크 기술은 많은 응용기기에 대한 새로운 방법을 제시하였다. 특히, 행동 인식은 사람의 응용서비스를 제공하는데 있어 특정 사용자의 상황을 인식하는 핵심 요소로 의학, 취미, 군사 분야에서 폭넓은 응용분야를 갖고 있고 사용반경의 확대에서도 효율과 정확도를 높이는 방법에 크게 기여한다. 스마트폰 센서로부터 나오는 데이터로부터 프레임이 512인셈플 데이터를 얻어, 프레임간50%의 오버랩을 갖도록 하고 Machine Learning Algorithm 인 WEKA Experimenter (University of Waikato, Version 3.6.10)을 써서 데이더로부터 시간영역 특징값을 추출함으로써 행동 인식에 대한 99.33%의 정확도를 얻을 수 있었다. 또한, WEKA Experimenter의 사용기법인 C4.5 Decision Tree과 다른 방법인 BN, NB, SMO or Logistic Regression간의 비교실험을 하였다.

• 디지털융복합연구
• /
• 제13권9호
• /
• pp.489-495
• /
• 2015

BI-RADS의 구분에 따라 Algorithm의 변화로 영상의 질을 개선하는 기법을 이용하여 시각적 가시화의 차이를 일치도와 민감도로 평가하였다. 유방촬영을 시행한 172명을 대상으로 유방촬영의 판독소견과 자료 체계의 신뢰도를 평가하였다. Category 5단계(C0,C1,C2,C3,C4), 유방 실질 함유량 4단계(Fatty, Fibroglandular, Heterogeneous nodular, Diffuse dense), 병변 3종류(석회화, 결절, 종괴)로 분류하여 TE와 PV의 신뢰도를 평가하고, 민감도와 진단의 일치도, 정확도를 평가함으로 다방면의 융복합적 분석을 하였다. TE보다 PV가 병변의 신뢰도와 민감도와 정확도가 높았다. 유방 실질 함유량에 따른 평가에서 정확도는 PV가 높았다. TE에서는 Fatty는 모두에서, Fibroglandular는 종괴와 석회화가, Diffuse dense는 결절과 석회화가 구별이 용이하였다. PV에서는 Fatty는 모두에서, Fibroglandular는 결절, Heterogeneous nodular은 결절과 종괴, Diffuse dense는 결절과 석회화가 구별이 용이하였다. 민감도는 결절은 Fatty, Fibroglandular, Heterogeneous nodular에서 TE가 더 민감했고, 종괴에서는 Heterogeneous nodular, Diffuse dense에서 TE가 더 민감했으며, 석회화에서는 모두에서 TE가 더 민감하였다. 이에 Algorithm 기법을 적절히 변화시켜 활용한다면 진단과 판독에 정확성을 높일 것이라 사료된다.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.197-208
• /
• 2020

어휘적 중의성이란 동음이의어, 다의어와 같이 단어를 2개 이상의 의미로 해석할 수 있는 경우를 의미하며, 감정을 나타내는 어휘에서도 어휘적 중의성을 띄는 경우가 다수 존재한다. 이러한 어휘들은 인간의 심리를 투영한다는 점에서 구체적이고, 풍부한 맥락을 전달하는 특징이 있다. 본 연구에서는 양방향 LSTM을 적용하여 중의성을 해소한 감정 분류 모델을 제안한다. 주변 문맥의 정보를 충분히 반영한다면, 어휘적 중의성 문제를 해결하고, 문장이 나타내려는 감정을 하나로 압축할 수 있다는 가정을 기반으로 한다. 양방향 LSTM은 문맥 정보를 필요로 하는 자연어 처리 연구 분야에서 자주 활용되는 알고리즘으로 본 연구에서도 문맥을 학습하기 위해 활용하고자 한다. GloVe 임베딩을 본 연구 모델의 임베딩 층으로 사용했으며, LSTM, RNN 알고리즘을 적용한 모델과 비교하여 본 연구 모델의 성능을 확인하였다. 이러한 프레임워크는 SNS 사용자들의 감정을 소비 욕구로 연결시킬 수 있는 마케팅 등 다양한 분야에 기여할 수 있을 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.190-192
• /
• 2003

소비자의 신용 대출 규모가 점차 증가하면서 기업에서 고객의 신용 등급에 의한 정확한 고객 분류를 필요로 하고 있다 이를 위해 판별 분석과 신경망의 역전파(BP: Back Propagation)를 이용한 고객 분류 시스템이 연구되었다. 그러나, 판별 분석을 사용한 방법은 불규칙한 신용 거래의 성향을 보이는 비정규 분포의 고객 데이터의 영향으로 여러 개의 판별 함수와 판별점이 존재하여 분류 정확도가 떨어지는 단점이 있다. 신경망을 이용한 방법은 불규칙한 신용 거래의 성향을 보이는 고객 데이터에 의해서, 지역 최소점(Local Minima)에 빠져 최대의 분류 정확률을 보이는 분류자를 얻지 못하는 경우가 발생할 수 있다. 본 논문에서는 이러한 기존 연구의 분류 정확률을 저하시키는 단점을 해결하기 위해 SVM(Support Vector Machine)을 사용하여 고객의 신용 등급을 분류하는 방법을 제안한다. SVM은 SV(Support Vector)의 수에 의해서 학습 성능이 좌우되므로, 불규칙한 거래 성향을 보이는 고객에 대해서도 높은 차원으로의 매핑을 통하여, 효과적으로 학습시킬 수 있어 분류의 정확도를 높일 수 있다 하지만, SVM은 근사화 알고리즘(Approximation Algorithms)을 이용하므로 분류 정확도가 이론적인 성능에 미치지 못한다. 따라서, 본 논문은 점진적 앙상블 SVM을 사용하여, 기존의 고객 분류 시스템의 문제점을 해결하고 실제적으로 SVM의 분류 정확률을 높인다. 실험 결과는 점진적 앙상블 SVM을 이용한 방법의 정확성이 기존의 방법보다 높다는 것을 보여준다.

• 센서학회지
• /
• 제20권2호
• /
• pp.137-144
• /
• 2011

Wireless sensor network(WSN) has the potential to greatly effect many aspects of u-healthcare. By outfitting the potential with WSN, wearable sensor node can collects real-time data on physiological status and transmits through base station to server PC. However, there is a significant gap between WSN and healthcare. WSN has the limited resource about computing capability and data transmission according to bio-sensor sampling rates and channels to apply healthcare system. If a wearable node transmits ECG and accelerometer data of 4 channel sampled at 100 Hz, these data may occur high loss packets for transmitting human activity and ECG to server PC. Therefore current wearable sensor nodes have to solve above mentioned problems to be suited for u-healthcare system. Most WSN based activity and ECG monitoring system have been implemented some algorithms which are applied for signal vector magnitude(SVM) algorithm and ECG noise algorithm in server PC. In this paper, A wearable sensor node using integrated ECG and 3-axial accelerometer based on wireless sensor network is designed and developed. It can form multi-hop network with relay nodes to extend network range in WSN. Our wearable nodes can transmit 1-channel activity data processed activity classification data vector using SVM algorithm to 3-channel accelerometer data. ECG signals are contaminated with high frequency noise such as power line interference and muscle artifact. Our wearable sensor nodes can remove high frequency noise to clear original ECG signal for healthcare monitoring.

• 정보보호학회논문지
• /
• 제24권2호
• /
• pp.311-318
• /
• 2014

컴퓨터 그래픽 기술은 사람의 눈으로 컴퓨터 그래픽과 카메라로 촬영한 사진을 구분하기 힘들 정도로 발전하였다. 그래픽 기술의 진보는 인간에게 많은 편의를 주었으나 악의적인 조작 편집 및 사기 기법으로 사용되는 등 부작용도 수반하였다. 이에 대응하기 위해 이미지의 피쳐(feature)를 이용하여 컴퓨터 그래픽을 판별해내는 알고리즘에 대한 연구가 진행되고 있다. 본 논문에서는 기존에 제안된 알고리즘을 직접 검증해보고 컴퓨터 그래픽의 특성을 잘 나타내는 노이즈에 기반한 새로운 피쳐를 제안한다. 또한 선행 연구에서 제안한 피쳐와 함께 SVM(Support Vector Machine)을 활용하여 판별 정확도를 높이는 방법을 소개한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권4호
• /
• pp.273-280
• /
• 2013

본 논문에서는 의료영상의 특성을 반영하여 픽셀 그래디언트의 방향 값을 특징으로 하는 OCS-LBP (Oriented Center Symmetric Local Binary Patterns) 특징을 개발하고 BoF(Bag-of-Feature)와 Random Forest 분류기를 이용한 영상 검색 방법을 제안한다. 학습영상에서 추출된 특징 값은 code book 으로 군집화 되고, 각 영상들은 code book을 통해 의미 있는 새로운 차원인 BoF특징으로 변환된다. 이렇게 추출된 BoF특징은 Random Forest 분류기에 적용되고 학습된 분류기에 의해 유사한 특성을 갖는 N개의 클래스별로 분류되게 된다. 질의 영상이 입력되면 동일한 OCS-LBP특징이 추출되고 code book을 통해 BoF특징이 추출된다. 전통적인 내용기반 영상검색과는 다르게, 본 논문에서는 질의 영상에서 추출된 BoF특징이 학습된 Random Forest에 적용되어 가장 유사한 K-근접 이웃 (K-nearest neighbor) 클래스들을 선택하고 선택된 클래스들에 포함된 영상들에 대해서만 질의 영상과의 BoF 유사도 측정을 통해 최종 유사한 영상을 검색하게 된다. 실험결과에서 본 논문에서 제안하는 방법은 빠르고 우수한 검색 성능을 보여 주었다.

• 지능정보연구
• /
• 제11권2호
• /
• pp.175-195
• /
• 2005

사례기반추론(case-based reasoning)은 사례간 유사도를 평가하여 유사한 이웃사례를 찾아내고, 이웃사례의 결과를 이용하여 새로운 사례에 대한 예측결과를 생성하는 전통적인 인공지능기법 중 하나다. 이러한 사례기반추론이 최근 적용이 쉽고 간단하다는 장점과 모형의 갱신이 실시간으로 이루어진다는 점 등으로 인해, 온라인 환경에서의 고객관계관리를 위한 도구로 학계와 실무에서 주목을 받고 있다 하지만, 전통적인 사례기반추론의 경우, 타 인공지능기법에 비해 정확도가 상대적으로 크게 떨어진다는 점이 종종 문제점으로 제기되어 왔다. 이에, 본 연구에서는 사례기반추론의 성과를 획기적으로 개선하기 위한 방법으로 유전자 알고리즘을 활용한 사례기반추론의 동시 최적화 모형을 제안하고자 한다. 본 연구가 제안하는 모형에서는 기존 연구에서 사례기반추론의 성과에 중대한 영향을 미치는 요소들로 제시된 바 있는 사례 특징변수의 상대적 가중치 선정(feature weighting)과 참조사례 선정(instance selection)을 유전자 알고리즘을 이용해 최적화함으로서, 사례간 유사도를 보다 정밀하게 도출하는 동시에 추론의 결과를 왜곡할 수 있는 오류사례의 영향을 최소화하고자 하였다. 제안모형의 유용성을 검증하기 위해, 본 연구에서는 국내 한 전문 인터넷 쇼핑몰의 구매예측모형 구축사례에 제안모형을 적용하여 그 성과를 살펴보았다. 그 결과, 제안모형이 지금까지 기존 연구에서 제안된 다른 사례기반추론 개선모형들은 물론, 로지스틱 회귀분석(LOGIT), 다중판별분석(MDA), 인공신경망(ANN), SVM 등 다른 인공지능 기법들에 비해서도 상대적으로 우수한 성과를 도출할 수 있음을 확인할 수 있었다.

• 응용통계연구
• /
• 제30권1호
• /
• pp.57-68
• /
• 2017

대량의 데이터에 있어 전반적인 특성 및 구조를 파악하는데 유용하기 때문에 다양한 분야에서 군집분석을 사용하고 있다. Dempster 등 (1977)에서 정의된 expectation-maximization(EM) 알고리즘은 가장 보편적으로 사용되는 군집분석 방법이다. 선형모형의 유한혼합물(finite mixture of linear model) 기법 또한 군집분석 방법 중 많이 사용되는 방법이며 베이지안 군집방법은 Bernardo와 Giron (1988)이 군집에 대한 가중치 확률만 모를 경우 처음 적용하였다. 우리는 이 연구에서 일반적인 선형모형의 유한혼합물이 아닌 군집특정(cluster-specific) 변량효과를 모형에 포함하여 베이지안 분석방법인 깁스표집법(Gibbs sampling)을 사용한다. 제안한 모형의 특성 및 표집법에 대하여 설명하였고 모의실험 및 실제 데이터 분석을 통하여 모형의 유용성을 파악하였다. Hurn 등 (2003)의 CO2 데이터에 모형을 적용하여 변량효과가 없는 모형, 개체특정(subject-specific) 변량효과 모형과 비교하였다.