• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권8호
• /
• pp.3826-3851
• /
• 2016

With traditional data storage solutions becoming too expensive and cumbersome to support Big Data processing, enterprises are now starting to outsource their data requirements to third parties, such as cloud service providers. However, this outsourced initiative introduces a number of security and privacy concerns. In this paper, homomorphic encryption is suggested as a mechanism to protect the confidentiality and privacy of outsourced data, while at the same time allowing third parties to perform computation on encrypted data. This paper also discusses the challenges of Big Data processing protection and highlights its differences from traditional data protection. Existing works on homomorphic encryption are technically reviewed and compared in terms of their encryption scheme, homomorphism classification, algorithm design, noise management, and security assumption. Finally, this paper discusses the current implementation, challenges, and future direction towards a practical homomorphic encryption scheme for securing outsourced Big Data computation.

• 한국지능시스템학회논문지
• /
• 제19권3호
• /
• pp.297-303
• /
• 2009

본 논문에서는 비선형 변환에 의해 입력신호를 고차원의 확장공간으로 변환한 후, 주성분분석기법(PCA)에 의해 신호의 특징을 추출하는 기법을 제안한다. 특징추출을 위해 사용되는 기존의 주성분분석기법은 입력데이터가 비선형 특성을 갖는 경우 최적의 변환행렬을 구할 수 없다는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위해, 확장공간상에서 구간별로 입력데이터를 분할한 후 주성분분석기법에 의해 구간별 특징을 추출하는 서브패턴기반 주성분분석기법(SpPCA)을 적용하였다. 다음 단계인 분류단계에서는 MLP 비선형분류기를 이용하여 구간마다 추출된 특징벡터를 이용하여 기준패턴과의 유사도를 산출한다. 최종 분류단계에서는 MLP에 의해서 산출된 유사도에 기반을 둔 융합법칙에 의하여 생체 스펙트럼 패턴을 분류한다. 제안된 방법의 유용성을 보이기 위한 실험결과에서 기존의 방법들에 비해서 향상된 인식결과를 보임을 확인하였다.

• 한국비블리아학회지
• /
• 제27권3호
• /
• pp.25-50
• /
• 2016

기록관리학이 독자적인 학문영역으로 발전해가고 있다. 하지만 KDC를 비롯한 기존의 문헌분류표에서는 분류 항목 배열이 기록관리학의 특성을 제대로 반영하지 못하여 분류항목의 전개가 불합리한 부분이 있으며, 주제영역별 세목전개의 재배치가 필요하다. 따라서 이 연구에서는 기록관리학의 학문 특성에 따라 주제영역을 기록관리 일반, 기록관리 법 정책, 기록물의 수집 선별 평가, 기록물의 조직, 기록정보서비스, 기록물 관리 및 보존, 기록관 운영, 기록관리 기관 등 8개 영역으로 설정하고, 현대 주요 문헌분류표인 KDC, DDC, NDC, UDC, LCC의 분류체계를 분석한 후, "대한민국 국가서지"의 기록관리학 분야 유별 자료현황 및 주제어 분석 결과를 반영하여 KDC 기록관리학 분야의 분류체계 수정 전개 방안을 제시하였다. 기록관리학 관련 주제영역 8개 분야의 내용은 KDC 028로 통합할 수 있도록 변경하였다.

• 한국ITS학회 논문지
• /
• 제10권5호
• /
• pp.47-52
• /
• 2011

본 연구는 차량 제원이 유사한 2축 차량의 차종분류에 있어서 정확도를 높이고자 차량 외형의 높이 프로파일을 이용한 차종분류 방안을 제시했다. 차종별 교통량 자료 생성은 도로를 주행하는 차량을 대상으로 AVC장비에서 계측되는 차량 제원들인 축수, 축간거리, 차량길이, 오버행 등을 활용하여 12종 분류 체계에 의해서 분류되고 있다. 그러나 차량 축이 2개인 2축 차량(1~4종 차량)의 경우 승용차(1종)의 다양화, 대형화로 인하여 화물수송용 차량(3종, 4종)의 제원과 유사해짐에 따라 기존 차량분류인자(축수, 축간거리, 차량길이 등)에 의한 차종분류 시 분류 오류가 발생할 수 있다. 이에 본 연구는 이러한 분류상의 한계를 극복하고자 차량 외관의 높이 프로파일 값을 통하여 주행차량의 형태를 파악하고 이를 이용한 차종분류 방법을 제시하였다. 그리고 현장실험을 통하여 제안된 방법의 정확도를 검증하였다.

• 한국전자파학회논문지
• /
• 제26권4호
• /
• pp.404-413
• /
• 2015

대공 레이다에서 표적의 분류는 대 탄도탄 모드 수행의 가장 중요한 부분 중 하나이다. 대 탄도탄 모드에서는 항공기와 탄도탄을 분류하여 각 표적에 따른 대응 방법을 결정한다. 표적 분류의 속도와 정확도는 적의 공격에 대한 대응 능력과 직접적인 관련이 있으므로, 효율적이고 정확한 표적 분류 알고리즘이 필수적이다. 일반적으로, 레이다는 표적 분류를 위해 JEM(Jet Engine Modulation) 및 HRR(High Range Resolution), ISAR(Inverse Synthetic Array Radar) 영상 등을 사용하는데, 이러한 기법들은 표적 분류를 위한 별도의(광대역 등) 레이다 파형과 DB(Data Base) 및 분류 알고리즘을 요구한다. 본 논문은 별도의 파형 없이 실제 다기능 레이다에서 적용 가능한 표적 분류 기법을 제안한다. 특징 벡터로 추적 시 얻은 표적의 운동학적인 특징(kinematics features)을 이용하여 레이다 하드웨어 및 시간 관점에서 레이다 자원을 아끼고, 구현이 간단하여 빠르고 상대적으로 정확한 퍼지 논리(fuzzy logic)를 분류 알고리즘으로 사용하여 실제 환경에서의 적용성을 높였다. 항공기의 실측 데이터와 탄도탄의 모의 신호를 사용하여 제안한 분류 알고리즘의 성능과 적합성을 증명하였다.

• 대한전기학회논문지
• /
• 제43권6호
• /
• pp.1027-1035
• /
• 1994

This paper aims to make an artificial arm control strategy. For this, we propose a new feature extraction method and design artificial neural network for the functional classification of myoelectric signal(MES). We first transform the two channel myoelectric signals (MES) for biceps and triceps into frequency domain using fast Fourier transform (FFT). And features were obtained by comparing the magnitudes of ensemble spectrum data and used as inputs to the three-layer neural network for the learning. By changing the number of units in hidden layer of neural network we observed the improvement of classification performance. To observe the effeciency of the proposed scheme we performed experiments for classification of six arm functions to the three subjects. And we obtained on average 94[%] the ratio of classification.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1999년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.386-389
• /
• 1999

In this study, visible and near infrared channels of NOAA/AVHRR data were used to classify land use and vegetation types over Korean peninsula. Analyzing forest stand structures and prediction of forest productivity using satellite data were also reviewed. Land use and land cover classification was made by unsupervised clustering methods. After monthly Normalized Difference Vegetation Index (NDVI) composite images were derived from April to November 1998, the derived composite images were used as temporal feature vector's in this clustering analysis. Visually interpreted, the classification result was satisfactory in overall for it matched well with the general land cover patterns. But subclassification of forests into coniferous, deciduous, and mixed forests were much confused due to the effects of low ground resolution of AVHRR data and without defined classification scheme. To investigate into the forest stand structures, digital forest type maps were used as an ancillary data. Forest type maps, which were compiled and digitalized by Forestry Research Institute, were registered to AVHRR image coordinates. Two data sets were compared and percent forest cover over whole region was estimated by multiple regression analysis. Using this method, other forest stand structure characteristics within the primary data pixels are expected to be extracted and estimated.

• International Journal of Computer Science & Network Security
• /
• 제22권3호
• /
• pp.163-172
• /
• 2022

The interconnection of an enormous number of devices into the Internet at a massive scale is a consequence of the Internet of Things (IoT). As a result, tasks offloading from these IoT devices to remote cloud data centers become expensive and inefficient as their number and amount of its emitted data increase exponentially. It is also a challenge to optimize IoT device energy consumption while meeting its application time deadline and data delivery constraints. Consequently, Fog Computing was proposed to support efficient IoT tasks processing as it has a feature of lower service delay, being adjacent to IoT nodes. However, cloud task offloading is still performed frequently as Fog computing has less resources compared to remote cloud. Thus, optimized schemes are required to correctly characterize and distribute IoT devices tasks offloading in a hybrid IoT, Fog, and cloud paradigm. In this paper, we present a detailed survey and classification of of recently published research articles that address the energy efficiency of task offloading schemes in IoT-Fog-Cloud paradigm. Moreover, we also developed a taxonomy for the classification of these schemes and provided a comparative study of different schemes: by identifying achieved advantage and disadvantage of each scheme, as well its related drawbacks and limitations. Moreover, we also state open research issues in the development of energy efficient, scalable, optimized task offloading schemes for Fog computing.

• 한국지능시스템학회논문지
• /
• 제13권2호
• /
• pp.209-215
• /
• 2003

A new GA-based methodology using information granules is suggested for the construction of fuzzy classifiers. The proposed scheme consists of three steps: selection of information granules, construction of the associated fuzzy sets, and tuning of the fuzzy rules. First, the genetic algorithm (GA) is applied to the development of the adequate information granules. The fuzzy sets are then constructed from the analysis of the developed information granules. An interpretable fuzzy classifier is designed by using the constructed fuzzy sets. Finally, the GA are utilized for tuning of the fuzzy rules, which can enhance the classification performance on the misclassified data (e.g., data with the strange pattern or on the boundaries of the classes). To show the effectiveness of the proposed method, an example, the classification of the Iris data, is provided.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.6-10
• /
• 2007

Classification of hyperspectral images is challenging. A very high dimensional input space requires an exponentially large amount of data to adequately and reliably represent the classes in that space. In other words in order to obtain statistically reliable classification results, the number of necessary training samples increases exponentially as the number of spectral bands increases. However, in many situations, acquisition of the large number of training samples for these high-dimensional datasets may not be so easy. This problem can be overcome by using multiple classifiers. In this paper we compared the effectiveness of two approaches for creating multiple classifiers, feature selection and feature extraction. The methods are based on generating multiple feature subsets by running feature selection or feature extraction algorithm several times, each time for discrimination of one of the classes from the rest. A maximum likelihood classifier is applied on each of the obtained feature subsets and finally a combination scheme was used to combine the outputs of individual classifiers. Experimental results show the effectiveness of feature extraction algorithm for generating multiple classifiers.