• 한국통신학회논문지
• /
• 제17권10호
• /
• pp.1100-1108
• /
• 1992

AJ 시스템의 비트 오류 확률의 정확한 계산은 매우 어렵거나 불가능하므로 비트 오류 확률의 Chernoff상한을 구하여 시스템의 성능 분석을 하는 것이 매우 유용하다. 부호 채널에 대한 cutoff rate의 계산은 비교적 용이하므로, AJ 시스템의 부호화 비트 오율의 상한은 AWGN 채널에서의 비트오율의 상한이 cutoff rate의 항으로 직접 구해지는 관계를 이용하여 구할 수 있다. 본 논문에서는 부호 기법을 적용한 통신 시스템에 대하여 적용할 수 있는 비트 오류 확률의 상한에 대한 일반적인 표현식을 소개하고 그 결과를 이용하여 Trumpis 부호를 적용한 FH/MFSK 시스템의 광대역 및 부분 대역 잡음 재밍에 대한 성능 분석을 하였고 아울러 채널 측정을 통해 부가적으로 제공될 수 있는 재머의 상태 정보가 비트 오류 확률에 미치는 효과도 계산함으로써 위의 사실을 입증하였다.

• 한국통신학회논문지
• /
• 제32권2B호
• /
• pp.124-132
• /
• 2007

이기종망간의 핸드오프 시, TCP는 새로운 망 환경에서 최적의 전송 CWND 값을 갖기까지 비효율적인 전송을 하게 된다. 본 논문에서는 이러한 전송상태에서의 SACK TCP와 BIC TCP의 성능과 이에 영향을 미치는 요소들을 분석하였다. 수치적 분석과 시뮬레이션 분석을 통하여, BIC TCP가 SACK TCP보다 훨씬 좋은 성능을 보여주었으며, RTT와 전송대역의 변화에 대해서도 좋은 성능을 보여 주었음을 알 수 있었다.

• 방송공학회논문지
• /
• 제24권6호
• /
• pp.1024-1034
• /
• 2019

음악에 대한 선호도는 다양한 요소들에 의해 결정되며, 추천의 이유를 보여주는 특성을 발굴하는 것은 음악 추천에 있어 중요하다. 본 논문은 가수 인식 작업을 통해 학습한 모델을 활용하여 다양한 음악적 특성을 반영하는 요소들 중 가수의 목소리 특성을 추출하는 방법을 제안한다. 배경음이 포함된 음원 역시 활용할 수 있지만, 음원에 포함된 배경음은 네트워크가 가수의 목소리를 온전하게 인식하는 것을 방해할 수 있다. 이를 해결하기 위해 본 연구에서는 음원 분리를 통해 배경음을 분리하는 사전 작업을 수행하고자 하며, SiSEC에 등장해 검증된 모델 구조를 활용하여 분리된 보컬로 이루어진 데이터 세트를 생성한다. 최종적으로 분리된 보컬을 활용하여 아티스트의 목소리를 반영하는 음색 기반 음악 특성을 발굴하고자 하며, 배경음이 분리되지 않은 음원을 활용한 기존 방법과의 비교를 통해 음원 분리의 효과를 알아보고자 한다.

• 한국안전학회지
• /
• 제34권6호
• /
• pp.50-57
• /
• 2019

In this study, various types of deep learning models that have been proposed recently are classified according to data input / output types and analyzed to find the deep learning model suitable for constructing a crack detection model. First the deep learning models are classified into image classification model, object segmentation model, object detection model, and instance segmentation model. ResNet-101, DeepLab V2, Faster R-CNN, and Mask R-CNN were selected as representative deep learning model of each type. For the comparison, ResNet-101 was implemented for all the types of deep learning model as a backbone network which serves as a main feature extractor. The four types of deep learning models were trained with 500 crack images taken from real concrete structures and collected from the Internet. The four types of deep learning models showed high accuracy above 94% during the training. Comparative evaluation was conducted using 40 images taken from real concrete structures. The performance of each type of deep learning model was measured using precision and recall. In the experimental result, Mask R-CNN, an instance segmentation deep learning model showed the highest precision and recall on crack detection. Qualitative analysis also shows that Mask R-CNN could detect crack shapes most similarly to the real crack shapes.

• 한국정보통신학회논문지
• /
• 제8권3호
• /
• pp.721-726
• /
• 2004

영상의 이진화는 문자 인식, 영상 분석 등 다양한 영상 처리 분야의 전처리 과정으로 자주 적용되고 있다. 영상 이진화는 임계치의 설정에 따라 처리 성능이 좌우되며, 대부분의 기존 이진화 방법은 밝기 값의 히스토그램을 사용하여 평균 밝기 값이나 히스토그램의 골짜기를 임계치로 설정한다. 이와 같은 방법은 양봉의 특징을 보이지 않거나 특정 영상을 추출하려는 경우에는 적절한 임계치를 얻기 어렵다. 따라서 본 논문에서는 그레이 스케일 영상에서 밝기 값을 여러 구간으로 분할하여 각 구간의 밝기 평균값을 구하고, 두 개의 구간에 대해 평균값 사이의 거리를 각 구간에서 평균값과 양극과의 거리 비율로 나누어서 계산된 값을 두 개의 구간을 합친 새로운 구간의 임계치로 설정한다. 최종적으로 하나의 구간이 생성될 때까지 구간 통합과 임계값 계산을 반복함으로써 이진화 임계값을 산출한다. 제안된 이진화 방법의 성능을 평가하기 위하여 다양한 종류의 영상에 적용한 결과, 기존의 이진화 방법들보다 효율적인 것을 확인하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제35권1호
• /
• pp.29-43
• /
• 2008

RDF 온톨로지는 XML 트리 모델을 이용하여 표현할 수 있다. 그러나 XML 문서를 보호하기 위해 개발된 XML 보안 모델을 RDF 온톨로지에 적용하는 방법은 부적합하다. RDF는 그래프 모델로서 추론 기능을 제공하므로 새로운 보안 모델의 개발이 요구된다. 이 논문에서는 RDF 온톨로지 접근 제어를 위한 새로운 질의 지향 모델을 제안한다. 제안 모델은 3 계층 온톨로지 뷰를 이용하여 사용자 질의를 재작성한다. 이를 통해 제안 모델은 추론 규칙에 따라 추론 모델을 생성하는 기존 접근 방법의 문제점을 해결한다. 사용자가 방문할 수 있는 접근 가능한 온톨로지 개념들과 인스턴스들을 각각 온톨로지 뷰로서 정의하며, 또한 추론 질의에 대한 제어를 위해 정의한 추론 뷰를 통해 사용자의 추론 기능을 제어할 수 있다. 이 논문에서는 3 계층 뷰를 정의하고 이에 따라 질의를 재작성하는 알고리즘에 대하여 기술한다. 시스템 구조와 구현된 프로토타입에 대하여 기술한다. 마지막으로. 제안 모델과 기존 접근 방법에 대한 실험 및 평가 결과에 대하여 기술한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권1_2호
• /
• pp.53-64
• /
• 2002

연관규칙 탐사기법은 트랜잭션들을 대상으로 항목간 또는 속성간의 연관관계를 발견하는 방법으로, 데이터 집합의 구조를 쉽게 통찰할 수 있다는 장점으로 인하여 활발히 연구되어 왔다. 그러나 현재까지의 연구들은 전체 사용자 중 공통적인 특성을 지닌 사용자 그룹이 존재할 경우, 이러한 그룹별 연관규칙을 찾아낼 수 없다는 한계점을 지닌다. 본 논문에서는 이러한 점을 해결하기 위하여, 속성선택 및 사용자 구분 기법을 이용하여 사용자를 부분집합으로 구분하고 그 부분집합별로 연관규칙을 발견한다. 또한 위와 같이 얻어진 지역적 연관규칙이 전체 사용자를 대상으로 한 전역적 연관규칙보다 해당 부분집합에 더욱 적합하다는 사실을 여러 연관규칙 평가치를 이용하여 평가한다.

• Journal of Information Processing Systems
• /
• 제14권3호
• /
• pp.751-770
• /
• 2018

Web applications are indispensable in the software industry and continuously evolve either meeting a newer criteria and/or including new functionalities. However, despite assuring quality via testing, what hinders a straightforward development is the presence of defects. Several factors contribute to defects and are often minimized at high expense in terms of man-hours. Thus, detection of fault proneness in early phases of software development is important. Therefore, a fault prediction model for identifying fault-prone classes in a web application is highly desired. In this work, we compare 14 machine learning techniques to analyse the relationship between object oriented metrics and fault prediction in web applications. The study is carried out using various releases of Apache Click and Apache Rave datasets. En-route to the predictive analysis, the input basis set for each release is first optimized using filter based correlation feature selection (CFS) method. It is found that the LCOM3, WMC, NPM and DAM metrics are the most significant predictors. The statistical analysis of these metrics also finds good conformity with the CFS evaluation and affirms the role of these metrics in the defect prediction of web applications. The overall predictive ability of different fault prediction models is first ranked using Friedman technique and then statistically compared using Nemenyi post-hoc analysis. The results not only upholds the predictive capability of machine learning models for faulty classes using web applications, but also finds that ensemble algorithms are most appropriate for defect prediction in Apache datasets. Further, we also derive a consensus between the metrics selected by the CFS technique and the statistical analysis of the datasets.

• 대한교통학회지
• /
• 제28권2호
• /
• pp.45-52
• /
• 2010

본 논문의 목적은 고속도로 교통사고로 인한 비 반복적 발생 혼잡을 추정하기 위한 방법을 개발하고, 개발된 방법을 국내 고속도로 교통사고에 적용하여 비 반복적 발생 혼잡을 추정하는 것이다. 교통사고로 인한 비 반복적 발생 혼잡은 반복적으로 혼잡이 발생하는 지역에서도 발생하기 때문에, 반복적으로 발생하는 혼잡과 비 반복적으로 발생하는 혼잡의 구분이 매우 중요하다. 이를 위해 본 논문에서는 각 구간별, 시간대별 평균속도와 교통사고로 인해 낮아진 속도와의 차이를 활용하였다. 본 연구에서는 제안된 방법을 활용하여 2008년 1년간 수집된 교통류 자료와 2008년에 발생된 교통사고 자료의 융합을 통한 비 반복적 발생 혼잡을 추정하였다. 이러한 교통사고로 인한 비 반복적 발생 혼잡은 교통사고 관련 개선 프로그램의 효과분석, 교통사고 대응 전략의 수립, 비 반복적 발생 혼잡비용의 추정을 통한 교통혼잡비용의 추정방법의 개선 등에 활용될 수 있을 것으로 판단된다.

• 한국멀티미디어학회논문지
• /
• 제19권9호
• /
• pp.1679-1689
• /
• 2016

Recently, due to the rapid development of multimedia technologies, as image data has been extensive and large-scaled, the problem of increasing the time needed to retrieve the desired image is gradually critical. Image retrieval system that allows users to quickly and accurately search for the desired image information has been researched for a long time. However, in the case of content-based image retrieval representative Color Histogram, Color Coherence Vectors (CCV), Scale Invariant Feature Transform (SIFT) used in sensitive to changes in brightness, rotation, there is a problem that can occur misrecognized division off the power. In this paper, in order to evaluate the video retrieval system proposed, no change in brightness, respectively 0°, 90°, 180°, 270° rotated brightness up based on the case of changing, when the brightness down the results were compared with the performance evaluation of the system is an average of about 2% to provide the difference in performance due to changes in brightness, color histogram is an average of about 12.5%, CCV is an average of about 12.25%, it appeared in the SIFT is an average of about 8.5%, Thus, the proposed system of the variation width of the smallest in average about 2%, was confirmed to be robust to changes in the brightness and rotation than the existing systems.