• 정보과학회 논문지
• /
• 제42권12호
• /
• pp.1535-1543
• /
• 2015

뇌-컴퓨터 인터페이스는 사용자의 뇌전도(Electroencephalogram: EEG)를 획득하여 생각만으로 기계를 제어하거나 신체장애를 가진 사람에게 손 또는 발과 같은 신체를 대신하여 의사 전달 수단으로 사용될 수 있다. 본 논문에서는 동작 상상 EEG를 분류하기 위해 Sub-Band Common Spatial Pattern(SBCSP)를 기반으로 필터 선택을 하지 않는 특징 추출 방법에 대해 연구한다. 4~40Hz의 동작 상상 신호를 4Hz 대역마다 나눈 9개의 서브 밴드에 각각 CSP를 적용한다. 이후 Fisher's Linear Discriminant(FLD)를 사용하여 도출된 값들을 결합한 FLD 점수 벡터에 차원 축소를 위한 Principal Component Analysis(PCA)를 적용하여 클래스 구분을 위한 최적의 평면에 특징을 투영한다. 데이터베이스는 BCI CompetitionIII dataset IVa(2 클래스: 오른손 다리)를 이용하며, 추출된 특징은 Least Squares Support Vector Machine(LS-SVM)의 입력으로 사용된다. 제안된 방법의 성능은 $10{\times}10$ fold cross-validation을 이용하여 분류 정확도로 나타낸다. 본 논문에서 제안하는 방법은 피험자 'aa', 'al', 'av', 'aw', 'ay'에 대하여 각각 $85.29{\pm}0.93%$, $95.43{\pm}0.57%$, $72.57{\pm}2.37%$, $91.82{\pm}1.38%$, $93.50{\pm}0.69%$의 분류 정확도를 보였다.

• 한국축산식품학회지
• /
• 제38권2호
• /
• pp.362-375
• /
• 2018

This study proposed a rapid microscopic examination method for pork freshness evaluation by using the self-assembled hyperspectral microscopic imaging (HMI) system with the help of feature extraction algorithm and pattern recognition methods. Pork samples were stored for different days ranging from 0 to 5 days and the freshness of samples was divided into three levels which were determined by total volatile basic nitrogen (TVB-N) content. Meanwhile, hyperspectral microscopic images of samples were acquired by HMI system and processed by the following steps for the further analysis. Firstly, characteristic hyperspectral microscopic images were extracted by using principal component analysis (PCA) and then texture features were selected based on the gray level co-occurrence matrix (GLCM). Next, features data were reduced dimensionality by fisher discriminant analysis (FDA) for further building classification model. Finally, compared with linear discriminant analysis (LDA) model and support vector machine (SVM) model, good back propagation artificial neural network (BP-ANN) model obtained the best freshness classification with a 100 % accuracy rating based on the extracted data. The results confirm that the fabricated HMI system combined with multivariate algorithms has ability to evaluate the fresh degree of pork accurately in the microscopic level, which plays an important role in animal food quality control.

• 한국전산구조공학회논문집
• /
• 제35권6호
• /
• pp.357-365
• /
• 2022

냉매 오충전은 에어컨에서 빈번하게 발생하는 고장 모드 중 하나로, 적정 충전량 대비 부족 및 과충전 모두 냉방 성능의 저하를 유발하므로 충전된 냉매량을 정확하게 판단하는 것이 중요하다. 본 연구에서는 퍼지 군집화 기법을 통한 정상상태 식별을 통해 냉매 오충전량을 다중 분류하는 모델을 개발하였다. 정상상태 식별을 위해 에어컨 운전 데이터에 대해 이동 평균 간의 차이를 활용한 퍼지 군집화 알고리즘을 적용하였으며, IFDR를 통해 기존 연구된 정상상태 판단 기법들과 식별 결과를 비교하였다. 이후, 시스템 내 상관성을 고려한 mRMR을 이용해 특징을 선택하였으며, 도출된 특징을 이용해 SVM 기반의 다중 분류 모델이 생성되었다. 제안된 방법은 시험 데이터를 통해 만족할 만한 분류 정확도와 강건성을 도출하였다.

• 전자공학회논문지CI
• /
• 제45권6호
• /
• pp.139-146
• /
• 2008

특수 분장을 이용하여 매우 정교하게 제작된 가면을 쓴 얼굴 위변조의 경우 일반적인 밝기 영상으로는 검출이 용이하지 않다. 최근의 획기적인 특수 분장 기술 발전을 고려할 때 성공적인 얼굴 인식시스템 개발을 위해 가면을 쓴 얼굴 위변조 검출 연구는 매우 중요하다. 본 연구에서는 물질의 재질 및 표면 색상에 따른 반사율의 차이를 기반으로 가면을 착용하는 얼굴 위변조 검출 방법을 제안한다. 우선 실제 얼굴 인식 시스템의 적용 환경을 고려할 때 알비도(albedo)를 단순히 빛의 반사량, 즉, 영상에서의 그레이 값으로 간략화 할 수 있음을 보였다. 이를 기반으로 850nm 적외선 조명이 얼굴 피부와 가면재질의 구분에 가장 적합하고, 인종 간 다른 피부색에 대해서는 685nm 조명에서 뚜렷한 차이를 보임을 알 수 있었다. 이 두 파장대의 조명하에서 측정한 영상의 그레이 값으로 2D 특징 벡터를 만들어 사용하면 특징 공간 상에서의 얼굴 피부와 가면 재료의 분포는 선형적으로 분리가 가능한 분포를 갖게 되는 것을 알 수 있었다. Fisher Linear Discriminant(FLD)를 적용하여 97.8%의 가면 얼굴 검출율을 얻을 수 있었다. 제안하는 방법은 기존의 상용 얼굴 인식 시스템에 매우 적은 비용과 간단한 방법으로 추가 적용하여 모든 인종에 대한 얼굴 위변조 검출이 가능하다.

• 한국응용곤충학회지
• /
• 제54권4호
• /
• pp.443-448
• /
• 2015

참나무시들음병 매개충인 광릉긴나무좀(Platypus koryoensis (Murayama))(Coleoptera: Platypodidae)의 에탄올과 신갈나무 수피 추출물의 유인효과에 대하여 조사하였다. 유인트랩과 유인목 시험에서는 에탄올과 신갈나무 수피 추출물을 사용한 처리구가 대조구(무처리)보다 높은 유인효과를 나타내었으나, 두 유인제 간의 유의성은 찾지 못하였다. 유인목의 직경별 침입공 수를 비교한 결과, 침입공 수는 직경이 클수록 증가하였다. 유인목의 횡단면 상부와 하부 침입공 수를 비교한 결과, 상부보다 하부에 침입공이 많았고, 통계적으로 유의한 차이(p<0.05)를 나타내었는데, 이는 직사광선에 의한 건조가 적은 하부가 매개충의 먹이가 되는 미생물 번식에 유리하기 때문이라고 추정되었다. 결과적으로 신갈나무 수피 추출물보다 비용 면에서 경제적인 에탄올이 광릉긴나무좀 모니터링 및 방제에 효율적으로 활용될 수 있을 것이며, 신갈나무 수피 추출물은 효율을 높일 수 있는 계속적인 연구의 필요성이 있다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.105-122
• /
• 2019

텍스트 데이터가 특정 범주에 속하는지 판별하는 문장 분류에서, 문장의 특징을 어떻게 표현하고 어떤 특징을 선택할 것인가는 분류기의 성능에 많은 영향을 미친다. 특징 선택의 목적은 차원을 축소하여도 데이터를 잘 설명할 수 있는 방안을 찾아내는 것이다. 다양한 방법이 제시되어 왔으며 Fisher Score나 정보 이득(Information Gain) 알고리즘 등을 통해 특징을 선택 하거나 문맥의 의미와 통사론적 정보를 가지는 Word2Vec 모델로 학습된 단어들을 벡터로 표현하여 차원을 축소하는 방안이 활발하게 연구되었다. 사전에 정의된 단어의 긍정 및 부정 점수에 따라 단어의 임베딩을 수정하는 방법 또한 시도하였다. 본 연구는 문장 분류 문제에 대해 선택적 단어 제거를 수행하고 임베딩을 적용하여 문장 분류 정확도를 향상시키는 방안을 제안한다. 텍스트 데이터에서 정보 이득 값이 낮은 단어들을 제거하고 단어 임베딩을 적용하는 방식과, 정보이득 값이 낮은 단어와 코사인 유사도가 높은 주변 단어를 추가로 선택하여 텍스트 데이터에서 제거하고 단어 임베딩을 재구성하는 방식이다. 본 연구에서 제안하는 방안을 수행함에 있어 데이터는 Amazon.com의 'Kindle' 제품에 대한 고객리뷰, IMDB의 영화리뷰, Yelp의 사용자 리뷰를 사용하였다. Amazon.com의 리뷰 데이터는 유용한 득표수가 5개 이상을 만족하고, 전체 득표 중 유용한 득표의 비율이 70% 이상인 리뷰에 대해 유용한 리뷰라고 판단하였다. Yelp의 경우는 유용한 득표수가 5개 이상인 리뷰 약 75만개 중 10만개를 무작위 추출하였다. 학습에 사용한 딥러닝 모델은 CNN, Attention-Based Bidirectional LSTM을 사용하였고, 단어 임베딩은 Word2Vec과 GloVe를 사용하였다. 단어 제거를 수행하지 않고 Word2Vec 및 GloVe 임베딩을 적용한 경우와 본 연구에서 제안하는 선택적으로 단어 제거를 수행하고 Word2Vec 임베딩을 적용한 경우를 비교하여 통계적 유의성을 검정하였다.