• 전자공학회논문지CI
• /
• 제42권4호
• /
• pp.43-50
• /
• 2005

본 논문에서는 유전자 알고리즘을 이용한 새로운 적응적 특징 가중치 방식과 클래스별로 적용된 KNN(Nearest -Neighbor) 규칙을 이용한 새로운 패턴 인식 시스템을 제안한다. 패턴 인식 시스템의 성능을 향상시키기 위하여, 새로운 연산자를 갖는 유전자 알고리즘으로 가중치의 중간값을 결정함으로써 과잉 맞춤(overfitting)을 피하면서, 데이터의 분포에 따라 적절한 특징의 가중치를 찾는 새로운 특징 가중치 알고리즘을 제안한다. 또한, 제안하는 방법은 각각의 클래스를 가장 잘 표현하는 특징 공간들을 개별적으로 찾는다. KNN분류기는 클래스별로 찾은 특징 공간들을 이용하여 클래스에 따라 특징 공간을 변화시켜 미지 패턴의 클래스를 예측한다. 제안된 알고리즘은 Concordia대학의 handwritten numeral database에 적용시켜 그 성능을 확인하였다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.139-157
• /
• 2016

앙상블 분류기란 개별 분류기보다 더 좋은 성과를 내기 위해 다수의 분류기를 결합하는 것을 의미한다. 이와 같은 앙상블 분류기는 단일 분류기의 일반화 성능을 향상시키는데 매우 유용한 것으로 알려져 있다. 랜덤 서브스페이스 앙상블 기법은 각각의 기저 분류기들을 위해 원 입력 변수 집합으로부터 랜덤하게 입력 변수 집합을 선택하며 이를 통해 기저 분류기들을 다양화 시키는 기법이다. k-최근접 이웃(KNN: k nearest neighbor)을 기저 분류기로 하는 랜덤 서브스페이스 앙상블 모형의 성과는 단일 모형의 성과를 개선시키는 데 효과적인 것으로 알려져 있으며, 이와 같은 랜덤 서브스페이스 앙상블의 성과는 각 기저 분류기를 위해 랜덤하게 선택된 입력 변수 집합과 KNN의 파라미터 k의 값이 중요한 영향을 미친다. 하지만, 단일 모형을 위한 k의 최적 선택이나 단일 모형을 위한 입력 변수 집합의 최적 선택에 관한 연구는 있었지만 KNN을 기저 분류기로 하는 앙상블 모형에서 이들의 최적화와 관련된 연구는 없는 것이 현실이다. 이에 본 연구에서는 KNN을 기저 분류기로 하는 앙상블 모형의 성과 개선을 위해 각 기저 분류기들의 k 파라미터 값과 입력 변수 집합을 동시에 최적화하는 새로운 형태의 앙상블 모형을 제안하였다. 본 논문에서 제안한 방법은 앙상블을 구성하게 될 각각의 KNN 기저 분류기들에 대해 최적의 앙상블 성과가 나올 수 있도록 각각의 기저 분류기가 사용할 파라미터 k의 값과 입력 변수를 유전자 알고리즘을 이용해 탐색하였다. 제안한 모형의 검증을 위해 국내 기업의 부도 예측 관련 데이터를 가지고 다양한 실험을 하였으며, 실험 결과 제안한 모형이 기존의 앙상블 모형보다 기저 분류기의 다양화와 예측 성과 개선에 효과적임을 알 수 있었다.

• 응용통계연구
• /
• 제31권4호
• /
• pp.507-516
• /
• 2018

결측치를 대치하는 여러가지 단일대치법 중에서 다변량 정규성 등의 모수적 모형이 만족되지 않을 때에도 강건성(robustness)을 지니는 k-최근접 이웃 대치법(k-nearest neighbors; KNN)이 널리 활용된다. KNN대치법에서 자료의 국소적 특징을 반영한 적응 최근접 이웃(adaptive nearest neighbors; ANN) 대치법과 k개의 최근접 이웃들 중 극단값이나 이상값이 있는 경우 이들의 영향에 덜 민감한 가중 k-최근접 이웃(weighted KNN; WKNN) 대치법의 장점을 결합한 가중 적응 최근접 이웃(weighted ANN; WANN) 대치법을 제안하였다. 또한 모의실험을 통하여 기존의 방법들과 제안한 방법을 비교하였다.

• 한국재료학회지
• /
• 제33권4호
• /
• pp.135-141
• /
• 2023

The volatilization of alkali ions in (K,Na)NbO₃ (KNN) ceramics was inhibited by doping them with alkaline earth metal ions. In addition, the grain growth behavior changed significantly as the sintering duration (t_s) increased. At 1,100 ℃, the volatilization of alkali ions in KNN ceramics was more suppressed when doped with alkaline earth metal ions with smaller ionic size. A Ca²⁺-doped KNN specimen with the least alkali ion volatilization exhibited a microstructure in which grain growth was completely suppressed, even under long-term sintering for t_s = 30 h. The grain growth in Sr²⁺-doped and Ba²⁺-doped KNN specimens was suppressed until t_s = 10 h. However, at t_s = 30 h, a heterogeneous microstructure with abnormal grains and small-sized matrix grains was observed. The size and number of abnormal grains and size distribution of matrix grains were considerably different between the Sr²⁺-doped and Ba²⁺-doped specimens. This microstructural diversity in KNN ceramics could be explained in terms of the crystal growth driving force required for two-dimensional nucleation, which was directly related to the number of vacancies in the material.

• 해양환경안전학회:학술대회논문집
• /
• 해양환경안전학회 2017년도 추계학술발표회
• /
• pp.34-34
• /
• 2017

• 대한전기학회논문지:전력기술부문A
• /
• 제48권9호
• /
• pp.1103-1111
• /
• 1999

STACOM will be utilized to control substation voltage in the near future. Although STACOM shows good voltage regulation performance owing to its rapid and continuous response, it needs additional reactive power compensation device to keep control margin for emergency such as fault. ULTC transformer is one of good candidates. This paper presents a Kohonen Neural Network (KNN) based coordination control scheme of ULTC transformer and STACOM. In this paper, the objective function of the coordination control is minimization of both STACOM output and the number of switchings of ULTC transformer while maintaining substation voltage magnitude to the predefined constant value. This coordination, control is performed based on reactive load trend of the substation and KNN which offers optimal tap position in view of STACOM output minimization. The input variables of KNN are active and reactive power of the substation, current tap position, and current STACOM output. The KNN is trained by effective Iterative Condensed Nearest Neighbor (ICNN) rule. This coordination control applied to IEEE 14 bus system and shows satisfactory results.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2010년도 하계학술대회 논문집
• /
• pp.302-302
• /
• 2010

The lead-free piezoelectric ceramics must have high piezoelectric properties and electrical properties for the applications of piezoelectric devices. Therefore, KNN ceramics were investigated as a function of the variation of Nb. The density was increased with the increase of Nb. The density was saturated above 0.8895 mol Nb. The maximum value of electromechanical coupling coefficient(kp) was obtained 0.428 at 0.8895mol Nb. This result can be attributed to the well sintered of specimens. Also, The maximum value of mechanical quality factor(Qm) showed 1554 at 0.8895mol Nb. Therefore, this composition can be used for application of piezoelectric device such as piezoelectric transformer and piezoelectric actuator.

• 전기학회논문지
• /
• 제61권9호
• /
• pp.1336-1339
• /
• 2012

In this paper, we focus on solving the classification problem by using semisupervised learning strategy. Traditional classifiers are constructed based on labeled data in supervised learning. Labeled data, however, are often difficult, expensive or time consuming to obtain, as they require the efforts of experienced human annotators. Unlabeled data are significantly easier to obtain without human efforts. Thus, we use AdaBoost algorithm with SVM-KNN classifier to apply semisupervised learning problem and improve the classifier performance. Experimental results on both artificial and UCI data sets show that the proposed methodology can reduce the error rate.

• Journal of Multimedia Information System
• /
• 제6권2호
• /
• pp.75-80
• /
• 2019

In machine learning, the performance of the system depends upon the nature of input data. The efficiency of the system improves when the behavior of the input data changes from un-normalized to normalized form. This paper experimentally demonstrated the performance of KNN, SVM, LDA and NB on Alzheimer's dataset. The dataset undertaken for the study consisted of 3 classes, i.e. Demented, Converted and Non-Demented. Analysis shows that LDA and NB gave an accuracy of 89.83% and 88.19% respectively in both the cases whereas the accuracy of KNN and SVM improved from 46.87% to 82.80% and 53.40% to 88.75% respectively when input data changed from un-normalized to normalized state. From the above results it was observed that KNN and SVM show significant improvement in classification accuracy on normalized data as compared to un-normalized data, whereas LDA and NB reflect no such change in their performance.

• 한국멀티미디어학회논문지
• /
• 제24권2호
• /
• pp.245-254
• /
• 2021

We proposed the research on an analysis and prediction model that allows the identification of outliers or abnormality in the data followed by effective and rapid imputation of missing values was conducted. This model is expected to analyze efficiently the problems in the data based on the calibrated raw data. As a result, a system that can adequately utilize the data was constructed by using the introduced KNN + MLE algorithm. With this algorithm, the problems in some of the existing KNN-based missing data imputation algorithms such as ignoring the missing values in some data sections or discarding normal observations were effectively addressed. A comparative evaluation was performed between the existing imputation approaches such as K-means, KNN, MEI, and MI as well as the data missing mechanisms including MCAR, MAR, and NI to check the effectiveness/efficiency of the proposed algorithm, and its superiority in all aspects was confirmed.