• Journal of Multimedia Information System
• /
• 제7권1호
• /
• pp.17-24
• /
• 2020

Rice (Oryza Sativa) is an important source of food for the people of our country, even though of world also .It is also considered as the staple food of our country and we know agriculture is the main source country's economy, hence the crop of Rice plays a vital role over it. For increasing the growth and production of rice crop, ground-breaking technique for the detection of any type of disease occurring in rice can be detected and categorization of rice crop diseases has been proposed in this paper. In this research paper, we perform comparison between two classifiers namely MDC and Bayes' classifiers Survey over different digital image processing techniques has been done for the detection of disease in rice crops. The proposed technique involves the samples of 200 digital images of diseased rice leaf images of five different types of rice crop diseases. The overall accuracy that we achieved by using Bayes' Classifiers and MDC are 69.358 percent and 81.06 percent respectively.

• 비파괴검사학회지
• /
• 제13권2호
• /
• pp.11-19
• /
• 1993

원자력발전소의 주요 압력용기 용접부에 대한 초음파검사시 결함의 특성과 형태에 대한 정확한 분류는 원자력 발전소의 안전성을 확보하기 위한 결함평가에 중요한 요소이다. 본 연구에서 초음파검사에서 얻어진 결함신호를 digital signal processing 기법으로 처리하여 결함의 특성과 형태를 구분할 수 있는 feature vector를 추출하고 결함의 형태를 형상 인식법을 사용하여 분류 하였다. Training specimen(slit, hole)의 신호와 testing specimen(crack, slag)의 신호를 구분하기 위한 실험에서 사용된 통계적 pattern recognition algorithm은 minimum distance classifier와 maximum likelihood classifier이다. 이러한 형상 classifier를 이용하여 결함의 특성을 정량적으로 분류하여 결함 평가 능력을 향상시켰다.

• 한국군사과학기술학회지
• /
• 제10권4호
• /
• pp.88-96
• /
• 2007

This paper discusses the fast modulation classifiers capable of classifying both analog and digital modulation signals in wireless communications applications. A total of 7 statistical signal features are extracted and used to classify 9 modulated signals. In this paper, we investigate the performance of the two types of fast modulation classifiers (i.e. 2 nearest neighbor classifiers and 2 minimum distance classifiers) and compare the performance of these classifiers with that of the state of the art for the existing classification methods such as SVM Classifier. Computer simulations indicate good performance on an AWGN channel, even at low signal-to-noise ratios, in case of minimum distance classifiers (MDC for short) and k nearest neighbor classifiers (kNNC for short). Besides a good performance, these type classifiers are considered as ideal candidate to adapt real-time software radio because of their fast modulation classification capability.

• 대한전기학회논문지:전력기술부문A
• /
• 제50권3호
• /
• pp.112-119
• /
• 2001

This paper proposes an adaptive reclosing scheme which is based on the classification of fault patterns. In case that the first reclosing is unsuccessful in distribution system employing with two-shot reclosing scheme, the proposed method can determine whether the second reclosing will be attempted of not. If the first reclosing is unsuccessful two fault currents can be measured before the second reclosing is attempted, where these two fault currents are utilized for an adaptive reclosing scheme. Total harmonic distortion and RMS are used for extracting the characteristics of two fault currents. And the pattern of two fault currents is respectively classified using a mountain clustering method a minimum-distance classifier. Mountain clustering method searches the cluster centers using the acquired past data. And minimum-distance classifier is used for classifying the measured two currents into one of the searched centers respectively. If two currents have the different pattern it is interpreted as temporary fault. But in case of the same pattern, the occurred fault is interpreted as permanent. The proposed method was tested for the fault data which had been measured in KEPCO's distribution system, and the test results can demonstrate the effectiveness of the adaptive reclosing scheme.

• 한국통신학회논문지
• /
• 제32권4C호
• /
• pp.425-432
• /
• 2007

본 논문에서는 사전정보 없이 입사하는 신호의 변조 형태를 자동 식별하기 위해 변조타입에 대한 민감도가 우수하고, SNR에 대한 변화가 적은 속성을 가진 7개의 특징(key features)들을 선정하였다. 또한 선정된 특징들을 이용하여 총 9종의 변조 신호(아날로그와 디지털 신호 포함)를 분류하기 위한 시뮬레이션을 수행하였다. 소프트웨어 라디오의 고속 변조 인식기 탑재를 고려하여, 4 타입의 변조인식기에 대한 인식 정확도 및 수행시간을 검토하였다. 시뮬레이션 결과 인식시간은 DTC(Decision Tree Classifier)가 가장 빠르게 수행되었고, 인식정확도는 SVC(Support Vector Machine Classifier)과 MDC(Minimum Distance Classifier)가 우수하게 제시되었다. 변조 인식기의 프로토타입은 처리 속도가 가장 우수한 DTC로 구현되었다. 필드 실험 결과, 인식 성능은 DTC 시뮬레이션 결과와 일치하는 것을 확인하였다.

• 전자공학회논문지B
• /
• 제32B권5호
• /
• pp.77-86
• /
• 1995

In this paper in order to reduce the encoding complexity required in the full search vector quantization(VQ), a new classified vector quantization(CVQ) technique is described employing the minimum-distance classifier. The determination of the optimal subcodebook sizes for each class is an important task in CVQ designs and is not an easy work. Therefore letting the subcodebook sizes be equal. A CVQ technique. Which satisties the optimal CVQ condition approximately, is proposed. The proposed CVQ is a kind of the partial search VQ because it requires a search process within each subcodebook only, and the minimum encoding complexity since the subcodebook sizes are the same in each class. But simulation results reveal while the encoding complexity is only O(N$^{1/2}$) comparing with O(N) of the full-search VQ. A simple systolic array, which has the through-put of k, is also proposed for the implementation of the VQ. Since the operation of the classifier is identical with that of the VQ, the proposed array is applied to both the classifier and the VQ in the proposed CVQ, which shows the usefulness of the proposed CVQ.

• 비파괴검사학회지
• /
• 제10권2호
• /
• pp.23-31
• /
• 1990

Acoustic Emission(AE) signals obtained during fracture toughness test and fatigue test for nuclear pressure vessel material(SA 508 cl.3) and artificial AE signals from pencil break and ultrasonic pulser were classified using pattern recognition methods. Three different classifiers ; namely Minimum Distance Classifier, Linear Discriminant Classifier and Maximum Likelihood Classifier were used for pattern recognition. In this study, the performance of each classifier was compared. The discrimination of AE signals from cracking and crack surface rubbing was possible and the analysis for crack propagation was applicable by pattern recognition methods.

• 대한전자공학회논문지SP
• /
• 제49권4호
• /
• pp.77-84
• /
• 2012

얼굴인식 기술은 지능형 보안, 웹에서 콘텐츠 검색, 지능로봇의 시각부분, 머신인터페이스 등, 활용이 광범위 하다. 그러나 일반적으로 대상자의 표정과 포즈 변화, 주변의 조명 환경과 같은 문제가 있으며 이와 더불어 원거리에서 획득한 영상의 경우 저해상도를 비롯하여 블러와 잡음에 의한 영상의 열화 등의 여러 가지 어려움이 발생한다. 본 논문에서는 포톤 카운팅(Photon-counting) 선형판별법(Linear Discriminant Analysis)을 이용한 다중 분류기(Classifier)에 의한 판정을 융합하여 얼굴 영상 인식을 수행한다. Fisher 선형판별법은 집단 간 분산을 최대로 하고 집단 내 분산을 최소로 하는 공간으로 선형 투영하는 방법으로, 학습영상의 수가 적을 경우 특이행렬 문제가 발생하지만 포톤카운팅 선형 판별법은 이러한 문제가 없으므로 차원축소를 위한 전 처리 과정이 필요 없다. 본 논문의 다중 분류기는 포톤 카운팅 선형판별법의 유클리드 거리(Euclidean Distance) 또는 정규화된 상관(Normalized Correlation)을 적용하는 판정규칙에 따라 구성된다. 다중분류기의 판정의 융합은 각 분류기 cost의 정규화(Normalization), 유효화(Validation), 그리고 융합규칙(Fusion Rule)으로 구성된다. 각 분류기에서 도출된 cost는 같은 범위로 정규화된 후 유효화 과정에서 선별되고 Minimum, 또는 Average, 또는 Majority-voting의 융합규칙에 의하여 융합된다. 실험에서는 원거리에서 획득한 효과를 구현하기 위하여 고해상도 데이터베이스 영상을 인위적으로 Unfocusing과 Motion 블러를 이용하여 열화하여 테스트하였다. 실험 결과는 다중분류기 융합결과의 인식률은 단일분류기보다 높다는 것을 보여준다.

• 대한전자공학회논문지TC
• /
• 제45권4호
• /
• pp.22-30
• /
• 2008

본 논문은 웨이브릿 변환을 이용하여 사전정보 없이 입사하는 디지털 신호의 변조타입 자동식별 방법에 관한 것이다. 변조인식에 사용되는 특징(key features)은 변조타입에 대한 민감도가 우수하고, SNR에 대한 변화가 적은 속성을 가져야 한다. 잡음에 대한 변화가 적은 속성을 가진 웨이브릿 변환 계수에서 변조인식을 위해 4개의 특징(key features)을 선정하였다. 또한 선정된 특징들을 이용하여 총 8종의 디지털변조 신호를 분류하기 위해 시뮬레이션을 수행하였다. 소프트웨어 라디오의 변조인식 모듈 탑재를 고려하여, 3 타입의 변조인식기에 대한 인식 정확도 및 수행시간을 비교 분석하였다. 시뮬레이션 결과 전체 인식시간은 MDC(Minimum Distance Classifier)와 DTC(Decision Tree Classifier)가 빠르게 수행되었고, 인식정확도는 MDC와 SVMC(Support Vector Machine Classifier)가 우수하게 제시되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권9호
• /
• pp.2191-2201
• /
• 2012

Traffic classification seeks to assign packet flows to an appropriate quality of service (QoS) class based on flow statistics without the need to examine packet payloads. Classification proceeds in two steps. Classification rules are first built by analyzing traffic traces, and then the classification rules are evaluated using test data. In this paper, we use self-organizing map and K-means clustering as unsupervised machine learning methods to identify the inherent classes in traffic traces. Three clusters were discovered, corresponding to transactional, bulk data transfer, and interactive applications. The K-nearest neighbor classifier was found to be highly accurate for the traffic data and significantly better compared to a minimum mean distance classifier.