• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권3호
• /
• pp.1243-1263
• /
• 2018

The two-stage linear discrimination analysis (TSLDA) is a feature extraction technique to solve the small size sample problem in the field of image recognition. The TSLDA has retained all subspace information of the between-class scatter and within-class scatter. However, the feature information in the four subspaces may not be entirely beneficial for classification, and the regularization procedure for eliminating singular metrics in TSLDA has higher time complexity. In order to address these drawbacks, this paper proposes an improved two-stage linear discriminant analysis (Improved TSLDA). The Improved TSLDA proposes a selection and compression method to extract superior feature information from the four subspaces to constitute optimal projection space, where it defines a single Fisher criterion to measure the importance of single feature vector. Meanwhile, Improved TSLDA also applies an approximation matrix method to eliminate the singular matrices and reduce its time complexity. This paper presents comparative experiments on five face databases and one handwritten digit database to validate the effectiveness of the Improved TSLDA.

• 천문학회보
• /
• 제38권1호
• /
• pp.61.1-61.1
• /
• 2013

In this study we apply Support Vector Machine (SVM) to the prediction of geo-effective halo coronal mass ejections (CMEs). The SVM, which is one of machine learning algorithms, is used for the purpose of classification and regression analysis. We use halo and partial halo CMEs from January 1996 to April 2010 in the SOHO/LASCO CME Catalog for training and prediction. And we also use their associated X-ray flare classes to identify front-side halo CMEs (stronger than B1 class), and the Dst index to determine geo-effective halo CMEs (stronger than -50 nT). The combinations of the speed and the angular width of CMEs, and their associated X-ray classes are used for input features of the SVM. We make an attempt to find the best model by using cross-validation which is processed by changing kernel functions of the SVM and their parameters. As a result we obtain statistical parameters for the best model by using the speed of CME and its associated X-ray flare class as input features of the SVM: Accuracy=0.66, PODy=0.76, PODn=0.49, FAR=0.72, Bias=1.06, CSI=0.59, TSS=0.25. The performance of the statistical parameters by applying the SVM is much better than those from the simple classifications based on constant classifiers.

• Smart Structures and Systems
• /
• 제30권4호
• /
• pp.385-395
• /
• 2022

Detecting cracks on a concrete structure is crucial for structural maintenance, a crack being an indicator of possible damage. Conventional crack detection methods which include visual inspection and non-destructive equipment, are typically limited to a small region and require time-consuming processes. Recently, to reduce the human intervention in the inspections, various researchers have sought computer vision-based crack analyses: One class is filter-based methods, which effectively transforms the image to detect crack edges. The other class is using deep-learning algorithms. For example, convolutional neural networks have shown high precision in identifying cracks in an image. However, when the objective is to classify not only the existence of crack but also the types of cracks, only a few studies have been reported, limiting their practical use. Thus, the presented study develops an image processing procedure that detects cracks and classifies crack types; whether the image contains a crazing-type, single crack, or multiple cracks. The properties and steps in the algorithm have been developed using field-obtained images. Subsequently, the algorithm is validated from additional 227 images obtained from an open database. For test datasets, the proposed algorithm showed accuracy of 92.8% in average. In summary, the developed algorithm can precisely classify crazing-type images, while some single crack images may misclassify into multiple cracks, yielding conservative results. As a result, the successful results of the presented study show potentials of using vision-based technologies for providing crack information with reduced human intervention.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.409-418
• /
• 2021

토지피복도는 국토정책, 환경정책을 위한 의사결정 근거 자료로 활용되는 매우 중요한 자료이다. 토지피복도는 원격탐사 자료를 활용하여 제작되는데, 이때 사용되는 데이터의 취득 시기에 따라 동일한 지역을 대상으로 하더라도 분류 결과가 달라질 수 있다. 본 연구에서는 단시기 데이터의 분류 정확도를 개선하기 위해 다중시기 위성영상을 활용하였으며 계절에 따른 지표면의 분광 반사 특성 차이를 딥러닝 알고리즘의 하나인 U-Net 모델에 학습시켜 분류하였다. 또한 단시기 분류 결과와 정확도 비교를 통해 분류 정확도의 향상 정도를 비교하였다. 구역 내에 30%의 녹지와 한강을 포함하여 다양한 토지피복으로 이루어진 서울특별시를 연구대상지로 설정하고 2020년 분기별 Sentinel-2 위성영상을 산출하였다. 대한민국 환경부에서 작성한 세분류 토지피복도를 활용하여 U-Net 모델을 학습시켰다. 학습한 U-Net 모델을 통해 단시기, 2시기, 3시기, 4시기로 모델을 학습하여 분류한 결과, 단시기를 제외하고 토지피복도 분류 정확도 확보기준인 75%를 상회하는 81%, 82% 79%의 정확도를 나타냈다. 이를 통해 다중 시계열 학습을 통해 토지피복의 분류 정확도 향상이 가능하다는 것을 확인하였다.

• Journal of Animal Science and Technology
• /
• 제51권2호
• /
• pp.97-104
• /
• 2009

교류와 경쟁력 향상을 위해서는 검정기준, 평가방법과 모델 등에 많은 보완이 필요하다. 따라서, 본 연구는 현재 국내의 50단계의 심사점수를 낙농선진국에서 채택하고 있는 9점제로의 변환을 통해 국제기준을 국내 현실에 맞게 적용하기 위해 실시했다. 분석에는 한국 종축개량협회(KAIA)의 젖소에 대한 혈통기록 및 2001에서 2006년도 사이에 실시된 체형 측정 기록 중 최종점수와 15개 체형형질에 대해 초산차의 기록을 갖는 32,487두의 암소집단의 선형심사기록 자료가 이용되었다. 9점제로 변경한 집단이 더욱 정규성을 띄는 분포 특성을 나타내었다. 상관분석결과에서도 모든 형질에서 50점제와 9점제 심사 점수간에 0.98 이상의 상관계수를 나타내었다. 따라서, 50 점제에서 9점제로의 변경이 가능할 것으로 판단된다. 하지만, 9점제로의 변환 후 모든 형질에서 심사자에 따라 고도의 유의성을 보였고(P<0.001), 점수제간 F값은 발굽기울기와 앞유방의 붙음성은 심사자간 변이가 비교적 높게 나타났다. 이것은 9점제로의 변환 후에도 심사자의 주관적인 요소가 점수에 영향을 미치는 것을 의미한다. 따라서, 선형형질 점수제 변환은 환경효과에 대한 다양한 분석을 통하여 적합성 여부를 결정해야 할 것이다.

• 대한핵의학회지
• /
• 제28권3호
• /
• pp.307-312
• /
• 1994

Interictal single photon emission computed tomography of regional cerebral blood flow (rCBF SPECT) in 18 intractable temporal lobe epilepsy patients(8 male and 10 female patients: average 23.5 years old) were compared with 2.0 T magnetic resonance imaging (MRI). And surgical outcome was analysed with the findings, symptom duration and lateralization of temporal lobe. Preoperatively rCBF SPECT was done in all 18 patients with intravenous injection of 740 MBq 99mTc-HMPAO. MRI was also done preoperatively in 13 patients. Surgical outcome was classified by Engel's outcome classification(four-part classification recommended at the first Palm Desert conference). rCBF SPECT detected correctly lateralising abnormality of temporal lobe hypoperfusion in 13/18(72.2%), contralateral temporal lobe hypoperfusion in 2/18(11.1%) and showed no def-inite abnormality in 3/18(16.7%). The positive predictive value of unilateral temporal lobe hypoperfusion was 87%. MRI detected correct localising abnormality in 8/13(61.5%), such as hippocampal atrophy(7/13), asymmetric temporal horn(6/13), anterior temporal lobe atrophy(1/13), increased signal intensity from hippocampus(1/13) and calcific density(1/13), and no abnormal finding was noted in 5/13(38.5%). There was no false positive findings and the positive predictive value of MRI was 100%. Only 2 cases showed same lateralization findings in rCBF SPECT and MRI. There was no significant correlation between symptom duration and no abnormal findings on SPECT or MRI. Surgical outcome showed class I in 15/18(83.3%), and class II in 2/18(11.1%). One case of no abnormal finding in both SPECT and MRI showed class III surgical outcome. No class IV surgical outcome was noted. Surgical outcome, lateralization of epileptic focus in temporal lobe and abnormal findings in rCBR SPECT or MRI were not significantly correlated.

• 한국융합학회논문지
• /
• 제9권7호
• /
• pp.1-7
• /
• 2018

데이터 전처리 기법 중 하나인 특징 선택은 대규모 데이터셋을 다루는 다양한 응용분야에서 주요 연구 분야 중 하나로 각광받고 있다. 특징 선택은 패턴 인식, 기계학습 및 데이터 마이닝에서 사용됐고, 최근에는 텍스트 분류, 이미지 검색, 침입 탐지 및 게놈 분석과 같은 다양한 분야에 널리 적용되고 있다. 제안 방법은 메타 휴리스틱 알고리즘 중의 하나인 유전 알고리즘을 기반으로 한다. 특징 부분 집합을 찾는 방법은 크게 필터(filter) 방법과 래퍼(wrapper) 방법이 있는데, 본 연구에서는 최적의 특징 부분 집합을 찾기 위해 실제 분류기를 사용한 평가를 하는 래퍼 방법을 사용한다. 실험에 사용한 훈련 데이터셋은 클래스 불균형이 심하여 희소클래스에 대한 분류 성능을 높이기 어렵다. SMOTE 기법을 적용한 훈련 데이터셋을 사용하여 특징 선택을 하고 다양한 기계학습 알고리즘을 사용하여 선택한 특징들의 성능을 평가한다.

• Journal of Dental Anesthesia and Pain Medicine
• /
• 제17권3호
• /
• pp.199-204
• /
• 2017

Background: Anxiety control remains an important concern in dental practice. We evaluated the incidence, nature, and sequelae of complications during and after minor oral surgeries performed under intravenous midazolam and fentanyl sedation using the titration technique. Method: The medical records of patients who had undergone minor oral surgeries under moderate intravenous midazolam and fentanyl sedation at our institution between January 1, 2015 and December 31, 2015 were retrospectively evaluated. Age, sex, body mass index, medical history, American Society of Anesthesiologists (ASA) classification, indications for sedation, amount of sedative used, surgical duration, and recovery time were evaluated for all patients. Results: In total, 107 patients aged 9-84 years were included. ASA class I and class II were observed for 56.1% and 43.9% patients, respectively. Complications associated with sedation occurred in 11 (10.2%) patients. There were no serious adverse events. Oxygen saturation reached 95% during the procedure in six patients; this was successfully managed by stimulating the patients to take a deep breath. Two patients exhibited deep sedation and one exhibited paradoxical excitement. After the procedure, one patient experienced nausea without vomiting and one exhibited a prolonged recovery time. The surgical procedures were completed in all patients. Obesity was found to be significantly associated with sedation-related complications. Conclusion: Our results suggest that complications associated with intravenous midazolam and fentanyl sedation using the titration technique for minor oral surgeries are mostly minor and can be successfully managed with no prolonged sequelae.

• 지능정보연구
• /
• 제23권1호
• /
• pp.47-67
• /
• 2017

강판 표면 결함은 강판의 품질과 가격을 결정하는 중요한 요인 중 하나로, 많은 철강 업체는 그동안 검사자의 육안으로 강판 표면 결함을 확인해왔다. 그러나 시각에 의존한 검사는 통상 30% 이상의 판단 오류가 발생함에 따라 검사 신뢰도가 낮은 문제점을 갖고 있다. 따라서 본 연구는 Simultaneous MTS (S-MTS) 알고리즘을 적용하여 보다 지능적이고 높은 정확도를 갖는 새로운 강판 표면 결함 진단 시스템을 제안하였다. S-MTS 알고리즘은 단일 클래스 분류에는 효과적이지만 다중 클래스 분류에서 정확도가 떨어지는 기존 마할라노비스 다구찌시스템 알고리즘(Mahalanobis Taguchi System; MTS)의 문제점을 해결한 새로운 알고리즘이다. 강판 표면 결함 진단은 대표적인 다중 클래스 분류 문제에 해당하므로, 강판 표면 결함 진단 시스템 구축을 위해 본 연구에서는 S-MTS 알고리즘을 채택하였다. 강판 표면 결함 진단 시스템 개발은 S-MTS 알고리즘에 따라 다음과 같이 진행하였다. 첫째, 각 강판 표면 결함 별로 개별적인 참조 그룹 마할라노비스 공간(Mahalanobis Space; MS)을 구축하였다. 둘째, 구축된 참조 그룹 MS를 기반으로 비교 그룹 마할라노비스 거리(Mahalanobis Distance; MD)를 계산한 후 최소 MD를 갖는 강판 표면 결함을 비교 그룹의 강판 표면 결함으로 판단하였다. 셋째, 강판 표면 결함을 분류하는 데 있어 결함 간의 차이점을 명확하게 해주는 예측 능력이 높은 변수를 파악하였다. 넷째, 예측 능력이 높은 변수만을 이용해 강판 표면 결함 분류를 재수행함으로써 최종적인 강판 표면 결함 진단 시스템을 구축한다. 이와 같은 과정을 통해 구축한 S-MTS 기반 강판 표면 결함 진단 시스템의 정확도는 90.79%로, 이는 기존 검사 방법에 비해 매우 높은 정확도를 갖는 유용한 방법임을 보여준다. 추후 연구에서는 본 연구를 통해 개발된 시스템을 현장 적용하여, 실제 효과성을 검증할 필요가 있다.

• 대한심미치과학회지
• /
• 제25권1호
• /
• pp.15-24
• /
• 2016

전치부에서는 비록 임플란트가 기능적으로 문제가 없다고 하더라도 심미적인 문제가 있다면 실패로 간주한다. 2003년 Kan은 임플란트의 골 레벨은 인접치아의 골 레벨에 의해 결정된다고 보고하였다. 그 후로 많은 학자들이 인접치아의 골 소실이 있는 증례에서 어떻게 심미적 결과를 얻을 수 있는지에 대하여 연구해왔다. 2012년 Takino가 지금까지 여러 저널을 정리 및 분류하여 Class 1부터 4로 발표하였다. Class 1과 2는 인접치의 골소실이 없는 경우, Class 3,4는 인접치의 골소실이 있는 경우로 나누어서 각 분류마다 최적의 심미를 얻을 수 있는 방법에 대하여 설명하였다. 인접치의 골소실이 없는 경우에는 쉽게 심미적 결과를 얻을 수 있으나 인접치까지 골소실이 있는 경우는 수술이 복잡해지고 심미적 결과를 장담하기 힘들다. 따라서 장기적인 안정적 결과를 유지하기 위해서는 인접치에 대한 골재생술이 필요하다. 하지만 그 과정이나 치료법이 너무 복잡하여 이 저널에서는 기존의 수술법을 단순화하여 쉽게 비슷한 결과를 얻을 수 방법을 보고하고자 한다.