• Journal of information and communication convergence engineering
• /
• 제8권6호
• /
• pp.609-617
• /
• 2010

This paper is concerned with the use of a selforganizing map (SOM) to estimate the desired channel states of an unknown digital communication channel for blind equalization. The modification of SOM is accomplished by using the Bayesian likelihood fitness function and the relation between the desired channel states and channel output states. At the end of each clustering epoch, a set of estimated clusters for an unknown channel is chosen as a set of pre-defined desired channel states, and used to extract the channel output states. Next, all of the possible desired channel states are constructed by considering the combinations of extracted channel output states, and a set of the desired states characterized by the maximal value of the Bayesian fitness is subsequently selected for the next SOM clustering epoch. This modification of SOM makes it possible to search the optimal desired channel states of an unknown channel. In simulations, binary signals are generated at random with Gaussian noise, and both linear and nonlinear channels are evaluated. The performance of the proposed method is compared with those of the "conventional" SOM and an existing hybrid genetic algorithm. Relatively high accuracy and fast search speed have been achieved by using the proposed method.

• 정보처리학회논문지B
• /
• 제15B권5호
• /
• pp.407-412
• /
• 2008

잡음이 심한 배경을 가진 영상 내부의 영역 분할 처리 과정은 해결하기 매우 어려운 문제로 인식되어 왔다. 그에 따라 이 문제를 해결하기 위한 기초적 방법론에 관한 연구 및 주어진 문제에 따라 실제적 적용을 위한 다양한 노력이 있어왔다. 본 논문에서는 영상 분할을 위한 새로운 접근법을 제시하는 것을 목적으로 하였다. 새로운 방법론으로서 기존의 관심 객체 분할의 반대인 배경 영역 분할이라는 새로운 관점을 연구의 중심으로 하였다. 기반 이론으로는 승자 독식 원리의 자기 학습 이론 알고리즘에서 특징 선택을 위한 자기 조직화를 분석하고 이를 문제 해결에 적용하였다. 실제적 영상 데이터를 통한 실험을 통해 배경 영역 분할을 적용한 영상 분할은 효과적으로 수행될 수 있음을 실험 결과로 제시해 보였다.

• 한국통신학회논문지
• /
• 제21권3호
• /
• pp.600-611
• /
• 1996

최근, 신경망 모델의 적응성과 학습성을 이용한 음성인식 연구가 진행되어 왔다. 그러나, 기존의 신경망 모델로는 한국어 음성의 조음결합의 처리 및 유사 음소간의 경계 분류가 용이하지 않다. 또한, 한 개의 형상지도를 이용하는 경우 이질적인 음성자료의 처리를 위한 학습속도의 급격한 증가와 균일한 학습 및 판별방법의 적용이 갖는 부정확성이 야기될 수 있다. 이에따라, 본 논문에서는 계층적 자기조직화 분류기(HSOC)를 이용한 신경망타자기를 설계하고, 관련 알고리즘들을 제안한다. 본 HSOC는 Kohonen의 자기조직화형상지도(SOFM)를 이용하여 학습시 입력되는 음소 데이타를 계층적인 구조를 갖는 다수의 형상 지도(map) 즉 음성자판에 배치한다. 또한 본 논문에서는 자판의 수효, 각 자판의 크기, 소속될 음소의 선택과 배치, 적합한 학습 및 인식기법의 자동 결정을 위한 알고리즘을 제시하고 실험하여 자기조절식인 음성자판을 구성하였다. 자판을 분류하는 방식을 언어학적 사전지식에 의존할 경우 언어학적 지식의 습득과 적용방법(예를 들면, 확장 음소의 처리)등을 결정하는 어려움을 가지는 반면, 본 HSOC를 이용하면 주어진 입력 데이타에 적합한 다수의 음성자판을 자기 조절식으로 구성할 수 있는 장점이 있다. 제안된 방식에 따라 최종 생성된 세 개의 한글 음성자판은 최적 자판과 최적 전처리기법을 갖추고있으며, 기존의 언어학적 지식과도 부합됨을 확인할 수 있었다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2003년도 Proceeding
• /
• pp.223-230
• /
• 2003

Feature-based similarity retrieval has become an important research issue in multimedia database systems. The features of multimedia data are useful for discriminating between multimedia objects (e 'g', documents, images, video, music score, etc.). For example, images are represented by their color histograms, texture vectors, and shape descriptors, and are usually high-dimensional data. The performance of conventional multidimensional data structures(e'g', R- Tree family, K-D-B tree, grid file, TV-tree) tends to deteriorate as the number of dimensions of feature vectors increases. The R＊-tree is the most successful variant of the R-tree. In this paper, we propose a SOM-based R＊-tree as a new indexing method for high-dimensional feature vectors.The SOM-based R＊-tree combines SOM and R＊-tree to achieve search performance more scalable to high dimensionalities. Self-Organizing Maps (SOMs) provide mapping from high-dimensional feature vectors onto a two dimensional space. The mapping preserves the topology of the feature vectors. The map is called a topological of the feature map, and preserves the mutual relationship (similarity) in the feature spaces of input data, clustering mutually similar feature vectors in neighboring nodes. Each node of the topological feature map holds a codebook vector. A best-matching-image-list. (BMIL) holds similar images that are closest to each codebook vector. In a topological feature map, there are empty nodes in which no image is classified. When we build an R＊-tree, we use codebook vectors of topological feature map which eliminates the empty nodes that cause unnecessary disk access and degrade retrieval performance. We experimentally compare the retrieval time cost of a SOM-based R＊-tree with that of an SOM and an R＊-tree using color feature vectors extracted from 40, 000 images. The result show that the SOM-based R＊-tree outperforms both the SOM and R＊-tree due to the reduction of the number of nodes required to build R＊-tree and retrieval time cost.

• 대한산업공학회지
• /
• 제31권3호
• /
• pp.257-264
• /
• 2005

This paper suggests a heuristic algorithm for the clustering problem. Clustering involves grouping similar objects into a cluster. Clustering is used in a wide variety of fields including data mining, marketing, and biology. Until now there are a lot of approaches using Self-Organizing Feature Maps(SOFMs). But they have problems with a small output-layer nodes and initial weight. For example, one of them is a one-dimension map of k output-layer nodes, if they want to make k clusters. This approach has problems to classify elaboratively. This paper suggests one-dimensional output-layer nodes in SOFMs. The number of output-layer nodes is more than those of clusters intended to find and the order of output-layer nodes is ascending in the sum of the output-layer node's weight. We can find input data in SOFMs output node and classify input data in output nodes using Euclidean distance. We use the well known IRIS data as an experimental data. Unsupervised clustering of IRIS data typically results in 15 - 17 clustering error. However, the proposed algorithm has only six clustering errors.

• KSBB Journal
• /
• 제20권4호
• /
• pp.291-298
• /
• 2005

본 연구는 재조합 대장균과 S.cerevisiae의 발효공정에서 형광스펙트럼 데이터를 수집하였으며, SOM을 이용하여 형광스펙트럼 데이터를 특정 그룹으로 분류하고 발효공정을 분석하고자 하였다. 배출가스 내 이산화탄소농도와 세포농도 같은 공정변수들은 SOM 알고리즘으로부터 얻은 분산 및 정규화된 가중치들과 좋은 연관성을 나타내었다. 전체 스펙트럼 데이터의 분류는 생물공정 모델링을 위한 매우 중요한 단계인데 그 이유는 몇몇 여기파장과 방출파장의 유의한 조합들이 전체영역의 스펙트럼 데이터로부터 추출되기 때문이다. 예를 들면, 본 연구에서 SOM을 이용하여 추출한 98개의 스펙트럼 데이터의 예제들은 부분최소자승법이나 감독신경망 (supervised neural network)을 이용한 공정의 모델링에 사용될 수 있다.

• 한국지능시스템학회논문지
• /
• 제22권2호
• /
• pp.205-211
• /
• 2012

통계학과 기계학습의 다양한 기법을 이용하여 문서집합을 군집화하기 위해서는 우선 군집화분석에 적합한 데이터구조로 대상 문서집합을 변환해야 한다. 문서군집화를 위한 대표적인 구조가 문서-단어행렬이다. 각 문서에서 발생한 특정단어의 빈도값을 갖는 문서-단어행렬은 상당부분의 빈도값이 0인 희소성문제를 갖는다. 이 문제는 문서군집화의 성능에 직접적인 영향을 주어 군집화결과의 성능감소를 초래한다. 본 논문에서는 문서-단어행렬의 희소성문제를 해결하기 위하여 인자분석을 통한 인자점수를 이용하였다. 즉, 문서-단어행렬을 문서-인자점수행렬로 바꾸어 문서군집화의 입력데이터로 사용하였다. 대표적인 문서군집화 알고리즘인 자기조직화지도에 적용하여 문서-단어행렬과 문서-인자점수행렬에 대한 문서군집화의 결과들을 비교하였다.

• 대한전기학회논문지:전력기술부문A
• /
• 제51권6호
• /
• pp.276-283
• /
• 2002

This Paper Presents the method for detecting a partial discharge(PD) using an electromagnetic wave measured by an antenna. The various electromagnetic waves are measured in the laboratory and wavelet transform, which is provides a direct quantitative measure of spectral content in the time-frequency domain, are applied for identifying the property of electromagnetic waves. Also, the statistical method and self-organizing feature map(SOFM) are applied for the pattern recognition of electromagnetic waves. The proposed method is shown to be useful for detecting electromagnetic waves emitted for PD in test data.

• 생태와환경
• /
• 제39권1호통권115호
• /
• pp.52-61
• /
• 2006

본 연구는 지난 10여년간의 (1994 ${\sim}$ 2003) 주간격의 자료를 이용한 자가조직화 지도 (SOM) 방법으로 낙동강 하류역 (물금: 낙동강 하구언으로부터 27 km 상류지점)에서 동물플랑크톤 군집 동태에 대한 계절별 유형화 분석을 하는데 목적이 있다. 담수생태계내의 먹이망에서 동물플랑크톤 군집의 역할은 매우 중요하나, 다른 군집 구성원들과의 비교 연구는 다소 미진하게 진행되었다. 비선형 모형 알고리즘인 SOM을 동물플랑크톤 군집 역동성과 강 환경 인자들과의 상관관계 파악을 위하여 적용하였다. 육수학적 환경 인자 (수온, 용존산소, pH, 세키투명도, 탁도, 클로로필 a 농도, 유량 등) 들을 동물플랑크톤 군집 구조(윤충류, 지각류 및 요각류)의 계절적 변화 유형파악을 위하여 사용하였다. 학습된 SOM 모형은 육수학적 환경인자와 연관 지어 지도상에 동물플랑크톤을 배치되었다. 동물플랑크톤의 주요 세 군집들은 계절별 변화 유형에 있어서 높은 유사성을 가지고 있었다. 다양한 육수학적 환경인자 중, 수온은 동물플랑크톤 군집 역동성과 매우 높은 연관관계를 나타내었다(특히, 지각류). SOM 모형은 여름기간 증가된 강 유량에 의해서 동물플랑크톤을 매우 저해하는 요인으로 표현되었다. 클로로필 a 농도는 우점한 초식성 동물플랑크톤 활성도에 의해 지도상에서 구획되었다. 본 연구는 비선형 방법을 이용한 육수학적 환경요인과 동물플랑크톤 역동성을 연관 지어 소개하였으며, 이러한 정보는 먹이망이라는 관점에서 볼 때, 강 생태계 관리에 유용한 정보로 활용될 것으로 사료된다.

• 대한토목학회논문집
• /
• 제38권6호
• /
• pp.839-850
• /
• 2018

집중호우에 의한 도시 유역의 침수 피해가 도시화에 따라 증가하는 추세이며, 이에 따라 정확하면서도 신속한 홍수예보 및 침수 예상도 표출이 필요하다. 특정 강우량에 따른 미지의 침수 범위를 예상하는 것은 도시 유역의 홍수에 대한 사전 대비에 매우 중요한 사안이며, 이를 위해 현재 홍수 예보와 관련된 정부기관에서 침수 피해 예상도를 주민들에게 제공하고자 하고 있다. 하지만, 특정 강우에 따른 정확한 침수 범위를 정량화하여 표출하는데 부족함이 있으며, 강우량과 지속시간에 따른 홍수의 크기에 대한 분석을 실시하고 수리학적 연계를 통한 준 실시간 침수범위 표출 방안을 고찰해야할 시기이다. 제시된 물리적 해석기반 자료를 이용하여 강우량-지속시간-침수량 관계곡선(Rainfall-Duration-Flooding quantity relationship curve, RDF)을 제시하고, 자율학습을 수행하는 자기조직화 특징 지도와 연계하여 미지의 침수 지도를 예측하였다. 예측한 침수 지도와 2차원 침수모형을 통한 결과를 비교하여, 제시된 방법론의 타당성을 검토하였다. 연구 결과를 통하여 중규모의 강우량 또는 빈도의 사상에 따른 미지의 침수범위를 제시하는데 용이할 것으로 판단된다. 더욱이 다양한 강우-월류량-홍수 양상을 내포하는 RDF 관계 곡선과 최적 침수예상도 데이터베이스를 구축함으로서 추후에 홍수예보의 기초자료로서 사용될 것이다.