• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.5
• /
• pp.364-371
• /
• 2016

We developed a prediction model of assistance force for the opening/closing of an automobile door depending on the condition of the parking ground. The candidates of the learning models for the operating assistance force were compared to determine the proper force according to the slope and user's force, etc. The reduced experimental model was developed to obtain learning data for the estimation model. The learning algorithm was composed to predict the assistance force to incorporate real assistance force data. Among these algorithms, an Artificial Neural Network (ANN) and Support Vector Machine(SVM) were applied and the adaptability was compared between these models. The SVM provided more adaptability for the learning process of the door assistance force prediction. This paper proposes a system for determining the assistance force to control a door motor to compensate for the deviation of required door force in the slope condition, as needed in the plane condition.

• Proceedings of the KIEE Conference
• /
• 2007.11b
• /
• pp.279-281
• /
• 2007

본 논문에서는 계층적 SVM을 이용한 전력용 변압기의 고장진단 기법을 제안한다. 제안된 기법은 전처리 과정, 정상/고장판별 부, 고장원인판별부, 열화추이분석부로 구성된다. 제안한 고장진단과정을 보면, 전처리부에서는 DGA에 의해 얻어진 가스 데이터의 특징벡터를 산출한다. 그 다음단계로 정상/고장 판별부에서는 얻어진 특징벡터를 이용하여 SVM에 의해 정상/고장 여부를 진단한다. 고장원인 판별부에서는 진단하고자 하는 변압기가 고장으로 판정이 난 경우에 다중-클래스 SVM에 의해 고장원인을 판정한다. 또한 정상/고장판별에서 정상이라 판정할 지라도 열화추이분석부에서 FCM에 의해 구축된 고장모델과 정상데이터간의 거리척도를 이용하여 고장추이론 분서한다. 제안된 방법의 유용성을 보이기 위한 실험결과에서 기존의 방법들에 비해서 향상된 진단결과를 보임을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.143-146
• /
• 2008

본 논문에서는 군집로봇시스템에서 목표물 추적을 위하여 SVM을 이용한 12각형 기반의 Q-learning 알고리즘을 제안한다. 제안한 알고리즘의 유효성을 보이기 위해 본 논문에서는 여러대의 로봇과 장애물 그리고 하나의 목표물을 정하고, 각각의 로봇이 숨겨진 목표물을 찾아내는 실험을 가정하여 무작위, DBAM과 ABAM의 융합 모델, 그리고 마지막으로 본 논문에서 제안한 SVM과 12각형 기반의 Q-learning 알고리즘을 이용하여 실험을 수행하고, 이 3가지 방법을 비교하여 본 논문의 유효성을 검증하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.10a
• /
• pp.693-694
• /
• 2015

This paper present a decision method of middle ear disease which is developed in children and adults. In the proposed method, features are extracted from the middle ear disease images and normal images using HOG(histogram of oriented gradient) descriptor and the extracted features are learned by SVM(support vector machine) classifier. Input images are classified by SVM classifier based on the model of learning features. Experimental results show that the method yields accuracy of over 90% in decision.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.883-885
• /
• 2005

지지 벡터 기계(Support Vector Machine: SVM)를 이용한 다중부류 분류기법이 최근 활발히 연구되고 있다. SVM은 이진분류기이기 때문에 다중부류 분류를 위해서 다수의 분류기를 구성하고 이들을 효과적으로 결합하는 방법이 필요하다. 본 논문에서는 기존의 정적인 다중분류기 결합 방법과는 달리 포섭구조의 분류모델을 확률에 따라 동적으로 구성하는 방법을 제안한다. 확률적 분류기인 나이브 베이즈 분류기(NB)를 이용하여 입력된 샘플의 각 클래스에 대한 확률을 계산하고, OVA (One-Vs-All) 전략으로 구축된 다중의 SVM을 획득된 확률에 따라 포섭구조로 구성한다. 제안하는 방법은 OVA SVM에서 발생하는 중의적인 상황을 효과적으로 처리하여 고성능의 분류를 수행한다. 본 논문에서는 지문분류 문제에서 대표적인 NIST-4 지문 데이터베이스를 대상으로 제안하는 방법을 적용하여 $1.8\%$의 거부율에서 $90.8\%$의 분류율을 획득하였으며, 기존의 결합 방법인 다수결 투표(Majority vote), 승자독식(Winner-takes-all), 행동지식공간 (Behavior knowledge space), 결정템플릿(Decision template) 등보다 높은 성능을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.501-504
• /
• 2004

인터넷이 발달하면서 인터넷 상에서 공유 문서를 효율적으로 분류하기 위한 자동 분류의 필요성이 높아지고 있다. 또한 인터넷은 단순한 문서 제공의 한계를 넘어 어플리케이션간의 통합연동을 위한 기술이 대두되고 있다. 이러한 관점에서 본 논문은 새롭게 제시되고 있는 웹서비스를 이용하여 SVM 기반의 분류기를 분산 구성하여 설계하였고, 문서로부터 추출된 특성단어 벡터정보를 이용하여 SVM 학습 후 각각의 분류기를 통하여 분산 문서 분류를 수행한다. 특성단어 벡터는 $TF^{\ast}IDF$에 기반한 특성 표현법을 사용하였으며, 분류 범주 별로 SVM 기반의 분류기 모델 데이터를 생성하기 위해 특성 단어 사전을 구축하여 분류 기준으로 구성하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.709-711
• /
• 2004

최근 단백질간의 상호작용의 중요성의 이해와 함께 축적되어 가는 단백질 정보들 간의 상호작용을 예측하기 위하여 통계학적 모델인 Support Vector Machine(SVM)을 사용한 예측 실험이 활발하다. 하지만 이는 거대한 생물 데이터를 처리하기 위해 많은 연산시간을 필요로 한다. 즉, 방대하게 존재하는 데이터를 처리하기 위해 SVM을 통한 실험은 정확한 결과뿐만 아니라 빠른 처리속도를 요구하게 되었다. 따라서 본 논문에서는 SVM의 개선을 통해 빠른 처리속도로 데이터를 처리하는 incremental SVM과 이를 병렬화 하여 더욱 빠른 처리시간을 가지는 Parallel SVM(PSVM)을 소개하고 실험해 본다. 즉, 단백질 상호작용에 사용되어지는 데이터를 PSVM을 사용한 실험을 통하여 정확성과 처리속도를 측정, 비교함으로써 단백질 상호작용 예측에 적합한지를 검증해본다.

• Journal of KIISE:Software and Applications
• /
• v.32 no.11
• /
• pp.1136-1146
• /
• 2005

Fingerprint classification is useful in an automated fingerprint identification system (AFIS) to reduce the matching time by categorizing fingerprints. Based on Henry system that classifies fingerprints into S classes, various techniques such as neural networks and support vector machines (SVMs) have been widely used to classify fingerprints. Especially, SVMs of high classification performance have been actively investigated. Since the SVM is binary classifier, we propose a novel classifier-combination model, multiple decision templates (MuDTs), to classily fingerprints. The method extracts several clusters of different characteristics from samples of a class and constructs a suitable combination model to overcome the restriction of the single model, which may be subject to the ambiguous images. With the experimental results of the proposed on the FingerCodes extracted from NIST Database4 for the five-class and four-class problems, we have achieved a classification accuracy of $90.4\%\;and\;94.9\%\;with\;1.8\%$ rejection, respectively.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.25 no.7
• /
• pp.851-857
• /
• 2019

This study is about ship horsepower prediction of machine learning method using the big data of ship. Currently, new ships use the ISO15016 method to predict external environmental resistance through mathematical equations but due to complicated equations and requires many input variables so it is less applicable to be used in ship. In this recent research, we propose a model capable of predicting ship performance with high performance using SVM (Support Vector Machine) algorithm which shows excellent performance in recent prediction and recognition. The proposed predictive model has the advantage of being able to predict better performance than ISO15016 only if secured big data is used. In this study, we compared the ISO15016 technique and the SVM algorithm-based horsepower analysis method using the 178K bulk carrier's voyage data to reduce ship model data preparation, which is a disadvantage of ISO15016, and improve inaccurate horsepower prediction performance.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.41 no.3
• /
• pp.175-182
• /
• 2004

There is a growing interest in speaker verification, which verifies someone by his/her voices. There are many speaker vitrification algorithms such as HMM and DTW. However, it is impossible to apply these algorithms to memory limited applications because of large number of feature vectors to register or verify users. In this paper we introduces a speaker verification system using SVM, which needs a little memory usage and computation time. Also we proposed hardware architecture for SVM. Experiments were conducted with Korean database which consists of four-digit strings. Although the error rate of SVM is slightly higher than that of HMM, SVM required much less computation time and small model size.