• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 지능정보 및 응용 학술대회
• /
• pp.142-145
• /
• 2008

본 논문에서는 self-organizing map(SOM)과 grassfire 기법을 이용한 계산 효율적인 컬러 영상 분할 방법을 제안한다. SOM에서 출력 뉴런 수를 축소하고 학습에 사용하는 입력 데이터를 줄임으로써 실행 시간을 단축 시켰다. 입력 영상을 CIE $L^*u^*v^*$ 컬러 공간으로 변환하고 3개의 입력 뉴런과 $4{\times}4$ 또는 $3{\times}3$ 출력 뉴런 구조의 SOM을 이용해 학습한다. 학습 완료 후 입력 영상의 픽셀에 대응하는 출력 값을 구하고 grassfire 기법을 이용해 지역적으로 인접하고 출력 값이 동일한 픽셀들을 하나의 영역으로 결합한다. 다양한 영상을 이용한 실험을 통해 제안한 방법이 컬러 영상 분할에서 기존의 방법에 비해 좋은 결과를 얻을 수 있음을 확인하였다.

• 산업경영시스템학회지
• /
• 제42권2호
• /
• pp.94-103
• /
• 2019

Self Organizing Map (SOM) is a neural network that is effective in classifying patterns that form the feature map by extracting characteristics of the input data. In this study, we propose an algorithm to determine the cell formation and the machine layout within the cell for the cell formation problem with operation sequence using the SOM. In the proposed algorithm, the output layer of the SOM is a one-dimensional structure, and the SOM is applied to the parts and the machine in two steps. The initial cell is formed when the formed clusters is grouped largely by the utilization of the machine within the cell. At this stage, machine cell are formed. The next step is to create a flow matrix of the all machine that calculates the frequency of consecutive forward movement for the machine. The machine layout order in each machine cell is determined based on this flow matrix so that the machine operation sequence is most reflected. The final step is to optimize the overall machine and parts to increase machine layout efficiency. As a result, the final cell is formed and the machine layout within the cell is determined. The proposed algorithm was tested on well-known cell formation problems with operation sequence shown in previous papers. The proposed algorithm has better performance than the other algorithms.

• 정보관리학회지
• /
• 제24권3호
• /
• pp.321-341
• /
• 2007

산업재산권중 하나인 상표에 대한 효율적인 이미지 검색은 상표도용 및 이로 인한 분쟁을 방지할 수 있다. 이를 위해서 효율적인 내용기반 유사이미지 검색이 하나의 방안이 될 수 있다. 본 논문은 상표이미지로부터 회색조 히스토그램(gray histogram) 분석을 통하여 가시적인 자질을 추출하여 Self Organizing Map(SOM) 알고리즘을 적용한 내용기반 유사이미지 검색시스템을 이용하는 방법을 제안하였다. 또한 내용기반 유사이미지 검색시스템의 정량적인 성능평가 방안을 제시하여 본 연구에서 개발한 이미지 검색 시스템의 객관적인 성능평가를 수행하였다.

• 한국안전학회지
• /
• 제33권6호
• /
• pp.77-84
• /
• 2018

Report documents of industrial and occupational accidents have continuously been accumulated in private and public institutes. Amongst others, information on narrative-texts of accidents such as accident processes and risk factors contained in disaster report documents is gaining the useful value for accident analysis. Despite this increasingly potential value of analysis of text information, scientific and algorithmic text analytics for safety management has not been carried out yet. Thus, this study aims to develop data processing and visualization techniques that provide a systematic and structural view of text information contained in a disaster report document so that safety managers can effectively analyze accident risk factors. To this end, the risk factor map using text mining and self-organizing map is developed. Text mining is firstly used to extract risk keywords from disaster report documents and then, the Self-Organizing Map (SOM) algorithm is conducted to visualize the risk factor map based on the similarity of disaster report documents. As a result, it is expected that fruitful text information buried in a myriad of disaster report documents is analyzed, providing risk factors to safety managers.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1427-1431
• /
• 2007

In this study, the new methodology which combines Kohonen self-organizing map(KSOM) neural networks model and the conventional neural networks models such as feedforward neural networks model and generalized neural networks model is introduced to forecast flood stage in Nakdong river, Republic of Korea. It is possible to train without output data in KSOM neural networks model. KSOM neural networks model is used to classify the input data before it combines with the conventional neural networks model. Four types of models such as SOM-FFNNM-BP, SOM-GRNNM-GA, FFNNM-BP, and GRNNM-GA are used to train and test performances respectively. From the statistical analysis for training and testing performances, SOM-GRNNM-GA shows the best results compared with the other models such as SOM-FFNNM-BP, FFNNM-BP, and GRNNM-GA and FFNNM-BP shows vice-versa. From this study, we can suggest the new methodology to forecast flood stage and construct flood warning system in river basin.

• 한국정보처리학회논문지
• /
• 제7권10호
• /
• pp.3098-3104
• /
• 2000

본 논문에서는 퍼셉트론 형태의 SOM(PSOM)을 정의한다. 그리고 이 PSOM의 출력뉴런의 목표 값을 적당히 설정할 경우 PSOM은 Kohonen's SOM이 됨을 보인다. 이는 PSOM가 SOM의 일반화된 알고리즘임을 시사한다. 또한 클러스터링 문제를 단위 초구면상(Hyperphere)에 분포한 벡터들로 한정할 경우 SOM은 Dot-product SOM(DSOM)과 동등한 알고리즘임을 보인다. 즉, DSOM은 SOM의 특수한 형태이며, 결론적으로, PSOM은 DSOM도 포함하는 알고리즘이다. 본 논문에서는 이를 증명하고 결론을 맺는다.

• 응용통계연구
• /
• 제15권2호
• /
• pp.251-267
• /
• 2002

Kohonen이 제안한 자기조직화 지도(Self Organizing Maps : SOM)는 매우 빠른 신경망 모형이다. 하지만 다른 신경망 모형과 마찬가지로 학습 결과에 대한 명확한 규칙을 제시하지 못할 뿐만 아니라 지역적 최적값으로 빠지는 경우가 종종 있다. 본 논문에서는 이러한 자기조직화 지도의 모형에 대한 설명력을 부여하고 전역 최적값으로 수렴할 수 있는 예측 성능을 갖는 모형으로서 자율학습 신경망에 베이지안 추론을 결합한 자기조직화 지도를 위한 베이지안 학습(Bayesian Learning for Self Organizing Maps ; BLSOM)을 제안한다. 이 방법은 기존의 자기조직화 지도가 지역적 해에 머물러 있는 것에 비해서 언제든지 전역적 해로 수렴함이 실험을 통하여 밝혀졌다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권4호
• /
• pp.440-448
• /
• 2006

자기 조직화 신경망 (SOM: Self-Organizing Map)은 자율 학습 신경망으로 사전 지식이 존재하지 않는 자료에 존재하는 구조적 관계성을 보전하는데 이용된다. 자기 조직화 신경망은 벡터 양자화, 조합 최적화, 패턴 인식과 같은 복잡한 문제 해결을 위한 연구에 많이 이용되어 왔다. 이 논문에서는 좀더 효율적인 유전 알고리즘을 얻기 위한 스키마 변환 도구로서 자기 조직화 신경망을 이용하는 새로운 사용법에 대해서 제안한다. 즉, 각 자식해는 탐색 공간에서 좀더 바람직한 모양을 가지는 동질의 인공 신경망으로 변환된다. 이 변환으로 인해 강한 상위(epistasis)를 가지는 유전자들은 염색체 상에서 서로 인접하게 되는 것이다. 실험 결과는 기존 결과에 비해서 주목할만한 성능 개선이 있음을 보여준다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.9-18
• /
• 2005

In order to systematically and visually understand well-known but qualitative and rotatively complicated relationships between synoptic fields in the BAIU season and heavy rainfall events in Japan, these synoptic fields were classified using the Self-Organizing Map (SOM) algorithm. This algorithm can convert complex nonlinear features into simple two-dimensional relationships, and was followed by the application of the clustering techniques of the U-matrix and the K-means. It was assumed that the meteorological field patterns be simply expressed by the spatial distribution of wind components at the 850 hPa level and Precipitable Water (PW) in the southwestern area including Kyushu in Japan. Consequently, the synoptic fields could be divided into eight kinds of patterns (clusters). One of the clusters has the notable spatial feature represented by high PW accompanied by strong wind components known as Low-Level Jet (LLJ). The features of this cluster indicate a typical meteorological field pattern that frequently causes disastrous heavy rainfall in Kyushu in the rainy season. From these results, the SOM technique may be an effective tool for the classification of complicated non-linear synoptic fields.

• 컴퓨터교육학회논문지
• /
• 제9권5호
• /
• pp.77-84
• /
• 2006

본 논문에서는 HVS(Human Visual System)와 신경회로망 중 SOM(Self-Organizing Map)을 이용하여 DWT 영역에서 영상에 적응적인 워터마킹 알고리즘을 제안한다. HVS는 brightness sensitivity와 texture sensitivity의 두가지 특성으로 설명될 수 있다. SOM은 영상의 지역적인 특징들을 얻는데 사용된다. 따라서 HVS와 SOM을 이용하여 삽입되는 워터마크의 최적의 강도와 길이를 결정한다. 실험을 통해 제안한 방법이 최적의 워터마크 강도와 길이를 제공하며 비가시성 테스트에서 우수함과 다양한 공격에 강인함을 알 수 있다.