• 한국통신학회논문지
• /
• 제38A권1호
• /
• pp.1-9
• /
• 2013

본 논문에서는 CS-LBP (Center-Symmetric Local Binary Pattern) 특징과 공간 피라미드를 이용한 BoF (Bag of Features)를 생성하고 이를 랜덤 포레스트(Random Forest) 분류기에 적용하여 인간의 행동을 인식하는 알고리즘을 제안한다. BoF를 생성하기 위해 영상을 균일한 패치로 나누고, 각 패치 마다 CS-LBP 특징을 추출한다. 행동 분류 성능을 향상시키기 위해 패치들마다 추출한 특징벡터들에 대해 K-mean 클러스터링을 적용하여 코드 북을 생성한다. 본 논문에서는 영상의 지역적인 특성을 고려하기 위해 공간 피라미드 방법을 적용하고 각 공간 레벨에서 추출된 BoF에 대해 가중치를 적용하여 최종적으로 하나의 특징 벡터로 결합한다. 행동 분류를 위해 결정트리의 앙상블로 이루어진 랜덤 포레스트는 학습 단계에서 각 행동 클래스를 위한 분류 모델을 만든다. 가중 BoF가 적용된 랜덤 포레스트는 다양한 인간 행동 영상을 포함하고 있는 Standford Actions 40 데이터를 성공적으로 분류하였다. 또한 기존 방법에 비해 분류 성능이 유사하거나 우수하며, 한 장의 영상에 대해 빠른 인식속도를 보였다.

• 한국전자통신학회논문지
• /
• 제6권1호
• /
• pp.34-42
• /
• 2011

음성타자기의 구현에 접근하려는 노력의 일환으로서, 우리는 본 논문에서 자음의 분류에 대해 연구한다. 많은 자음들은 시간에 따른 주기적 거동을 보이지 않고 따라서 그들에 대한 푸리에 해석의 타당성에 확신을 갖기 어렵다. 그러므로, 우선 음성 신호로부터 추출되는 MFCC와 LPCC 특징벡터들이 자음에 대해 어느 정도의 의미가 있는지를 파악하기 위하여 LBG 클러스터링을 통한 벡터양자화를 수행한다. VQ의 실험적 결과는 자음에 대한 푸리에 해석의 타당성에 관해 분명한 결론을 내리는 것이 쉽지 않음을 보여주었다. 자음의 분류를 위해 SOM과 LVQ의 두 가지 신경망이 사용되었다. SOM의 결과는 몇 쌍의 자음들이 나뉘어 분류되지 않음을 보여주었다. LVQ에서는 본질적으로 이 문제가 사라지지만 자음의 분류 정확도는 낮은 수준이었다. 이로부터, LVQ에 의한 자음 분류에 있어서는 MFCC 및 다른 특징 벡터들이 함께 사용되어야 함이 사료된다. 하지만 본 연구에서 도입한 MFCC/LVQ의 결합은 기존의 언어모델을 기반으로 하는 음소 분류에 비해 그 결과가 나쁘지 않은 것으로 나타났다. 모든 경우에 LPCC 특징벡터는 MFCC에 비해 그 결과가 좋지 않았다.

• 산업경영시스템학회지
• /
• 제39권1호
• /
• pp.25-30
• /
• 2016

It is critical to forecast the maximum daily and monthly demand for power with as little error as possible for our industry and national economy. In general, long-term forecasting of power demand has been studied from both the consumer's perspective and an econometrics model in the form of a generalized linear model with predictors. Time series techniques are used for short-term forecasting with no predictors as predictors must be predicted prior to forecasting response variables and containing estimation errors during this process is inevitable. In previous researches, seasonal exponential smoothing method, SARMA (Seasonal Auto Regressive Moving Average) with consideration to weekly pattern Neuron-Fuzzy model, SVR (Support Vector Regression) model with predictors explored through machine learning, and K-means clustering technique in the various approaches have been applied to short-term power supply forecasting. In this paper, SARMA and intervention model are fitted to forecast the maximum power load daily, weekly, and monthly by using the empirical data from 2011 through 2013. $ARMA(2,\;1,\;2)(1,\;1,\;1)_7$ and $ARMA(0,\;1,\;1)(1,\;1,\;0)_{12}$ are fitted respectively to the daily and monthly power demand, but the weekly power demand is not fitted by AREA because of unit root series. In our fitted intervention model, the factors of long holidays, summer and winter are significant in the form of indicator function. The SARMA with MAPE (Mean Absolute Percentage Error) of 2.45% and intervention model with MAPE of 2.44% are more efficient than the present seasonal exponential smoothing with MAPE of about 4%. Although the dynamic repression model with the predictors of humidity, temperature, and seasonal dummies was applied to foretaste the daily power demand, it lead to a high MAPE of 3.5% even though it has estimation error of predictors.

• 한국지능시스템학회논문지
• /
• 제19권4호
• /
• pp.568-573
• /
• 2009

해양사고로 인한 경제적, 환경적 피해가 커짐에 따라, 해양사고 방지를 위한 이슈가 크게 대두되고 있다. 발생된 해양사고 사례의 종류와 원인을 분석하여 구축된 DB가 해양사고 방지를 위한 연구에 널리 활용 되고 있으나, 하나의 종류 및 원인에 대해서만 DB가 구축되어 있어 일반적으로 복수의 원인에 의해 발생되고 복수의 종류에 해당하는 해양사고를 합리적으로 분류하지 못하고 다양하고 막연한 조건을 이용해 검색할 수 없다는 문제점이 있다. 따라서 본 연구에서는 FCM을 이용하여 복수의 해양사고 원인과 종류에 연계된 해양사고 DB를 구축하고 언어 레이블을 이용하여 다양한 원인과 종류에 의해 해양사고 사례추출이 가능한 검색 시스템을 제시하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권11호
• /
• pp.1136-1146
• /
• 2005

지문분류는 대규모 자동지문식별시스템에서 지문을 카테고리별로 나누어 매칭시간을 줄이는데 유용하다. 지문을 5가지 클래스로 분류하는 헨리시스템을 기반으로 신경망이나 SYM(Support Vector Machines) 등과 같은 다양한 패턴분류 기법들이 지문분류에 널리 사용되고 있다. 특히 최근에는 높은 분류 성능을 보이는 SVM 분류기를 이용한 연구가 활발하다. 이진분류기인 SVM을 지문분류문제에 적용하기 위해서 본 논문에서는 새로운 분류기 결합모델인 다중결정템플릿(Multiple Decision Templates, MuDTs)을 제안한다. 이 방법은 클래스 구분이 모호한 지문영상들의 분류에서 단일 결합모델들의 한계를 극복하기 위해, 하나의 지문클래스로부터 서로 다른 특성을 갖는 클러스터들을 추출하여 각 클러스터에 적합한 결합모델을 생성한다. NIST Database4 데이타로부터 추출한 핑거코드에 대해 실험한 결과, 5클래스와 4클래스 분류문제에 대하여 각각 $90.4\%$와 $94.9\%$의 분류성능(거부율 $1.8\%$)을 획득하였다.

• 대한공간정보학회지
• /
• 제22권1호
• /
• pp.63-70
• /
• 2014

본 연구는 국토교통부에서 제공하는 아파트 실거래가자료를 이용하여 2006~2010년까지 5년간의 서울시 아파트실거래가 변화패턴을 시공간적으로 분석하는데 그 목적이 있다. 이를 위해 아파트별 평균 실거래가, 동별 평균 아파트 실거래가 자료를 위치정보자료와 연결하여 GIS데이터로 구축하였다. 분석방법으로는 먼저 공간보간기법 중 크리깅(kriging)을 이용하여 개별 아파트의 시기별/면적별 실거래가의 변화패턴을 분석하였다. 둘째 행정구역(행정동)별 아파트실거래가의 변화패턴을 분석하기 위해 단위 면적별 실거래가의 평균을 계산하여 Moran I 값으로 변환한 후 거래가격의 공간상의 군집도를 분석하였다. 이를 통해 시공간상의 분포패턴을 파악하고, 변화유형까지 유추할 수 있어 주택 및 지역정책에 기초자료로 활용할 수 있다. 시계열 자료를 바탕으로 종적인 변화패턴과 GIS를 이용한 횡적 변화패턴을 분석하기 때문에 아파트가격의 지역 불균형을 한눈에 살펴 볼 수 있다.

• 디지털융복합연구
• /
• 제12권5호
• /
• pp.1-12
• /
• 2014

최근 인터넷 뱅킹, 전자결제, 전자상거래, 홈쇼핑, 증권 거래, 민원 업무 등 미션 크리티컬한 비즈니스가 증가함에 따라 무정지 서비스에 대한 요구가 높아지면서, 기존의 단일 데이터베이스에서 클러스터링, 이중화 기법 등에 관한 고가용성 기법에 관한 연구가 증가하고 있다. ALTIBASE$^{TM}$ Log Analyzer(이하 ALA)는 이중화 기법과는 별개로 Active Log를 기반으로 API를 제공하여, 이기종 또는 동일 기종간의 통신 및 확장성을 제공한다. 본 논문에서는 ALA를 사용하여 고가용성과 고확장성, 실시간 동기화 기능을 모두 만족시킬 수 있는 데이터베이스 시스템의 설계를 제시하고 ALA에 대한 성능평가를 하였다.

• 전자공학회논문지
• /
• 제52권6호
• /
• pp.117-125
• /
• 2015

앉아있는 시간이 긴 현대인들에게 바른 자세를 유지하도록 하는 것은 중요하다. 자세 교정을 위한 치료는 많은 시간과 비용이 소요되며, 전문의의 지속적인 관찰이 필요하다. 그러므로 사용자 스스로 자신의 자세를 판단하고 교정하기 위한 시스템이 필요하다. 본 논문에서는 사용자의 자세 데이터를 취득하여 취득된 자세가 정상자세인지 비정상자세인지 판단한다. 사용자의 자세 데이터 취득을 위해 관성 센서를 이용한 4개 관절 기반 모션캡쳐 시스템을 제안한다. 이 시스템을 통해 대상자의 자세 데이터를 취득하고, 취득한 데이터를 기반으로 특징을 추출하여 DB를 구축한다. 구축한 DB를 K-means 클러스터링 알고리즘을 이용하여 자세 학습을 수행한 후, 정상자세와 비정상자세를 분류한다. 관절의 회전각도, 위치정보, 분석정보를 이용하여 자세분류를 수행한 결과, 정상자세 판단 성공률은 99.79%로 나타났다. 이 결과로 미루어 4개 관절에 대한 특징을 이용하여 사용자의 자세를 판단 가능하며, 향후 척추질환 예방 시스템에 적용하여 사용자의 자세를 교정하는 데 도움을 줄 수 있을 것으로 판단된다.

• 전기학회논문지
• /
• 제58권2호
• /
• pp.399-406
• /
• 2009

In this study, Polynomial Radial Basis Function Neural Network(pRBFNN) based on Fuzzy Inference System is designed and its parameters such as learning rate, momentum coefficient, and distributed weight (width of RBF) are optimized by means of Particle Swarm Optimization. The proposed model can be expressed as three functional module that consists of condition part, conclusion part, and inference part in the viewpoint of fuzzy rule formed in 'If-then'. In the condition part of pRBFNN as a fuzzy rule, input space is partitioned by defining kernel functions (RBFs). Here, the structure of kernel functions, namely, RBF is generated from HCM clustering algorithm. We use Gaussian type and Inverse multiquadratic type as a RBF. Besides these types of RBF, Conic RBF is also proposed and used as a kernel function. Also, in order to reflect the characteristic of dataset when partitioning input space, we consider the width of RBF defined by standard deviation of dataset. In the conclusion part, the connection weights of pRBFNN are represented as a polynomial which is the extended structure of the general RBF neural network with constant as a connection weights. Finally, the output of model is decided by the fuzzy inference of the inference part of pRBFNN. In order to evaluate the proposed model, nonlinear function with 2 inputs, waster water dataset and gas furnace time series dataset are used and the results of pRBFNN are compared with some previous models. Approximation as well as generalization abilities are discussed with these results.

• Journal of Communications and Networks
• /
• 제18권3호
• /
• pp.387-396
• /
• 2016

Multiuser communication has been an important research area of underwater acoustic communications and networking. This paper studies the use of adaptive orthogonal frequency-division multiple access (OFDMA) in a downlink scenario, where a central node sends data to multiple distributed nodes simultaneously. In practical implementations, the instantaneous channel state information (CSI) cannot be perfectly known by the central node in time-varying underwater acoustic (UWA) channels, due to the long propagation delays resulting from the low sound speed. In this paper, we explore the CSI feedback for resource allocation. An adaptive power-bit loading algorithm is presented, which assigns subcarriers to different users and allocates power and bits to each subcarrier, aiming to minimize the bit error rate (BER) under power and throughput constraints. Simulation results show considerable performance gains due to adaptive subcarrier allocation and further improvement through power and bit loading, as compared to the non-adaptive interleave subcarrier allocation scheme. In a lake experiment, channel feedback reduction is implemented through subcarrier clustering and uniform quantization. Although the performance gains are not as large as expected, experiment results confirm that adaptive subcarrier allocation schemes based on delayed channel feedback or long term statistics outperform the interleave subcarrier allocation scheme.