• Journal of Information Processing Systems
• /
• 제13권4호
• /
• pp.914-927
• /
• 2017

Weighted network link prediction is a challenge issue in complex network analysis. Unsupervised methods based on local structure are widely used to handle the predictive task. However, the results are still far from satisfied as major literatures neglect two important points: common neighbors produce different influence on potential links; weighted values associated with links in local structure are also different. In this paper, we adapt an effective link prediction model-local naive Bayes model into a weighted scenario to address this issue. Correspondingly, we propose a weighted local naive Bayes (WLNB) probabilistic link prediction framework. The main contribution here is that a weighted cluster coefficient has been incorporated, allowing our model to inference the weighted contribution in the predicting stage. In addition, WLNB can extensively be applied to several classic similarity metrics. We evaluate WLNB on different kinds of real-world weighted datasets. Experimental results show that our proposed approach performs better (by AUC and Prec) than several alternative methods for link prediction in weighted complex networks.

• 대한전자공학회논문지SP
• /
• 제47권5호
• /
• pp.206-211
• /
• 2010

이 논문은 영상내의 다양한 발광 효과를 선택적으로 다루기 위한 가중치 예측 생략 방법을 다루고 있다. 가중치 예측은 부호화 효율과 영상의 화질을 개선시키는 데에 지대한 역할을 하고 있으나, 방대한 연산 량으로 인해 실제로 구현하기 어려운 제점이 있다. 제안한 기술은 JM 표준의 가중치 예측에 비해 약 15%의 비트 율을 감소시키면서 지역적인 가중치 예측에 비해 30%의 연산 량을 감소시켰다.

• 방송공학회논문지
• /
• 제20권4호
• /
• pp.489-496
• /
• 2015

본 논문에서는, 밝기 변화가 존재하는 영상에서의 부호화 효율을 향상하기 위해 새로운 가중치 예측 기술이 제안된다. 종래의 가중치 예측 기술은 참조 영상 단위로 지원되고 하나의 가중치 예측 계수 세트만을 사용하기 때문에 전체적 밝기 변화가 존재하는 영상에서만 효율적이다. 이러한 문제를 해결하기 위해 제안하는 알고리즘은 상황에 따라 세 가지 종류의 가중치 예측을 사용한다. 제안한 방법의 실험 결과는 기존 기술 대비 BD-rate 기준으로 최대 -10.2%의 성능 향상을 가져오며 인코더의 복잡도는 163%, 디코더의 복잡도는 약 101% 변화가 존재한다.

• Journal of the Korean Data and Information Science Society
• /
• 제17권2호
• /
• pp.467-474
• /
• 2006

In this paper we present a weighted support vector machine(SVM) and a weighted least squares support vector machine(LS-SVM) for the prediction in the heteroscedastic regression model. By adding weights to standard SVM and LS-SVM the better fitting ability can be achieved when errors are heteroscedastic. In the numerical studies, we illustrate the prediction performance of the proposed procedure by comparing with the procedure which combines standard SVM and LS-SVM and wild bootstrap for the prediction.

• ETRI Journal
• /
• 제33권1호
• /
• pp.27-31
• /
• 2011

This paper addresses estimating the frequency of a cisoid in the presence of white Gaussian noise, which has numerous applications in communications, radar, sonar, and instrumentation and measurement. Due to the nonlinear nature of the frequency estimation problem, there is threshold effect, that is, large error estimates or outliers will occur at sufficiently low signal-to-noise ratio (SNR) conditions. Utilizing the ideas of averaging to increase SNR and weighted linear prediction, an optimal frequency estimator with smaller threshold SNR is developed. Computer simulations are included to compare its mean square error performance with that of the maximum likelihood (ML) estimator, improved weighted phase averager, generalized weighted linear predictor, and single weighted sample correlator as well as Cramer-Rao lower bound. In particular, with smaller computational requirement, the proposed estimator can achieve the same threshold and estimation performance of the ML method.

• 정보처리학회논문지B
• /
• 제11B권6호
• /
• pp.717-722
• /
• 2004

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NNWFM)을 이용하여 Wisconsin breast cancer의 예측을 수행하는 퍼지규칙을 추출하고 있다. NNWFM는 자기적응적(self adaptive)가중 퍼지소속함수를 가지고 주어진 입력 데이터로부터 학습하여 퍼지규칙을 생성하고 이론 기반으로 예측을 수행한다. 신경망 구조의 중간 부분인 하이퍼박스(hyperbox)들은 n개의 대, 중, 소의 가중 퍼지소속함수 집합으로 구성되며, 학습 후 각 집합은 퍼지집합의 bounded sum을 사용하여 다시 하나의 가중 퍼지소속함수로 합성된다. n개의 특징입력(feature input)은 학습된 모든 하이퍼박스에 연결되어 예측 작업을 수행한다. NNWFM으로 추출된 2개의 퍼지규칙은 99.41%의 예측 인식율을 가지며 이는 퍼지규칙의 수와 인식율에 있어 현재 발표된 논문의 결과보다 우수함을 보여준다.

• 반도체디스플레이기술학회지
• /
• 제21권2호
• /
• pp.138-143
• /
• 2022

The employment prediction model proposed in this paper uses 16 independent variables, including self-introductions of M University students who applied for IPP and work-study internship, and 3 dependent variable data such as large companies, mid-sized companies, and unemployment. The employment prediction model for large companies was developed using Random Forest and Word2Vec with the result of F1_Weighted 82.4%. The employment prediction model for medium-sized companies and above was developed using Logistic Regression and Word2Vec with the result of F1_Weighted 73.24%. These two models can be actively used in predicting employment in large and medium-sized companies for M University students in the future.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.177-182
• /
• 2022

Technology is progressing with every passing day and the enormous usage of electricity is becoming a necessity. One of the techniques to enjoy the assistances in a smart home is the efficiency to manage the electric energy. When electric energy is managed in an appropriate way, it drastically saves sufficient power even to be spent during hard time as when hit by natural calamities. To accomplish this, prediction of energy consumption plays a very important role. This proposed prediction model Coherent Weighted K-Means Clustering ARIMA (CWKMCA) enhances the weighted k-means clustering technique by adding weights to the cluster points. Forecasting is done using the ARIMA model based on the centroid of the clusters produced. The dataset for this proposed work is taken from the Pecan Project in Texas, USA. The level of accuracy of this model is compared with the traditional ARIMA model and the Weighted K-Means Clustering ARIMA Model. When predicting,errors such as RMSE, MAPE, AIC and AICC are analysed, the results of this suggested work reveal lower values than the ARIMA and Weighted K-Means Clustering ARIMA models. This model also has a greater loglikelihood, demonstrating that this model outperforms the ARIMA model for time series forecasting.

• 한국음향학회지
• /
• 제18권5호
• /
• pp.78-82
• /
• 1999

본 연구는 잡음에 강한 음성 파라미터로써 널리 사용하는 가중 켑스트럼에 관한 연구이다. 특히 청각 모델인 PLP(Perceptual Linear Predictive)에서 켑스트럼을 추출 후 비대칭형 성문 펄스 파형 형태를 가중치 함수로 사용하는 방법을 제안한다. 또한 이러한 가중 켑스트럼을 성도 모델에서의 성도파형과 켑스트럼과 연관하여 분석하였다. 그리고 청각 모델인 PLP의 켑스트럼에 가중시켜 청각 모델과 성도 모델을 모두 적용한 음성 파라미터를 얻었다. 이러한 방법의 성능 평가를 위해 차량내 잡음과 길거리에서의 잡음 환경에서의 고립 단어 인식 실험을 하였다. 그리고 기존의 LP(Linear Prediction)에 의한 가중된 윈도우 켑스트럼 및 PLP에 의한 가중된 Liftering 켑스트럼 등과 비교하였다. 모의 실험 결과는 기존의 가중된 cepstrum 보다 제안하는 성문 가중 켑스트럼이 보다 높은 인식율을 보여준다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권10호
• /
• pp.851-860
• /
• 2009

최근 계산을 통한 단백질 상호작용 예측 기법 중, 단백질 쌍이 포함하고 있는 도메인들 사이의 관계에 중점을 둔 도메인 정보 기반 예측 기법들이 다양하게 제안되고 있다. 하지만, 다수의 도메인 쌍들이 상호작용에 기여하는 정도를 정밀하게 반영하는 계산 기법은 드문 실정이다. 본 논문에서는 단백질 상호작용에 있어 도메인 조합 쌍의 상호작용 영향력을 수치화하여 반영한 상호작용 중요도 행렬을 고안하고 이를 기반으로 한 단백질 상호작용 예측 시스템을 구현한다. 일반적인 도메인 조합 기법과 달리, 상호작용 중요도 행렬에서는 상호작용을 위한 도메인간의 협업 확률이 고려된 Weighted 도메인 조합과, 다수의 Weighted 도메인 조합 중 실제 상호작용 주체가 될 확률을 도메인 조합 쌍의 힘(Domain Combination Pair Power, DCPPW)으로 수치화한다. DIP과 IntAct에서 얻어온 S. cerevisiae의 단백질 상호작용 데이터와 Pfam-A 도메인 정보를 사용한 정확도 검증 결과, 평균 63%의 민감도와 94%의 특이도를 확인하였으며, 학습집단의 증가에 따른 안정적인 예측 정확도 향상을 보였다. 본 논문에서 구현한 예측 시스템과 학습 데이터는 웹(http://code.google.com/p/prespi)을 통하여 내려 받을 수 있다.