• 한국산학기술학회논문지
• /
• 제14권1호
• /
• pp.402-410
• /
• 2013

본 논문에서는 비디오의 시공간적인 특성과 인접 블록 움직임 벡터의 통계적 특성을 이용하는 새로운 고속 블록 정합 알고리즘을 제안한다. 비디오 시퀀스의 현재 블록의 움직임 벡터와 이전 블록의 움직임 벡터는 시간적 상관성을 갖고 있다. 제안된 알고리즘은 이전 프레임과 현재 프레임의 인접 블록으로부터 예측된 움직임 벡터와 이진트리 구조로 분할된 탐색 구간에 속하는 후보 벡터 중에서 가장 작은 SAD 값을 갖는 점을 정확한 움직임 벡터를 찾기 위한 탐색점 위치로 결정한다. 실험 결과 제안된 방식은 FS를 제외한 기존의 대표적인 고속 탐색 방식들에 비교하여 부호화 성능의 저하 없이 움직임 추정을 위한 탐색점 수 및 연산량이 급격히 감소되었다.

• 방송공학회논문지
• /
• 제1권1호
• /
• pp.29-34
• /
• 1996

차등적 오류 방지는 전송되는 정보에 따라 채널에서 오류가 발생했을 때 미치는 영향이 다른 것을 이용하여 채널 오류에 민감한 정보를 다른 정보보다 강력하게 채널 오류로부터 보호하는 방법이다. 그러나 채널에서 오류가 없다는 가정하에 LBG 알고리듬으로 설계한 벡터 양자화 신호에 차등적 오류 방지를 그대로 적용할 수 없다. 따라서 본 논문에서는 이러한 벡터 양자화 신호의 전송에서 차등적 오류 방지를 적용할 수 있도록 부호 벡터에 체계적으로 이진 인덱스를 할당하는 기법을 제안하였다. 또한 제안한 기법을 벡터 양자화 한 1차 Gauss-Marcov 신호의 전송에 중요한 정보의 비율을 50%로 하여 적용하였다.

• 대한전자공학회논문지TC
• /
• 제45권7호
• /
• pp.1-8
• /
• 2008

Low Density Parity Check codes(LDPC)는 최근 우수한 성능으로 통신 분야에서 채널 코딩의 중요한 블록으로 주목받고 있다. 그리하여 Wibro를 포함한 여러 표준에서 LDPC 부호를 채널 코딩으로 채택하고 있다. 이러한 LDPC 부호의 Encoder를 구현하는데 있어서의 약점은 기존의 이진 Matrix Vector Multiplier가 throughput의 감소의 원인이 되는 clock cycle이 많다는 것이다. 본 논문은 표준에서 사용되는 H 행렬이 Circulant Permutation Matrix(CPM)로 정의되어 있다는 점을 이용하여 인코더의 구현에 있어서 기존의 Matrix Vector Multiplier 대신에 cyclic shift register와 exclusive-OR을 사용하는 설계구조를 제안한다. 또한, 제안한 구조를 이용하여 WiBro에 포함되는 다양한 부호율에 적용가능한 인코더를 설계하였다. 제안된 WiBro LDPC의 인코더는 기존보다 적은 clock cycle을 가지므로 높은 throughput에 도달한다.

• 한국산업융합학회 논문집
• /
• 제23권6_2호
• /
• pp.1025-1032
• /
• 2020

In this paper, we propose a method to classify road weather conditions into rain, fog, and sun using a SVM (Support Vector Machine) classifier after extracting weather features from images acquired in real time using an optical sensor installed on a roadside post. A multi-dimensional weather feature vector consisting of factors such as image sharpeness, image entropy, Michelson contrast, MSCN (Mean Subtraction and Contrast Normalization), dark channel prior, image colorfulness, and local binary pattern as global features of weather-related images was extracted from road images, and then a road weather classifier was created by performing machine learning on 700 sun images, 2,000 rain images, and 1,000 fog images. Finally, the classification performance was tested for 140 sun images, 510 rain images, and 240 fog images. Overall classification performance is assessed to be applicable in real road services and can be enhanced further with optimization along with year-round data collection and training.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권7호
• /
• pp.2599-2613
• /
• 2015

Multi-index hashing (MIH) is the state-of-the-art method for indexing binary codes, as it di-vides long codes into substrings and builds multiple hash tables. However, MIH is based on the dataset codes uniform distribution assumption, and will lose efficiency in dealing with non-uniformly distributed codes. Besides, there are lots of results sharing the same Hamming distance to a query, which makes the distance measure ambiguous. In this paper, we propose a data-oriented multi-index hashing method (DOMIH). We first compute the covariance ma-trix of bits and learn adaptive projection vector for each binary substring. Instead of using substrings as direct indices into hash tables, we project them with corresponding projection vectors to generate new indices. With adaptive projection, the indices in each hash table are near uniformly distributed. Then with covariance matrix, we propose a ranking method for the binary codes. By assigning different bit-level weights to different bits, the returned bina-ry codes are ranked at a finer-grained binary code level. Experiments conducted on reference large scale datasets show that compared to MIH the time performance of DOMIH can be improved by 36.9%-87.4%, and the search accuracy can be improved by 22.2%. To pinpoint the potential of DOMIH, we further use near-duplicate image retrieval as examples to show the applications and the good performance of our method.

• 응용통계연구
• /
• 제30권5호
• /
• pp.681-690
• /
• 2017

파산감지, 스팸메일 감지, 불량품 감지 등 일상생활에서 불균형적인 이항 분류 문제를 다양하게 접할 수 있다. 반응변수의 클래스의 비율이 상당히 불균형한 경우 이항 분류 모형의 예측 성능이 좋지 않다는 점은 이미 잘 알려진 사실이다. 이러한 문제점을 해결하기 위해 그 동안 오버 샘플링, 언더 샘플링, SMOTE와 같은 여러 샘플링 기법이 개발되어 왔다. 본 연구에서는 분류 모형으로 많이 사용되는 기계학습모형으로 로지스틱 회귀모형, Lasso, 랜덤포레스트, 부스팅, 서포트 벡터 머신을 위의 샘플링 기법들과 결합하여 사용했을 때의 예측 성능을 살펴보았다. 실질적인 예측 성능의 개선 여부를 확인하기 위해 네 개의 실제 자료를 분석하였다. 이와 더불어, 샘플링 방법이 사용될 때 주의해야 할 점에 대해서 강조하였다.

• 대한산업공학회지
• /
• 제40권1호
• /
• pp.8-17
• /
• 2014

In this research, we employed various data mining techniques to build predictive models for win-loss prediction in Korean professional baseball games. The historical data containing information about players and teams was obtained from the official materials that are provided by the KBO website. Using the collected raw data, we additionally prepared two more types of dataset, which are in ratio and binary format respectively. Dividing away-team's records by the records of the corresponding home-team generated the ratio dataset, while the binary dataset was obtained by comparing the record values. We applied seven classification techniques to three (raw, ratio, and binary) datasets. The employed data mining techniques are decision tree, random forest, logistic regression, neural network, support vector machine, linear discriminant analysis, and quadratic discriminant analysis. Among 21(= 3 datasets${\times}$7 techniques) prediction scenarios, the most accurate model was obtained from the random forest technique based on the binary dataset, which prediction accuracy was 84.14%. It was also observed that using the ratio and the binary dataset helped to build better prediction models than using the raw data. From the capability of variable selection in decision tree, random forest, and stepwise logistic regression, we found that annual salary, earned run, strikeout, pitcher's winning percentage, and four balls are important winning factors of a game. This research is distinct from existing studies in that we used three different types of data and various data mining techniques for win-loss prediction in Korean professional baseball games.

• ETRI Journal
• /
• 제34권5호
• /
• pp.743-752
• /
• 2012

Semantic interpretation of the relationship between noun compound (NC) elements has been a challenging issue due to the lack of contextual information, the unbounded number of combinations, and the absence of a universally accepted system for the categorization. The current models require a huge corpus of data to extract contextual information, which limits their usage in many situations. In this paper, a new semantic relations interpreter for NCs based on novel lightweight binary features is proposed. Some of the binary features used are novel. In addition, the interpreter uses a new feature selection method. By developing these new features and techniques, the proposed method removes the need for any huge corpuses. Implementing this method using a modular and plugin-based framework, and by training it using the largest and the most current fine-grained data set, shows that the accuracy is better than that of previously reported upon methods that utilize large corpuses. This improvement in accuracy and the provision of superior efficiency is achieved not only by improving the old features with such techniques as semantic scattering and sense collocation, but also by using various novel features and classifier max entropy. That the accuracy of the max entropy classifier is higher compared to that of other classifiers, such as a support vector machine, a Na$\ddot{i}$ve Bayes, and a decision tree, is also shown.

• 대한의용생체공학회:의공학회지
• /
• 제19권2호
• /
• pp.199-210
• /
• 1998

본 논문에서는 전산화된 인체 해부도의 필수 기능인 3차원 볼륨 가시화 기법을 제시한다. 오브젝트순서에 기반한 광선 추적과 런-길이 인코딩의 장점을 이용한 이진 볼륨 렌더링 기법은 경계 추출된 칼라 슬라이스로 구성된 볼륨 데이터를 이용하여, 특정 하드웨어의 도움없이 일반 PC에서 대화식 수준의 속도로 3차원 가시화를 수행한다. 이 방법은 이진 볼륨 렌더링을 위해 필요한 이진 깊이 화상의 구성을 간소화하고 새루운 법선 벡터 계산 방법을 적용하여 렌더링 시간의 향상을 꾀하였다. 이와 함께 화질의 손실 없이 관련 데이터의 양을 줄이는 3D경계 인코딩 방법도 제시한다. 본 논문에서 제시한 렌더링 방법의 대화식 수준의 속도와 인코딩 방법의 정보 저장면에서의 효율성은 PC에서 운용될 수 있는 의학 해부도 응용 프로그램의 개발을 보다 가속화할 것이다.

• 한국멀티미디어학회논문지
• /
• 제18권11호
• /
• pp.1302-1312
• /
• 2015

Recent research has been devoted and focused on detecting pedestrian and vehicle in intelligent vehicles except for the vulnerable road user(VRUS). In this paper suggest a new projection method which has robustness for rotation invariant and reducing dimensionality for each cell from original image to detect two-wheeler. We applied new weighting values which are calculated by maximum curvature containing very important object shape features and uniform local binary pattern to remove the noise. This paper considered the Adaboost algorithm to make a strong classification from weak classification. Experiment results show that the new approach gives higher detection accuracy than of the conventional method.