• 한국정보통신학회논문지
• /
• 제16권9호
• /
• pp.1870-1877
• /
• 2012

천이신호는 지속시간이 짧으면서 길이의 변화가 크고, 시변성 및 비정재성 특성을 갖는다. 이러한 천이신호의 식별에는 분석 프레임 단위로 참조신호에 대한 기준패턴을 만들어 입력신호와의 유사도를 비교하는 방법이 효과적일 수 있다. 본 연구에서는 참조신호의 기준패턴으로 프레임 기반의 특징벡터들에 대해 확률통계 모형인 정규혼합모델을 적용하는 방법을 제안하고, 다양한 수중 천이신호에 대한 식별 실험을 통해 제안한 방법의 타당성을 검증하였다.

• 대한임베디드공학회논문지
• /
• 제16권1호
• /
• pp.17-27
• /
• 2021

In this paper, we develop a galaxy image classification method based on hand-crafted features and machine learning techniques. Additionally, we provide an empirical analysis to reveal which combination of the techniques is effective for galaxy image classification. To achieve this, we developed a framework which consists of four modules such as preprocessing, feature extraction, feature post-processing, and classification. Finally, we found that the best technique for galaxy image classification is a method to use a median filter, ORB vector features and a voting classifier based on RBF SVM, random forest and logistic regression. The final method is efficient so we believe that it is applicable to embedded environments.

• 정보처리학회논문지B
• /
• 제9B권1호
• /
• pp.29-34
• /
• 2002

지문인식 분야는 크게 지문의 분류(classification)와 정합(matching)으로 연구되고 있다. 분류는 일반적으로 좌제상문, 우제상문, 와상문, 궁상문, 솟은궁상문 등 크게 5종류로 나누며, 특정인의 지문이 어떤 분류에 속하는 지를 결정하는 것은 대형지문 데이터베이스에서 인덱스로 사용하여 매칭 시간의 단축과 정확도를 높여 주는데 있다. 기존의 지문분류는 특이점이라 불리는 핵과 삼각점의 개수 및 위치에 의한 분류방법이 주를 이루고 있는데, 이러한 방법은 지문분류의 정확성이 떨어지고, 특히 품질이 나쁜 지문이나 부분지문 등에서는 분류가 어려워 정확성이 더욱 떨어지는 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 품질이 나쁜 지문이나 부분지문가지도 방향성과 주파수 선택력이 강한 Gabor 필터의 특징을 이용하여 지문분류의 정확성을 향상시킬 수 있는 효율적인 방법을 제안하고 실험을 통하여 이를 증명하고자 한다.

• 인터넷정보학회논문지
• /
• 제19권3호
• /
• pp.35-42
• /
• 2018

딥 러닝은 영상 분류를 위한 여러 방법 중 높은 정확도를 보이는 방법으로 알려져 있다. 본 논문에서는 딥 러닝 방법 가운데 합성곱 신경망 (CNN:Convolutional Neural Network)을 이용하여 영상을 분류함에 있어 배치 정규화 방법이 추가된 CNN을 이용하여 영상 분류의 정확도를 높이는 방법을 제시하였다. 본 논문에서는 영상 분류를 더 정확하게 수행하기 위해 기존의 뉴럴 네트워크에 배치 정규화 계층 (layer)를 추가하는 방법을 제안한다. 배치 정규화는 각 계층에 존재하는 편향을 줄이기 위해 고안된 방법으로, 각 배치의 평균과 분산을 계산하여 이동시키는 방법이다. 본 논문에서 제시된 방법의 우수성을 입증하기 위하여 SHREC13, MNIST, SVHN, CIFAR-10, CIFAR-100의 5개 영상 데이터 집합을 이용하여 영상분류 실험을 하여 정확도와 mAP를 측정한다. 실험 결과 일반적인 CNN 보다 배치 정규화가 추가된 CNN이 영상 분류 시 보다 높은 분류 정확도와 mAP를 보임을 확인 할 수 있었다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 춘계학술발표회논문집
• /
• pp.267-273
• /
• 2004

The advantage of the remote sensing is extraction the information of wide area rapidly. Such advantage is the resource and environment are quick and efficient method to grasps accurately method through the land cover classification of wide area. Accordingly this study is used to the high-resolution (6.6m) Electro-Optical Camera (EOC) panchromatic image of the first Korea Multi-Purpose Satellite 1 (KOMPSAT-1) and the multi-spectral Moderate Resolution Imaging Spectroradiometer (MODIS) image data(36 bands).We accomplished FCM classification technique with MLC technique to be general land cover classification method in the content of research. And evaluated the accuracy assessment of two classification method.

• Journal of Information Science Theory and Practice
• /
• 제5권3호
• /
• pp.31-47
• /
• 2017

The narrow-down approach, separately composed of search and classification stages, is an effective way of dealing with large-scale hierarchical text classification. Recent approaches introduce methods of incorporating global, local, and path information extracted from web taxonomies in the classification stage. Meanwhile, in the case of utilizing path information, there have been few efforts to address existing limitations and develop more sophisticated methods. In this paper, we propose an expansion method to effectively exploit category path information based on the observation that the existing method is exposed to a term mismatch problem and low discrimination power due to insufficient path information. The key idea of our method is to utilize relevant information not presented on category paths by adding more useful words. We evaluate the effectiveness of our method on state-of-the art narrow-down methods and report the results with in-depth analysis.

• 한국멀티미디어학회논문지
• /
• 제17권2호
• /
• pp.113-123
• /
• 2014

Electrophysiological recordings are considered a reliable method of assessing a person's alertness. Sleep medicine is asked to offer objective methods to measure daytime alertness, tiredness and sleepiness. As EEG signals are non-stationary, the conventional method of frequency analysis is not highly successful in recognition of alertness level. In this paper, EEG signals have been analyzed using wavelet transform as well as discrete wavelet transform and classification using statistical classifiers such as euclidean and mahalanobis distance classifiers and a promising method SVM (Support Vector Machine). As a result of simulation, the average values of accuracies for the Linear Discriminant Analysis (LDA)-Quadratic, k-Nearest Neighbors (k-NN)-Euclidean, and Linear SVM were 48%, 34.2%, and 86%, respectively. The experimental results show that SVM classification method offer the better performance for reliable classification of the EEG signal in comparison with the other classification methods.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권12호
• /
• pp.834-838
• /
• 2004

This paper proposes an algorithm for EEG pattern classification using the Multi-template method, which is a kind of speaker adaptation method for speech signal processing. 10-channel EEG signals are collected in various environments. The linear prediction coefficients of the EEGs are extracted as the feature parameter of human sensibility. The human sensibility classification algorithm is developed using neural networks. Using EEGs of comfortable or uncomfortable seats, the proposed algorithm showed about 75% of classification performance in subject-independent test. In the tests using EEG signals according to room temperature and humidity variations, the proposed algorithm showed good performance in tracking of pleasantness changes and the subject-independent tests produced similar performances with subject-dependent ones.

• 대한전자공학회논문지TE
• /
• 제37권3호
• /
• pp.114-122
• /
• 2000

본 논문에서는 기존의 Fuzzy C-Means, Nearest Neighborring Classification, FMMCNN, Fuzzy -ART등에서 사용하였던 정형에 근거한 분류에서 유기될 수 있던 판단 오류를 최소화하기 위해 단 한가지의 형태적 특징을 갖고 있는 정형에 의존하지 않고 분류를 수행하는 방법을 제안하고i파 한다. 이를 위해 본 논문에서는 주어진 학습 데이터로 학습하는 과정에서 볼록 다면체를 적응적으로 생성하고 다면체의 구조를 수정하는 퍼지 신경회로망을 설계하였다. 따라서, 본 방법은 순차적으로 입력되는 데이터를 분류하여 패턴 유형들을 생성하는 기능을 갖게된다. 본 방법의 유용성을 증명하기 위해, Hyperbox를 정형으로 하는 FMMCNN과의 다양한 시뮬레이션 비교를 수행하였다.

• 한국컴퓨터정보학회논문지
• /
• 제23권6호
• /
• pp.1-7
• /
• 2018

A multi-label classification is to find multiple labels associated with the input pattern. Multi-label classification can be achieved by extending conventional single-label classification. Common extension techniques are known as Binary relevance, Label powerset, and Classifier chains. However, most of the extended multi-label naive bayes classifier has not been able to accurately estimate posterior probabilities because it does not reflect the label dependency. And the remaining extended multi-label naive bayes classifier has a problem that it is unstable to estimate posterior probability according to the label selection order. To estimate posterior probability well, we propose a new posterior probability estimation method that reflects the probability between all labels and labels efficiently. The proposed method reflects the correlation between labels. And we have confirmed through experiments that the extended multi-label naive bayes classifier using the proposed method has higher accuracy then the existing multi-label naive bayes classifiers.