• 한국정보처리학회논문지
• /
• 제6권7호
• /
• pp.1980-1987
• /
• 1999

복원 영상은 원 영상에 비해 항상 왜곡 및 잡음 요소가 첨가되는 경향이 있다. 영상 복원에서는, 변형 요소를 포함한 영상의 잡음, 또는 왜곡 정보를 교정하여 복원 영상의 품질을 향상시키고, 원 영상에 가장 근접한 값으로 표현하여야 한다. 영상 복원을 위한 공간 필터 중에서 선형 필터는 쉽게 구현될 수 있고, 가우시안 잡음 제거율이 높다는 장점이 있지만, 얼룩이나 임펄스 잡음 제거에 대해서는 좋지 않은 성능을 보이기 때문에, 이러한 단점을 보완할 수 있는 비선형 필터 알고리즘으로 본 논문에서는 적응성 다단계 최적화 필터(OAMF : optimal adaptive multistage filter)라는 영상 복원 공간 필터를 제안하였다. 적응성 다단계 최적화 필터는 영상 복원에서 필터링 시간 감소, 잡음 제거율 증가 그리고 외곽선 정보의 보존률 증가 등을 목적으로 역전파 학습 알고리즘의 가중치 학습법을 기반으로 적응성 다단계 필터(AMF)를 최적화 한 것이다. 본 논문에서 제시한 영상 복원 공간필터가 기존의 다른 필터들에 비해 임펄스 잡음 제거와 외곽선 정보 보존 기능, 가우시안 잡음 제거 능력 등이 향상됨을 시뮬레이션 결과로 입증하였다.

• 한국정보통신학회논문지
• /
• 제24권4호
• /
• pp.474-480
• /
• 2020

최근 4차산업 혁명의 시대가 도래하면서 새로운 기술들이 많이 구현되고 있는 추세이다. 그 중 영상신호는 다양한 분야에서 활용되어 지고 있다. 하지만 영상신호를 송,수신할 때 다양한 이유로 잡음이 발생하게 되며 Salt and Pepper 잡음과 AWGN이 대표적이다. 영상처리를 수행 할 때 잡음을 제거하지 않고 처리하게 되면 오류의 전파라는 문제점을 야기할 수 있다. 일반적으로 잡음을 제거하는 방법으로 CWMF, MF, AMF 등이 있지만 이러한 필터들의 경우 고밀도 잡음 영역에서 다소 미흡한 성능을 보이며, 스무딩 현상으로 인해 에지 성분의 보존률도 다소 떨어진다. 본 연구에서는 표준편차를 이용한 변형된 가중치 필터를 이용하여 Salt and Pepper잡음을 효과적으로 제거하는 알고리즘을 제안한다. 제안한 알고리즘의 잡음 제거 성능을 입증하기 위해 PSNR과 확대영상을 사용하여 기존의 알고리즘과 비교하였다.

• Advances in concrete construction
• /
• 제14권3호
• /
• pp.185-194
• /
• 2022

For producing cement and concrete, the construction field has been encouraged by the usage of industrial soil waste (or) secondary materials since it decreases the utilization of natural resources. Simultaneously, for ensuring the quality, the analyses of the strength along with durability properties of that sort of cement and concrete are required. The prediction of strength along with other properties of High-Performance Concrete (HPC) by optimization and machine learning algorithms are focused by already available research methods. However, an error and accuracy issue are possessed. Therefore, the Enhanced Deep Neural Network (EDNN) based strength along with durability prediction of HPC was utilized by this research method. Initially, the data is gathered in the proposed work. Then, the data's pre-processing is done by the elimination of missing data along with normalization. Next, from the pre-processed data, the features are extracted. Hence, the data input to the EDNN algorithm which predicts the strength along with durability properties of the specific mixing input designs. Using the Switched Multi-Objective Jellyfish Optimization (SMOJO) algorithm, the weight value is initialized in the EDNN. The Gaussian radial function is utilized as the activation function. The proposed EDNN's performance is examined with the already available algorithms in the experimental analysis. Based on the RMSE, MAE, MAPE, and R² metrics, the performance of the proposed EDNN is compared to the existing DNN, CNN, ANN, and SVM methods. Further, according to the metrices, the proposed EDNN performs better. Moreover, the effectiveness of proposed EDNN is examined based on the accuracy, precision, recall, and F-Measure metrics. With the already-existing algorithms i.e., JO, GWO, PSO, and GA, the fitness for the proposed SMOJO algorithm is also examined. The proposed SMOJO algorithm achieves a higher fitness value than the already available algorithm.

• International Journal of Computer Science & Network Security
• /
• 제24권2호
• /
• pp.158-168
• /
• 2024

There is hardly any person in modern times who has not taken soft drinks instead of drinking water. The rate of people taking soft drinks being surprisingly high, researchers around the world have cautioned from time to time that these drinks lead to weight gain, raise the risk of non-communicable diseases and so on. Therefore, in this work an image-based tool is developed to monitor the nutritional information of soft drinks by using deep convolutional neural network with transfer learning. At first, visual saliency, mean shift segmentation, thresholding and noise reduction technique, collectively known as 'pre-processing' are adopted to extract the location of drinks region. After removing backgrounds and segment out only the desired area from image, we impose Discrete Wavelength Transform (DWT) based resolution enhancement technique is applied to improve the quality of image. After that, transfer learning model is employed for the classification of drinks. Finally, nutrition value of each drink is estimated using Bag-of-Feature (BoF) based classification and Euclidean distance-based ratio calculation technique. To achieve this, a dataset is built with ten most consumed soft drinks in Bangladesh. These images were collected from imageNet dataset as well as internet and proposed method confirms that it has the ability to detect and recognize different types of drinks with an accuracy of 98.51%.

• 콘크리트학회논문집
• /
• 제21권6호
• /
• pp.789-796
• /
• 2009

철근콘크리트 부재 저항능력의 변동성은 콘크리트 및 철근 강도의 변동성, 부재 치수 및 철근 위치의 불확실성 등과 같은 요소로부터 기인한다. 이 불확실성 중에서 콘크리트의 압축강도, 인장강도 및 탄성계수 등과 같은 요소가 많은 영향을 주며 다른 요소에 비하여 상대적으로 통계적 분산정도도 크다. 그러나 국내의 경우 콘크리트의 재료의 변동성에 대한 실험 및 분석연구가 활발하지 못한 편이며, 현재 설계기준 등의 작성에 필요한 내용은 외국의 실험 결과 및 연구 성과를 주로 이용하고 있는 실정이다. 이 논문은 우리나라 콘크리트의 역학적 특성, 압축강도, 쪼갬인장강도 및 탄성계수에 대한 우리나라 고유의 확률모델을 개발하기 위하여 다양한 설계기준강도별로 기존의 문헌자료 및 추가적인 실험 자료를 수집, 분석하고 그 결과를 정리한 것이다. 연구결과에 따르면 콘크리트의 압축강도 및 쪼갬인장강도의 확률특성은 정규분포로 모델링하는 것이 타당한 것으로 나타났으며, 외국의 자료와 비교할 때 분산의 정도는 그리 크지 않은 것으로 판단된다. 또한, 콘크리트 구조설계기준에 규정되어 있는 압축강도와 쪼갬인장강도 및 압축강도와 탄성계수에 대한 관계식을 검증하고 새로운 관계식을 제안하였다. 이 연구 결과는 추후 새로운 설계기준의 작성 및 관련 연구에 유용한 기초자료를 제공할 수 있을 것으로 기대된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권1호
• /
• pp.1-10
• /
• 2007

본 논문에서는 MPEG-7 시각 정보 기술자인 Dominant Color와 Contour Shape 기술자에 대한 새로운 인덱싱 알고리즘을 제안한다. Dominant Color 기술자에서 사용되는 비교 연산 식은 가우스 혼합 모델에 기초하고 있기 때문에 기술자의 각 속성들을 하나의 칼라 히스토그램 형태로 변형시켜서 인덱스로 사용한다. Contour Shape 기술자는 두 단계 형태의 알고리즘을 사용하는데, 첫 번째 단계에서는 글로벌 변수인 Eccentricity와 Circularity를 사용한 대략적인 비교를 통해서 비슷하지 않은 이미지 오브젝트를 배제시키고 두 번째 단계에서 남겨진 오브젝트들과 질의 오브젝트들간의 Peak 변수를 사용한 비교 연산을 통해 인덱싱을 수행한다. 또한 본 논문은 효율적인 멀티미디어 데이타 검색을 위해서 두 가지의 MPEG-7 시각 정보 기술자 결합 알고리즘을 제안한다. 첫 번째 결합 알고리즘은 가중치를 확률로 변환해서 반영하는 것이고 두 번째는 가중치를 각 비교 연산 결과값의 중요도로 간주하는 방법이다. 실험을 통해서 결과를 분석해 보면 근사화를 통한 인덱스 생성으로 100%의 정확도를 유지 할 수는 없지만 논문에서 제안된 각 기술자의 인덱싱 알고리즘과 기술자들의 결합 알고리즘은 기본 검색 알고리즘과 비교했을 때 매우 빠른 속도 향상을 보여주었다. 본 논문에서 제안된 알고리즘은 MPEG-7을 사용하는 검색 시스템의 데이타베이스 구축에 효율적으로 사용될 수 있다.

• 한국지반공학회논문집
• /
• 제30권4호
• /
• pp.35-45
• /
• 2014

사면의 안정성을 위한 한계평형해석은 간편함과 적용성 때문에 가장 널리 적용되고 있다. 이러한 간편한 방법으로 균질하지 않고 방향성 있는 지층 같은 다양한 지형조건을 해석하기에는 신뢰성과 설득력 있는 결과를 주기에 한계가 있다. 또한 지반굴착과 성토지반 같은 토사사면의 초기 응력상태나 응력경로와 같은 지반의 응력변화에 대해서 고려하지 못한다. 반면, 한계평형해석과는 다르게, 유한요소법에 의한 변형과 응력분포 해석은 시간에 따른 복잡한 하중단계와 탄성영역외의 범위를 다룰 수 있다. 본 연구에서는 불포화 토사사면에서 발생하는 얕은 파괴의 안전율 계산과 임계단면을 결정하는 방법을 제안한다. 유한요소해석은 유효응력 거동을 근간으로 각 요소들의 가우스 포인트에서 응력들이 계산되고 안전율이 가장 약한 지점들을 찾아 비선형 임계단면이 결정된다. 이러한 사면안정해석은 강우침투에 의해 변형되는 지반의 사면 표층파괴에 적합하게 계산된다. 침투에 의한 지반의 단위중량의 변화는 사면의 연직 및 수평변위에 영향을 주며, Drucker-Prager 파괴기준은 수리학-역학적인 연계된 불포화토의 거동 해석과 응력-변형률 관계를 위해 적용된다.

• 전기학회논문지
• /
• 제60권3호
• /
• pp.639-647
• /
• 2011

In this paper, we introduce a design methodology of data-centroid Radial Basis Function neural networks with extended polynomial function. The two underlying design mechanisms of such networks involve K-means clustering method and Particle Swarm Optimization(PSO). The proposed algorithm is based on K-means clustering method for efficient processing of data and the optimization of model was carried out using PSO. In this paper, as the connection weight of RBF neural networks, we are able to use four types of polynomials such as simplified, linear, quadratic, and modified quadratic. Using K-means clustering, the center values of Gaussian function as activation function are selected. And the PSO-based RBF neural networks results in a structurally optimized structure and comes with a higher level of flexibility than the one encountered in the conventional RBF neural networks. The PSO-based design procedure being applied at each node of RBF neural networks leads to the selection of preferred parameters with specific local characteristics (such as the number of input variables, a specific set of input variables, and the distribution constant value in activation function) available within the RBF neural networks. To evaluate the performance of the proposed data-centroid RBF neural network with extended polynomial function, the model is experimented with using the nonlinear process data(2-Dimensional synthetic data and Mackey-Glass time series process data) and the Machine Learning dataset(NOx emission process data in gas turbine plant, Automobile Miles per Gallon(MPG) data, and Boston housing data). For the characteristic analysis of the given entire dataset with non-linearity as well as the efficient construction and evaluation of the dynamic network model, the partition of the given entire dataset distinguishes between two cases of Division I(training dataset and testing dataset) and Division II(training dataset, validation dataset, and testing dataset). A comparative analysis shows that the proposed RBF neural networks produces model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 융합신호처리학회논문지
• /
• 제5권2호
• /
• pp.111-118
• /
• 2004

웨이블릿 변환 영역에서 계수 축소 방법의 잡음제거는 알고리즘의 단순함과 잡음제거 효과의 우수함으로 많이 사용되는 방법이다. 계수 축소 방법 중 VisuShrink는 데이터의 수와 잡음편차에 비례하는 universal 경계값을 사용하여 잡음을 제거하는 방법이다. 일반적으로 잡음편차가 알려져 있지 않으므로 universal 경계값 결정을 위해 잡음편차 추정이 필요하다. 그러나 잡음편차 추정 방법은 고주파 대역에서는 알려져 있으나 저주파 대역에 대해서는 알려져 있지 않으므로 기존의 VisuShrink 방법은 저주파 대역의 잡음을 제거할 수 없다. 본 논문에서는 단조변환에 의한 각 대역의 잡음편차를 추정하고, 추정된 편차에 가중값을 곱한 가중편차를 universal 경계값에 적용하여 최저주파 대역을 제외한 모든 대역의 잡음을 Soft-Threshold 기법으로 제거하였다. 그리고 잡음제거 특성을 비교하기 위해 기존의 VisuShrink방법 및 SureShrink방법과의 잡음제거 특성을 비교하였다. 비교 결과 본 논문에서 제시된 잡음제거 방법은 가우시안 잡음과 고압축 양자화 잡음에서 좋은 잡음 제거효과를 보였다.

• 응용통계연구
• /
• 제35권2호
• /
• pp.229-250
• /
• 2022

포트폴리오 최적화 이론의 초석인 Markowitz의 평균-분산 포트폴리오 모형 (1952)이 발표된 이후로 많은 분야에서 포트폴리오 최적화에 대한 다양한 연구가 진행되었다. 기존의 평균-분산 포트폴리오 모형은 주로 목적함수나 제약식에 비선형 볼록 형태를 포함한다. 이를 Dantzig의 선형계획법을 적용하여 선형으로 변환시켜 알고리즘 계산 시간을 효율적으로 감소시켰다. 또한 시계열 데이터 특성을 반영하여 시간에 따른 가중치를 고려하는 가우시안 커널 가중치 공분산을 제안하였다. 여기에 일정 부분은 벤치마크에 투자하고 나머지는 포트폴리오 최적화 모형으로 제안된 자산들에 투자하는 퍼터베이션 방법을 적용하여 평균 수익률과 위험도를 목적에 맞게 조절하도록 하였다. 또한, 본 논문에서는 안정적이면서도 적은 자산을 보유하게 포트폴리오를 구성하여 관리비용(management costs)과 거래비용(transaction costs)를 낮출 수 있는 Dantzig-type 퍼터베이션 포트폴리오 모형을 제안하였다. 제안된 모형의 성능은 5개의 실제 데이터 세트로 벤치마크 포트폴리오와 비교 분석하여 평가하였다. 최종적으로 제안한 최적화 모형은 벤치마크보다 높은 기대수익률이나 낮은 위험도를 갖는 포트폴리오를 구성하여 퍼터베이션 목적을 만족하며, 투자한 자산의 수와 시간에 따른 자산 구성 변화를 일정 수준 이하로 조절하는 희소하며 안정적인 결과를 얻었다.