• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.271-272
• /
• 2019

현재 4차 산업혁명으로 인해 많은 이들의 삶의 질이 이전보다 개선되었음에도 불구하고, 소외된 계층을 위한 개발은 타 분야에 비해서 더뎌지고 있는 실정이다. 현대의 청각 장애인과 언어 장애인들은 시각 언어인 수화를 이용하여 의사소통을 한다. 그러나 수화는 진입 장벽이 높기 때문에, 이를 사용하지 않는 사람들은 청각 장애인 및 언어 장애인과 의사소통을 하는데 어려움을 겪는다. 본 논문은 이러한 불편함을 줄이기 위해 서포트 벡터 머신(Support Vector Machine, SVM) 기반의 HOG(Histogram of Oriented Gradients) 특징 벡터를 이용하여 수화의 기본인 숫자를 분류할 수 있는 시스템을 구현하여 수화를 번역할 수 있는 가능성을 제안한다.

• Journal of the Korean Data and Information Science Society
• /
• v.22 no.5
• /
• pp.921-929
• /
• 2011

In Information age, the academic liberal art Computer education course set up goals for promoting computer literacy and for developing the ability to cope actively with in Information Society and for improving productivity and competition among nations. In this paper, we analyze on discovering of decisive property and satisfaction index to have a influence on computer education on university students. As a preprocessing method, the proposed method select optimum property using correlation feature selection of machine learning tool based on Java and then we use multiclass least square support vector machine based on statistical learning theory. After applying that compare with multiclass support vector machine and multiclass least square support vector machine, we can see the fact that the proposed method have a excellent result like multiclass support vector machine in analysis of the academic liberal art computer education satisfaction index data.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.115-116
• /
• 2019

SVM (Support Vector Machine)은 견고성으로 인해 다양한 분류 문제에 적용 할 수 있는 효율적인 기계 학습 기술이다. 그러나 훈련 데이터의 수가 증가함에 따라 시간 복잡도가 급격히 증가하므로 대규모 데이터 세트의 경우 SVM이 비실용적이다. 본 논문에서는 SVM을 사용하여 중복 된 학습 데이터를 효율적으로 제거하는 새로운 병렬 평면(Parallel Hyperplane) 기법을 소개한다. 제안 기법에서 PH는 재귀 적으로 형성되는 반면 PH의 외부에 있는 데이터 포인트의 클러스터는 매 반복마다 제거된다. 시뮬레이션 결과 제안 기법은 기존의 클러스터링 기반 감축 기법과 SMO 기법에 비해 학습 시간을 크게 단축시키면서 데이터 축소 없이 분류의 정확성을 높일 수 있음을 확인 하였다.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.65-66
• /
• 2008

A vector DLL represents signal tracking scheme utilizing navigation results, and it has been known that it has better performance than a conventional scalar DLL. This paper discusses the structure and conceptual benefits of the vector DLL, and describes implementation of the vector DLL in a software GPS receive. Also, the benefits of the vector DLL are confirmed by an experiment. Through the experiment, the code tracking accuracy between the vector DLL and a scalar DLL implementation is compared in static environments, and the navigation accuracy is analyzed using GPS signals received from a commercial GPS simulator.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2017.06a
• /
• pp.66-69
• /
• 2017

본 논문에서는 프레임율 향상 기법 (Frame Rate Up-Conversion, FRUC)에 사용되는 새로운 움직임 예측(motion estimation)알고리즘을 제시한다. 제안된 알고리즘은 단 방향 움직임 예측(unilateral motion estimation)에 의해 순방향 및 역방향의 움직임 벡터(motion vector)를 독립적으로 추정한다. 움직임 벡터를 찾은 후, weighted motion vector smoothing(WMVS)가 적용된다. 다음으로, 보간 프레임 (interpolated frame)의 관점에서 현재 블록의 인접 블록들의 모션 벡터들을 후보들로 사용하여 현재 블록과 가장 잘 일치하는 움직임 벡터를 찾는다. 그 후, 선택된 움직임 벡터를 현재 블록의 유도 움직임 벡터 (guidance motion vector)로 정한다. 그런 다음 motion vector shifting error 를 없애기 위해 motion vector refinement (MVR)가 진행된다. 마지막 단계에서는 각 움직임 벡터의 신뢰도를 계산하여 순방향 및 역방향 움직임 벡터 중 최종 움직임 벡터를 선택한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.05a
• /
• pp.298-301
• /
• 2008

Vector Graphics describes an image with mathematical statements instead of pixel information, Which enables easy scalability without loss in image quality and usually results in a much smaller file size compared with bitmap images. In this paper, we propose Vector Graphics Rasterizer for mobile device with scan-line edge flag algorithm. Proposed Vector Graphics Accelerator was verified with OpenVG 2D Vector image. The estimated performance of proposed Accelerator is 5 frame per second with Tiger image.

• Proceedings of the KSRS Conference
• /
• v.2
• /
• pp.772-775
• /
• 2006

Muilti-dimensional feature vector matching algorithm uses multiple features such as intensity, gradient, variance, first or second derivative of a pixel to find correspondence pixels in stereo images. In this paper, we proposed a new method for adjusting automatically the weight of feature in multi-dimensional feature vector matching considering sharpeness of a pixel in feature vector distance curve. The sharpeness consists of minimum and maximum vector distances of a small window mask. In the experiment we used IKONOS satellite stereo imagery and obtained accurate matching results comparable to the manual weight-adjusting method.

• Proceedings of the KIEE Conference
• /
• 1999.11c
• /
• pp.745-747
• /
• 1999

디지털 TV의 동영상 표준인 MPEG2는 방대한 양의 디지털 데이터를 발생한다. 그러나 현재 사용하고 있는 디지털 저장 매체의 수용 능력에는 한계가 있으므로 저장을 위해 전송된 high bit rate의 MPEG2 bitstream을 더욱 낮은 bit rate의 bitstream으로 전환하는 transcoding 기법이 반드시 필요하다. 기존의 encoder와 decoder를 이용하여 구현 가능한 장점이 있는 cascade transcoder는 reencoding시 motion estimation에 많은 수행 시간이 소요되므로, motion estimation 과정을 최소화하면서 optimal motion vector를 구할 수 있는 motion vector refinement 기법을 MPEG2 cascade transcoder에 적용하였다. 결과 처리 속도는 3-5배 향상되었고 화질은 기존의 72 transcoder에 비해 평균 0.1dB 이상의 FSNR 향상이 있었다. 또한 1Mbps와 같은 low bit rate에서 더욱 큰 화질 향상이 있었다.

• Proceedings of the IEEK Conference
• /
• 2008.06a
• /
• pp.883-884
• /
• 2008

This paper presents a method for classification of underwater transient signals using, which employs a binary image pattern of the mel-frequency cepstral coefficients(MFCC) as a feature vector and a neural network as a classifier. A feature vector is obtained by taking DCT and 1-bit quantization for the square matrix of the MFCC sequences. The classifier is a feed-forward neural network having one hidden layer and one output layer, and a back propagation algorithm is used to update the weighting vector of each layer. Experimental results with some underwater transient signals demonstrate that the proposed method is very promising for classification of underwater transient signals.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.354-357
• /
• 2011

Support Vector Machine (SVM)은 주어진 데이터 중에서 각 클래스를 잘 표현하는 Support Vector (SV)를 계산함으로써 새로운 데이터를 분류하는 알고리즘이다. SVM은 전체 데이터 분포를 고려하지 않기 때문에 잘못된 데이터에 의해 분류가 잘못될 가능성이 적다. 하지만, SV가 잘못되었을 경우에는 정확도가 감소하게 되는 문제점이 있다. 본 논문에서는 SV가 잘못 주어진 데이터일 가능성을 고려, 아웃라이어 검출 알고리즘인 Local Outlier Factor (LOF) 알고리즘을 이용해 주어진 데이터 중 잘못된 데이터를 제거함으로써 SVM의 분류 정확도를 높이는 알고리즘을 제안하였다. 추가적으로, Incremental LOF를 이용해 새로운 데이터 중 판단하기 어려운 데이터를 제거함으로써 SVM의 정확도를 보다 향상시켰다. 제안된 방법은 두 개의 클래스를 가진 데이터에 대해서 실험하였다.