• 대한원격탐사학회지
• /
• 제23권6호
• /
• pp.521-528
• /
• 2007

본 논문에서는 대상지역에 대한 영상을 다양한 가중치의 조합의 경우를 고려하여 객체 단위로 분할하게 되며 분할된 객체에 대하여 상호관계를 분석하여 수치적으로 표현하였다. 또한 최종적인 객체 기반영상분류에서 높은 정확도를 확보할 수 있는 가중치의 조합을 산정하였다. 연구에 사용된 영상은 Landsat-7/ETM 영상으로 대상 지역의 면적은 $11{\times}14$ Km이며 밴드 2, 3, 4의 조합을 사용하였다. 객체 간 계산은 Moran's I와 객체 내부 분산(Intrasegment Variance)을 이용하였다. 대상지역에 대하여 총 75개의 가중치 조합을 사용하여 75개의 객체 분할 영상을 생성하였다. 객체 분할 영상 중에 최종적인 영상 분류 시 높은 정확도가 예상되는 가중치 조합, 중간 정도 정확도가 예상되는 가중치 조합 그리고 낮은 정도 정확도가 예상되는 가중치 조합을 7개 선택하여 최종적인 객체기반 영상분류를 시행하고 그 정확도를 비교하였다. 정확도의 비교 결과, 가장 높은 정확도가 예상되는 가중치 조합의 객체 분할 영상의 경우 객체 기반 영상 분류 시 85% 이상의 정확도를 나타내었으며 반대로 낮은 경우는 분류 시 50% 정도의 분류 정확도를 나타내었다.

• 정보관리학회지
• /
• 제25권1호
• /
• pp.211-233
• /
• 2008

로치오 알고리즘에 기반한 자동분류의 성능 향상을 위하여 두 개의 실험집단(LISA, Reuters-21578)을 대상으로 여러 가중치부여 기법들을 검토하였다. 먼저, 가중치 산출에 사용되는 요소를 크게 문헌요소(document factor), 문헌집합 요소(document set factor), 범주 요소(category factor)의 세 가지로 구분하여 각 요소별 단일 가중치부석 기법의 분류 성능을 살펴보았고, 다음으로 이들 가중치 요소들 간의 조합 가중치부여 기법에 따른 성능을 알아보았다. 그 결과, 각 요소별로는 범주 요소가 가장 좋은 성능을 보였고, 그 다음이 문헌집합 요소, 그리고 문헌 요소가 가장 낮은 성능을 나타냈다. 가중치 요소 간의 조합에서는 일반적으로 사용되는 문헌 요소와 문헌집합 요소의 조합 가중치(tfidf or ltfidf)와 함께 문헌 요소를 포함하는 조합(tf*cat or ltf*cat) 보다는, 오히려 문헌 요소를 배제하고 문헌 집합 요소를 범주 요소와 결합한 조합 가중치 기법(idf*cat)이 가장 좋은 성능을 보였다. 그러나 실험집단 측면에서 단일 가중치와 조합 가중치를 서로 비교한 결과에 따르면, LISA에서 범주 요소만을 사용한 단일 가중치(cat only)가 가장 좋은 성능을 보인 반면, Reuters-21578에서는 문헌집합 요소와 범주 요소간의 조합 가중치(idf*cat)의 성능이 가장 우수한 것으로 나타났다. 따라서 가중치부여 기법에 대한 실제 적용에서는, 분류 대상이 되는 문헌집단 내 범주들의 특성을 신중하게 고려할 필요가 있다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2007년도 GIS 공동춘계학술대회 논문집
• /
• pp.289-292
• /
• 2007

객체기반 영상분류를 위한 영상분할에 있어서 중요한 요소로는 분할축척(Scale), 분광 정보(Color), 공간 정보(Shape) 등이 있으며 공간 정보에 해당하는 공간 변수는 평활도(Smoothness)와 조밀도(Compactness)가 있다. 이들 가중치의 선택이 최종적으로 객체기반 영상분류의 결과를 좌우하게 된다. 본 연구는 객체기반 영상분류의 준비 과정이라 할 수 있는 영상분할에 있어서 다양한 가중치를 적용을 통하여 영상을 분할하였다. 영상분할을 위해 적용한 가중치는 10, 20, 30의 분할축척(Scale)과 분광 정보(Color)와 공간 정보(Shape)간의 가중치 조합, 공간 변수인 평활도(Smoothness)와 조밀도(Compactness)간의 가중치 조합을 사용하였다. 각 가중치 조합을 통하여 분할된 영상의 분석은 Moran's I 와 객체 내부 분산(Intrasegment Variance)을 이용하여 분석하였다. 각 객체간의 상관관계 분석을 위하여 Moran's I를 계산하였으며 분류된 지역의 동질성을 분석하기 위하여 객체 면적을 고려한 객체 내부 분산(Intrasegment Variance)값을 계산하였다. Moran's I 가 낮은 값을 가질수록 객체 간의 공간상관관계가 낮아지므로 이웃 객체간의 이질성은 높아지며 객체 내부 분산(Intrasegment Variance)이 낮은 값을 가질수록 지역간의 동질성은 높아지게 된다. Moran's I 와 객체 내부 분산(Intrasegment Variance)의 조합을 통하여 객체기반 영상분류 시 가장 높은 분류 정확도가 예상되는 밴드별 영상분할 가중치를 얻을 수 있다.

• 전자공학회논문지CI
• /
• 제41권3호
• /
• pp.37-45
• /
• 2004

본 논문에서는 이동 에드-혹 네트워크에서 조합가중치 클러스터링 알고리즘을 적용하여 강건하고 신뢰성 있는 클러스터 기반의 그룹 멀티캐스트 방식을 제안한다. 에드-혹 네트워크는 고정된 통신 하부 구조의 도움 없이 이동 단말기로만 구성된 무선 네트워크이다. 제한된 대역폭과 높은 이동성으로 인하여 에드-혹 네트워크에서의 라우팅 프로토콜은 강건하고, 간단하면서 에너지 소비를 최소화하여야 한다. WCGM(Weighted Cluster Group Multicast)방식은 조합 가중치 다중 클러스터 기반 구조를 이용하고 기존의 FGMP(Forwarding Group Multicast Protocol)방식의 장점인 제한적인 플러딩에 의한 데이터 전달방식은 유지하면서 클러스터 헤드 선출 시 조합가중치를 적용한다. 이것은 안정적이며 강건한 데이터 전달 구조를 가지기 때문에 데이터 전달 구조를 유지하기 위한 오버헤드(Overhead)와 데이터 전달을 위한 오버헤드를 모두 줄이는 효과를 시뮬레이션을 통하여 검증하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제39권1호
• /
• pp.58-62
• /
• 2015

대부분의 블로그 사이트에서는 미리 정의된 분류 체계에 따른 내용 기반 분류 환경을 제공하고 있으나, 작성된 포스트의 분류를 수동으로 선택해야하는 번거로움 때문에 대부분의 블로거들은 포스트에 대한 분류를 입력하지 않고 있다. 본 논문에서는 블로그 포스트의 자동 분류를 위해 블로그 사이트에서 분류별 문서를 수집하고 수집된 분류별 문서의 어휘빈도와 문서빈도, 분류별 빈도 등의 다양한 어휘 가중치 조합하여 블로그 포스트의 특성에 적합한 가중치 방식을 찾고자 한다. 실험에서는 본 논문에서 제안한 TF-CTF-IECDF를 어휘 가중치로 사용한 분류 모델이 77.02%의 분류 정확률을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (3)
• /
• pp.280-282
• /
• 1999

적응 횡단선 심볼간의 채널에 발생하는 상호 심볼간 간섭을 억압하기 위해 LMS 알고리즘을 사용한다. 이 알고리즘은 원하는 응답과 실제 출력간의 차인 에러를 이용하여 탭 가중치 조절 메카니즘을 통해 탭 가중치를 갱신함으로서 효과적으로 간섭을 제거하였다. 본 논문은 상호 심볼간 간섭을 효율적으로 억압해온 기존의 LMS알고리즘에 다계층 퍼셉트론 신경망을 조합 한 새로운 LMSBP 알고리즘을 제안하였으며, 제안된 알고리즘을 토해 탭 가중치 갱신이 보다 효율적으로 이루어짐을 알 수 있다. 시뮬레이션 결과를 통해 제안된 알고리즘의 평균 자승 에러의 수렴 특성이 LMS 알고리즘을 이용한 수렴특성보다 우월하다는 것을 나타내었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.429-431
• /
• 2012

하이퍼네트워크를 학습하는 기존의 방법은 데이터의 분포를 학습하기 위하여 주로 하이퍼에지의 적절한 조합을 찾는데 초점을 맞추었다. 반면 본 논문에서는 주어진 하이퍼에지의 조합 내에서 가중치를 조절하여 데이터의 분포를 학습하도록 하는 방법을 제안한다. 이 방법은 분류 문제에서 하이퍼네트워크가 표현하고 있는 클래스 y에 대한 데이터 x의 조건부 우도(Conditional Likelihood)를 대화하는 방식으로 학습을 진행한다. 본 논문에서는 제안된 학습 방법이 기존의 학습 방법보다 개선된 학습 성능을 보일 뿐만아니라, 제안된 가중치 학습 방법이 기존의 가중치 학습 방법을 포함하는 관계임을 논증한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 D
• /
• pp.3001-3003
• /
• 2005

이 논문에서는 OFDM(orthogonal frequency division multiplexing) 통신 시스템에서 고려해야할 중요한 문제 중의 하나인 PAPR(peak to average power ratio) 문제를 다루었다. SLM(selected mapping) OFDM 시스템을 기반으로 구현하였고, PAPR을 줄이기 위한 방법으로 새로운 위상 가중치를 곱하는 방법을 제안하였다. 여기서는 여러 가지 방법들(PSK, QPSK, 랜덤)로 위상 가중치를 발생시켰고, 발생된 위상 가중치를 병렬 조합으로 적용하여, 최저의 PAPR을 가져오는 값을 선택했다. 실험결과에서, 단일의 위상 가중치만을 곱하여 사용할 때 보다 위상 가중치를 복합적으로 사용했을 때 큰 PAPR 감소를 보임으로서, 제안된 방법의 우수성을 보였다. 그러나 아직 해결해야할 것들 중에서, 여러가지 위상 가중치를 사용함에 따른 시스템 복잡도가 증가하는 문제점이 존재한다. 본 연구에서 제안하는 방법은 비록 복잡도의 증가라는 단점을 가지고 있지만, 성능면에서의 향상은 커다란 장점이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1084-1088
• /
• 2010

일반적으로 자연하천에서는 횡방향 흐름저항 요소가 매우 다를 수 있다. 이러한 하천은 흐름저항 요인에 따라 몇 개의 소단면으로 구분될 수 있으며, 1차원 해석을 위해서는 단면 전체를 대표하는 복합 조도계수(composite roughness coefficient)를 사용함으로써 수위 또는 평균유속의 계산이 가능해 진다. 복합 조도계수는 각 소단면의 면적(A), 윤변(P), 또는 동수반경(R)을 적절히 조합하여 각 소단면의 조도계수에 가중치를 부여하면서 계산되는데, 각 산정식들의 개발과정에 도입된 가정 조건에 따라 상이한 가중치를 부여하게 되며, 일부 산정식들에서는 횡방향으로 동일한 재료로 구성된 조건에서도 복합 조도계수 산정 결과는 하상재료에 의한 조도계수와 다른 값을 산정하게 된다. 본 연구에서는 13개의 기존 복합 조도계수 산정식을 이론적으로 검토하였고, 소규모 실내 수리실험자료로부터 실측 복합 조도계수와 계산된 값을 비교 분석하였으며, 소단면 분할방법에 의한 기존 산정식의 적용성을 분석하였다. 분석결과, 윤변을 가중치로 사용하는 경우는 실측 복합 조도계수 그리고 각 산정식에 의한 계산 복합 조도계수의 차이가 비교적 작게 나타났으나 각 산정식의 가정조건에 유의하여야 하는 것으로 나타났다. 한편 단면적 또는 윤변과 동수반경을 조합하여 가중치로 사용하는 경우는 방법별로 큰 차이를 보이는 것으로 분석되었고, 그 원인은 단면분할 방법에 기인하므로 이러한 방법을 적용할 경우에는 소단면 분할방법에 특히 주의하여야 함을 알 수 있다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1997년도 영남지회 학술발표회 논문집 Acoustic Society of Korean Youngnam Chapter Symposium Proceedings
• /
• pp.13-16
• /
• 1997

본 논문에서는 Bayesian 결정 이론을 이용한 기존의 Radial Basis Function Networks 이되는 출력층에서 선형 조합되는 것과는 다른 형태의 방법을 제안하고자 한다. 제안하고자 하는 방법은 은닉층의 출력값과 가중치와의 곱해진 값이 출력층의 입력으로 들어오는데 이들 입력신호를 경쟁을 통하여 가장 큰 값만을 출력신호 인정하는 방법이다. 이런 경우에 파라미터 갱신을 할 때도 모든 가중치를 다 갱신하는 것이 아니라 출력되는 은닉층에 연결된 가중치만을 갱신하게된다. 이렇게 할 경우 계산량 감소뿐만 아니라 학습시간을 단축할 수 있다는 장점이 있다. 그리고 제안한 방법을 이용할 경우 비선형 분류문제에서도 우수한 성능결과를 확인 할 수 있었으며 기존의 RBFN rhk Wiener Filter와 성능을 비교하였다.