자동문서 범주화에 이용되는 학습분류기 중에서 SVM은 자질 차원을 축소하지 않고도 좋은 성능을 보이고 있다. 본 실험에서는 KTSET 텍스트 컬렉션을 대상으로 두 개의 SVM 분류기를 이용하여 자질축소 및 자질표현에 따른 성능비교 실험을 하였다. 자질축소를 위하여 $\chi$$^2$통계량을 자질선정기준으로 사용하였으며, 자질값으로는 단어빈도 및 문헌빈도의 두 요소로 구성되는 다양한 가중치를 사용하였다. 실험결과 SVM은 자질축소에 큰 영향을 받지 않고 가중치 유형에 따라 성능의 차이를 보였다.
본 논문은 중심 화소의 FOD 성분값과 인접 가해 성분값의 평균으로 축소 성분값을 산출함으로써 FOD에 적응성을 부여한 디지털 영상 축소 알고리즘의 성능을 분석함에 그 목적이 있다. 제안된 방법은, 중심 화소의 우측 및 하측 인접 화소의 기울기의 크기를 이용하여 산출한 각각의 국부 가해 가중치를 우측 및 하측 인접 화소값에 곱한 후에 그 결과를 합산함으로써 인접 가해 성분값을 구하고 FOD 성분값과 이 인접 가해 성분값을 평균하여 축소 성분값을 구하는 과정을 전체 영역에 반복적으로 수행함으로써 축소 영상을 얻을 수 있다. 제안된 축소 방법에 따르면, 적은 연산량을 요하면서도 평균적으로 우수한 결과를 제공하는 FOD 방식의 장점을 취하면서 인접 화소의 유효 가해 성분을 각각의 국부 가해 가중치에 따라 축소 성분값에 적응적으로 반영함으로써 FOD의 단점인 몽롱화 현상을 효과적으로 억제시킬 수 있는 바, 개선된 정보 보존성을 제공할 수 있는 이점이 있다. 본고에서는 주관적인 성능과 하드웨어 복잡도 측면에서 제안된 방법과 기존의 각 방식에 대한 성능을 분석 평가한다.
본 논문은 최소신장트리를 쉽고 빠르게 구하는 방법을 제안하였다. 제안된 알고리즘은 먼저, 그래프의 가중치 간선의 수를 축소시키는 방법으로 그래프를 단순화 시켰다. 간선 수를 축소시키는 방법으로는 그래프 정점의 결합가가 3 이상인 경우, 최대 가중치 간선을 제거하는 방법을 적용하였다. 다음으로, 그래프를 단순화 시킨 축소된 모집단 간선들을 대상으로 사이클이 발생하는 부분을 확인하여 사이클 발생 간선들 중에서 최대 가중치를 갖는 간선을 삭제하는 방법을 적용하였다. 다양한 9개 그래프에 대해 제안된 사이클 최대 가중치 간선 제거 알고리즘을 적용한 결과 그래프의 사이클 개수만큼만 수행하여 MST를 쉽게 구하는 장점을 보였다. 모집단 축소 기법을 적용한 결과, 9개 그래프의 사이클 개수를 66%로 감소시키는 결과를 얻었으며, 최소 2개에서 최대 8개의 사이클에서의 최대 가중치 간선만 삭제하면 MST를 얻는 효과를 얻었다.
본 논문은 기준 화소의 인접 가해 성분값과 선형 축소 성분값의 평균으로 축소 성분값을 정하는 적응형 선형 축소기를 제안하고 주관적 화질과 하드웨어 복잡도 측면에서 그 성능을 분석함에 목적이 있다. 제안된 적응형 선형 축소기는 우선, 일차 미분 연산자를 이용하여 기준 화소의 우측 및 하측 인접화소의 기울기의 크기를 각각 계산한다. 이후, 두 기울기의 크기를 합산한 결과로 각 기울기의 크기를 나누어 우측 및 하측 인접 화소 각각의 국부 가해 가중치를 구한다. 다음으로, 각각의 국부 가해 가중치를 우측 및 하측 인접 화소값에 곱한 후에 그 결과를 합산함으로써 인접 가해 성분값을 정의한다. 제안된 방법은 인접 화소들의 유효 가해 정보를 각각의 국부 가해 가중치에 따라 축소 성분값에 적응적으로 반영함으로써 선형 축소기의 단점인 몽롱화 현상을 효과적으로 억제시킬 수 있다. 또한 적은 연산량을 요하면서도 평균적으로 양호한 결과를 제공하는 선형 축소 방식의 장점을 취할 수 있는 이점이 있다.
고차원 데이터의 인과 추론에서 고차원 공변량의 차원을 축소하고 적절히 변형하여 처리와 잠재 결과에 영향을 줄 수 있는 교란을 통제하는 것은 중요한 문제이다. 평균 처리 효과(average treatment effect; ATE) 추정에 있어서, 성향점수와 결과 모형 추정을 이용한 확장된 역확률 가중치 방법이 주로 사용된다. 고차원 데이터의 분석시 모든 공변량을 포함한 모수 모형을 이용하여 성향 점수와 결과 모형 추정을 할 경우, ATE 추정량이 일치성을 갖지 않거나 추정량의 분산이 큰 값을 가질 수 있다. 이런 이유로 고차원 데이터에 대한 적절한 차원 축소 방법과 준모수 모형을 이용한 ATE 방법이 주목 받고 있다. 이와 관련된 연구로는 차원 축소부분에 준모수 모형과 희소 충분 차원 축소 방법을 활용한 연구가 있다. 최근에는 성향점수와 결과 모형을 추정하지 않고, 차원 축소 후 매칭을 활용한 ATE 추정 방법도 제시되었다. 고차원 데이터의 ATE 추정 방법연구 중 최근에 제시된 네 가지 연구에 대해 소개하고, 추정치 해석시 유의할 점에 대하여 논하기로 한다.
이상점과 무응답이 동시에 존재하는 경우에는 무응답만 있는 경우에 비해 무응답 대체의 성능이 떨어지게 된다. 이러한 경우에는 먼저 이상점을 탐지하고, 탐지된 이상점의 영향력을 축소한 후 무응답 대체를 실시하여야 한다. 본 논문에서는 이상점의 영향력을 축소하여 무응답 대체법의 성능을 향상시키는 방법을 연구하였다. 이를 위해 She and Owen (2011)이 제안한 이상점 탐지법을 살펴보았고, 탐지된 이상점의 영향력을 줄이기 위한 방법으로 흔히 사용되는 가중치 조정법과 이상점 대체법을 살펴보았다. 또한 이상점 처리 방법을 적용한 무응답 대체법을 살펴보았으며 모의실험과 사례분석을 통하여 이상점 영향력 축소 효과를 살펴보았다.
본 논문은 중심 화소값과 인접 가해 성분값의 평균으로 축소 성분값을 산출함으로써 ZOD와 FOD의 장점을 적응적으로 반영한 디지털 영상 축소 알고리즘에 관한 것이다. 우선, 슬라이딩 윈도우의 중앙에 위치되는 중심 화소를 축소 성분값의 주성분으로 선택하고, 1차 미분 연산자를 이용하여 중심 화소의 우측 및 하측 인접 화소의 기울기의 크기를 각각 계산한다. 이후, 두 기울기의 크기를 합산한 결과로 각 기울기의 크기를 나누어 우측 및 하측 인접 화소 각각의 가해 가중치를 구한다. 다음으로, 각각의 가해 가중치를 우측 및 하측 인접 화소값에 곱한 후에 그 결과를 합산함으로써 인접 가해 성분값을 산출한다. 이렇게 구한 인접 가해 성분값과 중심 화소값을 평균하여 축소 성분값을 구하는 과정을 입력 영상의 모든 화소들에 반복적으로 수행함으로써 축소 영상을 얻을 수 있다.
본 논문에서는 기존의 FMM 신경망의 학습 단계 중 하이퍼박스 축소 단계에서 발생하는 정보의 왜곡 현상을 보완하여, 패턴분류 성능을 향상시키는 방법론을 제안하고 그 유용성을 고찰한다. 제안된 학습방법에서는 기존 FMM 신경망의 하이퍼박스 생성, 확장, 축소의 3 가지 학습 과정 중 축소과정을 생략하고, 각 특징 범위와 빈도를 고려한 학습으로 대치함으로써 축소과정에서 나타나는 부작용을 보완할 수 있도록 하였다. 이는 가중치 개념을 통해 각 특징값의 상대적 중요도를 서로 다른 값으로 반영할 수 있도록 하며 하이퍼박스 중첩영역에서 발생하는 분류 오류를 최소화한다. 본 연구에서는 개선된 학습기법의 이론을 제시하고, 이를 아이리스 데이터 분류 실험에 적용하여 그 유용성을 고찰하였다.
본 논문은 중심 화소값과 인접 가해 성분값의 평균으로 축소 성분값을 산출함으로써 ZOD(Zero Order Decimation)와 FOD(First Order Decimation)의 장점을 적응적으로 반영한 디지털 문서 영상 축소 알고리즘의 성능을 분석함에 그 목적이 있다. 제안된 방법은, 슬라이딩 윈도우의 중앙에 위치되는 중심 화소를 축소 성분값의 주성분으로 선택하고, 1차 미분 연산자를 이용하여 중심 화소의 우측 및 하측 인접 화소의 기울기의 크기를 각각 계산한다. 이후, 두 기울기의 크기를 합산한 결과로 각 기울기의 크기를 나누어 우측 및 하측 인접 화소 각각의 국부 가해 가중치를 구한다. 다음으로, 각각의 국부 가해 가중치를 우측 및 하측 인접 화소값에 곱한 후에 그 결과를 합산함으로써 인접 가해 성분값을 산출한다. 이렇게 구한 인접 가해 성분값과 중심 화소값을 평균하여 축소 성분값을 구하는 과정을 입력 영상의 모든 화소들에 반복적으로 수행함으로써 축소 영상을 얻을 수 있다. 본 논문에서는 주관적인 성능과 하드웨어 복잡도 측면에서 제안된 방법과 기존의 각 방식에 대한 성능을 분석했고. 이러한 분석 결과를 토대로 개선된 디지털 문서 영상 축소 알고리즘을 개발하기 위한 바람직한 접근법에 대해 고찰했다.
본 논문에서는 Cubic Convolution 보간 알고리즘을 변형하여 연산량을 감소시키고 에지를 강조하는 보간 알고리즘을 제안한다. 제안된 알고리즘은 디지털 영상의 확대 또는 축소에 필요한 연산량을 줄이기 위해 두가지 방법을 사용하였다. 기존의 Cubic Convolution 알고리즘의 고차항의 가중치 연산을 일차원으로 변환하였다. 인접한 픽셀의 차이값을 사용하여 Bilinear 알고리즘을 제한적으로 적용하였다. 제안된 알고리즘의 화질 평가를 위해 원영상의 확대-후-축소와 축소-후-확대를 하여 RMSE를 사용하였고, 연산량을 평가하기 위해 픽셀별 곱셈기와 덧셈기를 기존의 알고리즘과 비교하였다. 시뮬레이션 결과 기존 Cubic Convolution 알고리즘보다 연산량이 감소하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.