• 사회복지연구
• /
• 제48권2호
• /
• pp.303-329
• /
• 2017

본 연구에서는 아동발달의 변화성과 다양성을 고려하여 시간의 경과에 따라 학령기 아동의 게임 사용시간의 변화궤적을 유형화하고, 각 유형에 영향을 미치는 예측요인을 다차원적으로 검증하였다. 이를 위해 한국아동 청소년패널조사의 초1패널의 2차년도에서 6차년도까지의 자료를 활용하였으며, 본 연구의 최종 분석대상자는 총 1959명이다. 분석방법으로는 학령기 아동의 게임 사용시간 변화궤적 유형화를 위해서 잠재계층성장분석을 실시하였으며, 이후 다중로지스틱 회귀분석을 통해 유의미한 예측요인을 검증하였다. 분석결과, 학령기 아동의 게임 사용시간 변화궤적은 '게임 저사용 증가집단', '게임 초기 고사용-변동 집단', '게임 고사용 증가집단'으로 분류되었으며, 성별, 공격성, 주의집중, 방과후 보호자 부재, 주양육자의 교육수준, 형제자매, 방임, 가구소득, 연간 가족여행 횟수, 학교성적, 또래관계가 각 유형의 분류에 유의미한 영향을 미치는 예측변인으로 나타났다. 이러한 연구결과들을 바탕으로 학령기 초기 아동의 게임 과다사용에 대한 예방적 개입의 필요성을 강조하고 유용한 실천적 제언을 하였다.

• 한국콘텐츠학회논문지
• /
• 제10권1호
• /
• pp.19-26
• /
• 2010

본 논문은 사각형 특징 기반 분류기를 제안하여 실시간으로 얼굴 영역을 검출하며, 계산의 효율성과 검출 성능을 동시에 만족시키는 강인한 검출 알고리즘을 구현하고자 한다. 제안한 알고리즘은 특징 생성, 분류기 학습, 실시간 얼굴 영역 검출의 세 단계로 구성된다. 특징 생성은 제안된 5개의 사각형 특징으로 특징 집합을 구성하며, SAT(Summed-Area Tables)를 이용하여 특징 값을 효율적으로 계산한다. 분류기 학습은 AdaBoost 알고리즘을 이용하여, 분류기를 계층적으로 생성한다. 또한 중요한 얼굴 패턴은 다음 레벨에 반복적으로 적용함으로써 우수한 검출 성능을 가진다. 실시간 얼굴 영역 검출은 생성된 사각형 특징 기반 분류기를 통해, 빠르고 효율적으로 얼굴 영역을 찾아낸다. 또한 얼굴 영역을 검출한 영역을 인식의 입력 영상으로 사용하여 PCA와 KNN 알고리즘을 이용하여 기존의 매칭 방법인 Point to point 방법이 아닌 Class to Class 방식을 이용하여 인식률을 향상시켰다.

• 한국통신학회논문지
• /
• 제21권3호
• /
• pp.600-611
• /
• 1996

최근, 신경망 모델의 적응성과 학습성을 이용한 음성인식 연구가 진행되어 왔다. 그러나, 기존의 신경망 모델로는 한국어 음성의 조음결합의 처리 및 유사 음소간의 경계 분류가 용이하지 않다. 또한, 한 개의 형상지도를 이용하는 경우 이질적인 음성자료의 처리를 위한 학습속도의 급격한 증가와 균일한 학습 및 판별방법의 적용이 갖는 부정확성이 야기될 수 있다. 이에따라, 본 논문에서는 계층적 자기조직화 분류기(HSOC)를 이용한 신경망타자기를 설계하고, 관련 알고리즘들을 제안한다. 본 HSOC는 Kohonen의 자기조직화형상지도(SOFM)를 이용하여 학습시 입력되는 음소 데이타를 계층적인 구조를 갖는 다수의 형상 지도(map) 즉 음성자판에 배치한다. 또한 본 논문에서는 자판의 수효, 각 자판의 크기, 소속될 음소의 선택과 배치, 적합한 학습 및 인식기법의 자동 결정을 위한 알고리즘을 제시하고 실험하여 자기조절식인 음성자판을 구성하였다. 자판을 분류하는 방식을 언어학적 사전지식에 의존할 경우 언어학적 지식의 습득과 적용방법(예를 들면, 확장 음소의 처리)등을 결정하는 어려움을 가지는 반면, 본 HSOC를 이용하면 주어진 입력 데이타에 적합한 다수의 음성자판을 자기 조절식으로 구성할 수 있는 장점이 있다. 제안된 방식에 따라 최종 생성된 세 개의 한글 음성자판은 최적 자판과 최적 전처리기법을 갖추고있으며, 기존의 언어학적 지식과도 부합됨을 확인할 수 있었다.

• 정보기술응용연구
• /
• 제1권3_4호
• /
• pp.69-90
• /
• 1999

본 논문은 시계열자료의 ARMA 모형화를 위해 계층적(Hierarchical) 문제해결 방식인 인공신경망 기초 의상결정트리분류기상의 인공신경망 구조를 개선하여 지역문제(Local Problem)를 해결하는 복수개의 인공신경망 결과를 Dempster's rule of combination을 이용하여 종합하는 병행적인 (Parallel) ARMA 모형활르 위한 방법론을 제시함으로써 의사결정트리분류기에 근거한 방법론의 단점을 보완하였다. 본 논문에서 제시한 ARMA 모형화를 위한 방법론은 세 단계로 구성되어 있다: 1) ESACF 특성 벡터 추출단계; 2) 개별 인공신경망에 의한 부분적 모델링 단계; 3) Conflict Resolution 단계, 제시한 방법론을 검증하기 위해 모의실험용 자료와 실제 시계열자료를 이용하여 제시된 방법론을 검증하였으며 실험결과 기존 연구에 비해 ARMA 모형화와 정확도가 높은 것으로 나타났다.

• 제어로봇시스템학회논문지
• /
• 제4권4호
• /
• pp.499-505
• /
• 1998

In developing an automated surface inspect algorithm, we have designed a hierarchical classifier using neural network. The defects which exist on the surface of cold mill strip have a scattering or singular distribution. We have considered three major problems, that is preprocessing, feature extraction and defect classification. In preprocessing, Top-hit transform, adaptive thresholding, thinning and noise rejection are used Especially, Top-hit transform using local minimax operation diminishes the effect of bad lighting. In feature extraction, geometric, moment, co-occurrence matrix, and histogram ratio features are calculated. The histogram ratio feature is taken from the gray-level image. For defect classification, we suggest a hierarchical structure of which nodes are multilayer neural network classifiers. The proposed algorithm reduced error rate by comparing to one-stage structure.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제29권3호
• /
• pp.313-330
• /
• 2015

분류 활동은 개념 형성과 직결되는 중요한 활동이다. 따라서 분류는 학습자 중심적인 교수를 통해 의미 충실한 학습이 이루어질 필요가 있다. 하지만 분류와 관련한 교수 학습이 '학습자 중심'이라는 구성주의 철학을 잘 반영하고 있을지 의구심이 제기된다. 이에 본 연구에서는 각과 삼각형의 분류와 관련한 초등 교과서 및 교사용지도서의 내용을 구성주의의 관점에서 비판적으로 분석해 보았다. 그 결과 각의 분류에서는 공동체의 합의에 의한 합리적 기준 설정의 기회가 제공되지 않는 문제점이 있었다. 삼각형의 분류는 다양성의 측면에서 다소 급진적인 형태를 띠고 있다는 문제점이 있었다. 또한 삼각형의 분류는 학생 반응 예측에서 이미 그 지식을 습득한 사람에게나 가능한 반응을 제안하는 경우를 접할 수 있었다. 그리고 계층적 분할적 분류에 대한 선택과 논의의 기회가 제공되지 않는 단점을 지니고 있었다. 이러한 특징을 바탕으로 '학습자 중심' 원칙의 충실한 반영, 학생 반응에 대한 신중한 예측, 결과보다 과정에 주목하는 교수를 지향할 것을 제안하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권3_4호
• /
• pp.251-258
• /
• 2003

Support Vector Machine(SVM)은 이론상으로 좋은 일반화 성능을 보이지만, 실제적으로 구현된 SVM은 이론적인 성능에 미치지 못한다. 주 된 이유는 시간, 공간상의 높은 복잡도로 인해 근사화된 알고리듬으로 구현하기 때문이다. 본 논문은 SVM의 분류성능을 향상시키기 위해 Bagging(Bootstrap aggregating)과 Boosting을 이용한 SVM 앙상블 구조의 구성을 제안한다. SVM 앙상블의 학습에서 Bagging은 각각의 SVM의 학습데이타는 전체 데이타 집합에서 임의적으로 일부 추출되며, Boosting은 SVM 분류기의 에러와 연관된 확률분포에 따라 학습데이타를 추출한다. 학습단계를 마치면 다수결 (Majority voting), 최소자승추정법(LSE:Least Square estimation), 2단계 계층적 SVM등의 기법에 개개의 SVM들의 출력 값들이 통합되어진다. IRIS 분류, 필기체 숫자인식, 얼굴/비얼굴 분류와 같은 여러 실험들의 결과들은 제안된 SVM 앙상블의 분류성능이 단일 SVM보다 뛰어남을 보여준다.

• 한국정보처리학회논문지
• /
• 제7권10호
• /
• pp.3064-3074
• /
• 2000

최근 컴퓨팅 환경은 통합되는 개방형 시스템으로 변모하고 있다. 요즘에도 여러 기업과 연구기관에서는 노후코드를 그대로 사용하고 있으며 급변하는 컴퓨팅 환경에 능동적으로 대처를 못하고 있다. 또한 여러 개발자가 소프트웨어 개발에서 생산성 문제와 노후코드를 변환시키는데 많은 고민을 하고 있다. 이에 본 논문에서는 급변하는 환경에 대처하고 새로운 소프트웨어 개발에 생산성을 향상시키기 위해서 통합 객체 관리 모델을 제안한다. 이 모델은 세 계층으로 나누며 위 계층은 사용자에게 정보를 분류하고 디스플레이하는 계층이다. 가운데 계층은 제어기능으로 통합 관리기 계층이다. 아래 계층은 데이터를 관리하는 객체 관리 저장소계층이다. 따라서, 통합 객체 관리 모델을 위한 F77/J++ 생성기(FORTRAN-77/Java Code generator)를 설계 구현한다. 생성기는 노후코드를 새로운 코드로 변환시켜 생산성을 향상시키고 업무를 재 설계하는데 도움을 준다. 재공학 전략을 적용하여 아홉 단계 전략으로 구성되어 있다. 이는 향후 시스템의 통합에 잇점인 소프트웨어의 재사용성을 극대화하여 생산성을 향상시키는 프로토타이핑을 지원할 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제5권2호
• /
• pp.60-70
• /
• 2000

최근 컴퓨터 기술의 발전으로 인해 영상을 효율적으로 검색할 수 있는 영상 검색 시스템이 정보화 사회의 중요한 핵심 기술로 대두되고 있다. 본 논문에서는 내용기반 영상 데이터 검색을 위한 계층적 영상검색 시스템을 구현하였다. 1단계에서는 색상 정보를 위해서 Striker 등이 제시한 색상 분포 특성을 이용한 색인 방법의 문제점을 보완하여 지역 색상 분포 특성을 고려한 색인 방법을 사용하여 1차로 영상을 대 분류한다. 2단계에서는 1단계에서 대 분류된 집단 영상들에 대하여 2차로 모양 정보를 이용하여 사용자가 질의한 영상과 유사한 영상을 최종적으로 검색한다 모양 정보를 위해서는 기존 불변 모멘트의 문제점인 많은 연산량과. Jain 등이 제시한 방향 히스토그램 인터섹션 방법에서 제기된 회전에 민감하다는 문제점을 해결하기 위해 물체의 윤곽선에 해당하는 화소들만을 대상으로 연산을 수행하는 향상된 불변 모멘트(Improved Moment Invariants : IMI)를 이용한다. 실험 영상으로 300개의 자동차 영상을 사용하여 기존 방법들과의 비교 실험을 통해 향상된 검색 결과를 얻을 수 있었다.

• 한국지능시스템학회논문지
• /
• 제5권2호
• /
• pp.28-43
• /
• 1995

본 논문에서는 패턴분류기를 위해 효과적인 퍼지규칙을 자동으로 생성하기 위한 새로운 방법을 제안한다. 퍼지 규칙은 특징공간에 대해 가상구체를 재귀적으로 정의함으로써 추출되고, 가상구체는 패턴 클래스의 중심벡터와 클래스에 속하는 모든 패턴을 충분히 포함할 수 있는 경계거리로 정의된다. 특히 공간을 분할하기 위해 가상구체를 이용하는 방법은 기존에 많이 사용되고 있는 가상사각형 형태의 분할 방법에 비해 클래스의 형태를 효과적으로 표현할 수 있으므로 패턴 분류기의 정화성을 향상시킬 수 있고, 퍼지규칙의 전제부를 매우 간단하게 표현할 수 있을 뿐만 아니라 제귀적 가상구체의 정의를 통해 추출되는 퍼지규칙들이 계층적인 구조를 갖을 수 있게 함으로써 입력되는 패턴의 신속한 분류를 가능하게 한다. 본 논문에서는 제안된 방법을 기존의 가상사각형을 이용한 퍼지규칙 추출 방법과 비교한다.