• 정보처리학회논문지D
• /
• 제8D권5호
• /
• pp.573-580
• /
• 2001

대용량의 고차원 데이터 집합은 고차원 데이터 고유 희소성에 의하여 상당한 양의 잡음을 포함하므로 효과적인 고차원 클러스터링에 어려움을 더한다. CLIP은 이와 같은 고차원 데이터의 특성을 지원하는 클러스터링 알고리즘으로 개발되었다. CLIP은 1차원 성형변환 프로젝션을 점진적으로 적용하여, 각 프로젝션 공간에서 얻어진 1차원 클러스터들의 곱집합을 찾는다. 이 집합은 클러스터를 포함할 뿐 아니라 잡음도 포함할 수 있다. 본 논문에서는 클러스터를 포함하는 곱집합을 정제하는 확장된 CLIP 알고리즘을 제안한다. 이미 CLIP에서 찾은 곱집합에 반복적인 2차원 프로젝션을 적용하여 클러스터의 고차원적 잡음을 제거한다. 확장된 알고리즘의 성능을 평가하기 위해 합성 데이터를 이용한 일련의 실험을 통하여 효과성을 증명한다.

• 한국융합학회논문지
• /
• 제9권4호
• /
• pp.47-55
• /
• 2018

본 논문에서는 얼굴인식 성능 향상을 위해 얼굴 지역 영역 영상들로 학습된 다중개의 심층 합성곱 신경망(Deep Convolutional Neural Network)으로부터 추출된 심층 지역 특징들(Deep local features)을 가중치를 부여하여 결합하는 방법을 제안한다. 제안 방법에서는 지역 영역 집합으로 학습된 다중개의 심층 합성곱 신경망으로부터 추출된 심층 지역 특징들과 해당 지역 영역의 중요도를 나타내는 가중치들을 결합한 특징표현인 '가중치 결합 심층 지역 특징'을 형성한다. 일반화 얼굴인식 성능을 극대화하기 위해, 검증 데이터 집합(validation set)을 사용하여 지역 영역에 해당하는 가중치들을 계산하고 가중치 집합(weight set)을 형성한다. 가중치 결합 심층 지역 특징은 조인트 베이시안(Joint Bayesian) 유사도 학습방법과 최근접 이웃 분류기(Nearest Neighbor classifier)에 적용되어 테스트 얼굴영상의 신원(identity)을 분류하는데 활용된다. 제안 방법은 얼굴영상의 자세, 표정, 조명 변화에 강인하고 기존 최신 방법들과 비교하여 얼굴인식 성능을 향상시킬 수 있음이 체계적인 실험을 통해 검증되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.331-333
• /
• 2001

본 논문에서는 퍼지집합의 소속함수에 대한 가중치 함수를 제안한다. 제안하는 가중치 함수는 퍼지집합의 소속함수에 곱해지는 형태로서 적용되어지며, 이것은 소속함수에 대한 사용자의 선호도를 의미한다. 제안하는 가중치 함수의 개념은 기본적으로 소속함수를 사용하는 어떤 퍼지 집합의 응용에서도 적용될 수 있을 것으로 보이나, 본 논문에서는 그 중 한가지 경우로 비퍼지화 방법을 적용 대상으로 선택하였다. 제안하는 가중치 함수가 비퍼지화 방법에 있어서 가지는 의미를 보이며, 기존의 비퍼지화 방법들에서 이러한 가중치 함수의 개념이 어떻게 적용되어 왔는지를 보인다. 또한 기존의 비퍼지화 방법들이 개녀멩 적용되지 않은 형태의 가중치 함수를 선택하여, 비퍼지화 방법에 특정 가중치 함수를 적용하였을 때의 특성 변화를 보인다. 이러한 일반적인 형태의 가중치 함수를 퍼지집합의 소속함수에 적용함으로서, 다양한 형태의 선호도를 퍼지집합의 형태에 반영할 수 있을 것으로 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 하계학술대회
• /
• pp.552-554
• /
• 2015

본 논문은 AVX2 (Advanced Vector eXtension 2) 명령어 집합을 이용하여 HEVC (High Efficiency Video Coding) 복호화기의 역-변환 모듈을 고속화하는 방법을 제안한다. AVX2 명령어 집합은 256 비트 레지스터를 사용하여 다수의 데이터를 한번의 명령을 통해 병렬적으로 연산할 수 있으며 반복적인 산술 연산 혹은 논리 연산 구조에서 효율적이다. 제안하는 방법은 AVX2 명령어 집합을 이용하여 $8{\times}8{\sim}32{\times}32$ 크기의 TU (Transform Unit) 단위로 수행되는 역-변환 연산을 행렬의 곱 형태로 연산하여 고속화하였다. 실험 결과 AVX2 명령어 집합을 이용한 역-변환 연산은 Chen 알고리즘에 비해 평균 51% 속도 향상을 보였으며 SSE (Streaming SIMD Extension) 명령어 집합을 이용한 연산에 비해 평균 20%의 속도 향상 결과를 얻을 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.233-236
• /
• 1997

퍼지 관계 개념을 응용한 퍼지 정보 검색은 형태론에 입각한 기존의 정보 검색과는 달리 문서와 용어의 의미론에 근거하는 정보검색을 할 수 있다. 퍼지 정보 검색은 문헌의 집합 용어의 집합으로 나누고 문헌과 용어의 관계성을 문서 $\times$ 용어이 관계 행렬로 나타내며 퍼지 관계곱 연산을 이용하여 시소러스(thesaurus)를 형성하고 사용자로부터 주어진 질의 적합한 문서를 제공한다. 그러나 이러한 퍼지 관계곱 연산은 매우 큰 시간 복합도를 요구하는 연산이고 퍼지값은 부동소수점으로 표현해야하므로 대용량의 문서 시스템에 적용할 수 없어 비현실적이다. 부동소수점 연산은 연산속도가 느리고 저장공간도 많이 요구하므로 부동소수점 연산을 비트 연산으로 대체할 수 있다면 처리속도와 처리공간에 있어 성능 향상을 기대할 수 있다. 본 연구는 퍼지 정보 검색의 시소러스 형성에 있어 $\alpha$-cut 적용의 시기를 조정하여 성능을 향상하는 방법을 제안한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 추계학술대회
• /
• pp.11-12
• /
• 2017

본 논문에서는 부류가 정해진 훈련 집합이 불필요한 온라인 학습 기반 추적 기법을 제안한다. 추적기의 학습을 위해 합성곱 신경망(convolutional neural network: CNN)을 이용하였다. 추적영상으로부터 직접 훈련 샘플을 수집함으로써 분류기 학습을 위한 비용을 감소시킬 수 있었고, 목표 영상에 적응적인 객체 모델을 생성할 수 있다. 실험 결과를 통해 제안하는 방법이 우수한 성능을 보임을 입증하였다.

• 응용통계연구
• /
• 제22권3호
• /
• pp.553-568
• /
• 2009

인터넷 상의 웹페이지에 나타나는 숫자들의 빈도수를 조사한 후 이러한 숫자들이 이루는 집합체의 성질을 알아보고 이러한 자료들이 각 종 법칙들(거듭곱 법칙, 지프 법칙, 벤포드 법칙)이 성립하는 지를 살펴보았다.

• 디지털융복합연구
• /
• 제19권10호
• /
• pp.377-382
• /
• 2021

X와 Y사이의 퍼지 관계를 곱집합 X × Y의 퍼지 부분집합으로 Zadeh에 의해 처음으로 소개된 이후 퍼지집합에 대한 개념은 자연과학 및 컴퓨터과학에서 많은 연구성과가 이루어져 왔다. 그 결과 Muralli와 Nemitz는 동치관계 및 함수와 관련하여 퍼지관계를 연구하였고, Ounalli와 Jaoua는 중요한 수학적 도구로서 퍼지 다이펑션날 관계를 정의하여 소프트디자인과 데이터베이스 이론에서 중요한 역할을 하는 것으로 증명되었으며, 또한 프로그램 표식과 프로그램 정확도를 정의하는데 유용한 것으로 밝혀졌다. 본 논문에서는 한 집합 위에 퍼지 디터미니스틱 관계를 정의하여 퍼지 디터미니스틱 관계를 레벨 부분집합으로 특성화 하였고, 퍼지 디터미니스틱 관계와 관련하여 일부 성질을 증명하였다. 특히, 퍼지 디터미니스틱 관계와 퍼지 함수가 동치임을, 퍼지 함수가 퍼지 다이펑션날 관계가 동치임을 증명하였다.

• 논리연구
• /
• 제22권1호
• /
• pp.25-42
• /
• 2019

이 글에서 우리는 (곱 연언 &의) 약한 형식의 결합 원리를 갖는 준구조 퍼지 논리를 위한 집합 이론적 크립키형 의미론을 연구한다. 이를 위하여 먼저 약한 결합 원리를 갖는 세 준구조 퍼지 논리체계들을 상기한 후 이 체계들에 상응하는 크립키형 의미론을 소개한다. 다음으로 집합 이론적 방식을 이용하여 이 체계들이 완전하다는 것을 보인다.

• 인터넷정보학회논문지
• /
• 제4권4호
• /
• pp.45-51
• /
• 2003

일반적으로 퍼지객체지향자료모형에서 속성값은 퍼지집합을 표현한다. 만일 퍼지객체지향자료모형에서 속성값을 구간값 퍼지집합으로 표현할 수 있다면, 퍼지객체지향자료모형에서 사용하는 속성값을 더 유연하게 표현하는 것이 가능하다. 퍼지객체지향자료모형의 상속구조에 나타나는 프레임내에 있는 속성값을 구하기 위해 구간값 퍼지집합을 사용하는 우선순위 논리곱연산을 이용하여 계산한다. 이 방법은 속성값의 소속정도가 기존의 퍼지집합이 아닌 구간값 퍼지집합으로 표현하는 지식정보처리분야에서 사용할 수 있다.