• The KIPS Transactions:PartD
• /
• v.11D no.1
• /
• pp.143-152
• /
• 2004

Recently, software programming method based on EJB for object oriented software design and implement has been used frequently. Usually, case that use permanent data that use Database in EJB base application is most. Part connected with Database-Access that take charge in Entity Bean class of server side creation program. In this paper using J2EE relationship DAO pattern class each separate. This is no much difference with existent pattern method, but in same pattern common classes are designed so that composition may be possible. And as well as use Entity Bean class that created each DBMS classes are different, is doing Rata Source so that connection work is available without alteration or creation of additional program in several DBMS environments.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.1093-1098
• /
• 2006

VR 엔진은 일부 입력장치에 대해서만 제한적으로 지원하기 때문에, 개발자가 원하는 입력장치를 사용하지 못하는 경우가 있으며, 가격 또한 고가이기 때문에 특수한 입력장치를 사용하기 위해, 다른 VR 엔진이나 별도의 옵션을 구매하기에는 경제적인 부담이 많이 든다. 이러한 문제를 해결하기 위해 본 논문에서는 개발자가 사용하고자 하는 입력장치와 VR 엔진의 호환을 위한 랩퍼 클래스를 제안한다. 개발한 랩퍼 클래스는 VR 엔진에서 조이스틱을 제어할 수 있는 조이스틱 클래스와 USB 캠을 통하여 영상을 획득하기 위한 USB 캠 클래스이다. 조이스틱 클래스는 입력장치 클래스를 상속받은 후 DirectX 를 이용하여 입력장치를 셋업 하고, 입력장치의 데이터 값을 처리한 후 VR 엔진의 API 로 값을 넘겨주기 전에 후킹하여 조이스틱을 제어할 수 있다. USB 캠 클래스는 VFW(Video for Window)를 사용하여 캠의 영상을 획득하여 버퍼에 저장한 후 VR 엔진의 디스플레이 버퍼에 값을 넘겨서 캠의 영상을 VR 엔진에서 디스플레이 할 수 있다. 이러한 방법을 통해 조이스틱, USB 캠 같은 입력장치를 VR 엔진과 호환할 수 있으며, 다른 종류의 입력장치에 대하여서도 본 연구에서 개발한 랩퍼 클래스를 상속받아 사용할 수 있다. 본 논문에서 사용한 VR 엔진은 Vega Prime 엔진이며, Vega Prime 엔진의 API 에 개발한 랩퍼 클래스를 추가하여 드라이빙, 영상인식 시뮬레이터를 개발한 결과, 효과적이고 경제적으로 입력장치의 연동이 가능함을 확인할 수 있었다.

• Journal of KIISE:Software and Applications
• /
• v.33 no.10
• /
• pp.886-895
• /
• 2006

Fingerprint classification reduces the number of matches required in automated fingerprint identification systems by categorizing fingerprints into a predefined class. Support vector machines (SVMs), widely used in pattern classification, have produced a high accuracy rate when performing fingerprint classification. In order to effectively apply SVMs to multi-class fingerprint classification systems, we propose a novel method in which SVMs are generated with the one-vs-all (OVA) scheme and dynamically ordered with $na{\ddot{i}}ve$ Bayes classifiers. More specifically, it uses representative fingerprint features such as the FingerCode, singularities and pseudo ridges to train the OVA SVMs and $na{\ddot{i}}ve$ Bayes classifiers. The proposed method has been validated on the NIST-4 database and produced a classification accuracy of 90.8% for 5-class classification. Especially, it has effectively managed tie problems usually occurred in applying OVA SVMs to multi-class classification.

• Journal of KIISE:Software and Applications
• /
• v.32 no.11
• /
• pp.1136-1146
• /
• 2005

Fingerprint classification is useful in an automated fingerprint identification system (AFIS) to reduce the matching time by categorizing fingerprints. Based on Henry system that classifies fingerprints into S classes, various techniques such as neural networks and support vector machines (SVMs) have been widely used to classify fingerprints. Especially, SVMs of high classification performance have been actively investigated. Since the SVM is binary classifier, we propose a novel classifier-combination model, multiple decision templates (MuDTs), to classily fingerprints. The method extracts several clusters of different characteristics from samples of a class and constructs a suitable combination model to overcome the restriction of the single model, which may be subject to the ambiguous images. With the experimental results of the proposed on the FingerCodes extracted from NIST Database4 for the five-class and four-class problems, we have achieved a classification accuracy of $90.4\%\;and\;94.9\%\;with\;1.8\%$ rejection, respectively.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.649-651
• /
• 2018

본 논문에서는 CNN에서 클래스 활성화 맵과 원샷 러닝을 결합하여 트위터 분류를 위한 딥 러닝 모델을 제안한다. 클래스 활성화 맵은 트윗 분류에 대한 분류 주제와 연관된 핵심 어휘를 추출하고 강조 표시하도록 사용되었다. 특히 작은 학습 데이터 셋을 사용하여 다중 클래스 분류의 성능을 향상시키기 위해 원샷 러닝 방법을 적용한다. 제안하는 방법을 검증하기위해 TREC 2018 태스크의 사건 스트림(TREC-IS) 학습데이터를 사용하여 비교실험을 했다. 실험 결과에서 CNN 기본 모델의 정확도는 58.1%이고 제안 방법의 정확도는 69.6%로 성능이 향상됨을 보였다.

• Proceedings of the KIEE Conference
• /
• 2007.04a
• /
• pp.310-312
• /
• 2007

SVDD는 one-class 분류기법이지만, 다중 클래스 분류에도 적용될 수 있다. 이 때 타 클래스의 data가 고려 대상 클래스의 학습된 경계안에 들어오지 않도록 하기 위하여 negative data를 고려한 SVDD방법이 사용되어 왔다. 그러나 이 방법은, 고려해야 하는 데이터 수가 늘어남에 따라 학습에 소요되는 시간이 증가하게 되는 문제점을 가지고 있다. 본 논문에서는 negative data를 고려한 학습 시, SVDD대신 KMSVDD를 사용하고 negative data일 가능성이 없는 영역에 놓인 데이터를 제외하는 기법을 사용함으로써 학습시간의 증가를 완화하는 방법을 제안하고자 한다. 이를 통해서 대상 클래스에 속하지 않은 모든 data를 negative data로 고려하여 학습을 진행할 때 보다 빠른 시간에 유사한 결과를 얻을 수 있다. 몇 가지 모의실험을 통하여 그 효과를 검증하도록 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.7-9
• /
• 2001

최근 웹이 활성화되고 인터넷이 대중화되면서 지리 정보 시스템 분야에서도 웹 상에서 공간 데이터의 검색 및 관리의 필요성이 대두되었다. 또한, 지리 정보 시스템에서 다루는 공간 데이터는 가변적이고 대용량이기 때문에 이러한 데이터를 효율적으로 처리하기 위해서는 웹 기반 공간 OODBMS의 사용이 적합하다. 이러한 웹 기반 공간 OODBMS를 사용하는 실제 응용프로그램에서 다중 사용자 환경에서의 협동 작업이 효율적으로 수행되기 위해서는 객체들의 버전 뿐만 아니라 일정 영역내의 연관된 객체들의 접합인 형상을 효율적으로 관리하는 것이 절실히 필요하다. 이에 본 논문에서는 기존의 형상 관리 시스템, 버전관리 시스템, 협동작업 기법을 분석하여 웹 기반공간 OODBMS를 위한 형상 버전 관리 모델을 제시하였다. 형상 버전 관리 모델은 형상을 효과적으로 관리하기 위하여 형상 그래프와 형상 버전 클래스, 형상 Genetic 클래스, 형상 노드 클래스와 같은 세 개의 형상 버전 관리 클래스를 내부적으로 사용한다. 또한, 본 논문에서는 이러한 형상 버전 관리 모델에 따라 형상 버전 처리 모듈, 형상 Genetic 처리 모듈, 형상 노드 처리 모듈, 형상 그래프 처리 모듈, 협동 작업 처리 모듈로 구성되는 웹 기반 공간 OODBMS를 위한 형상 버전 관리자를 개발하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.547-549
• /
• 2003

근래 패턴인식 분야에 서포트벡터머신(Support Vector Machine)이 많이 사용되어지고 있다. 서포트벡터머신이 전통적인 패턴인식 방법론에 비해 우수한 성능을 보이고 있지만. 적은 클래스의 숫자, 문자 인식과는 달리 클래스의 수가 많고. 고정되어있지 않은 얼굴인식에서는 새로운 클래스가 등록될때마다 학습을 반복해야 한다. 그러나, 서포트벡터의 특성상 학습시의 계산의 복접성 때문에 실시간 학습은 사실상 불가능하다. 이에 이 논문에서는 서포트벡터머신을 이용한 실시간 얼굴인식 시스템에서의 빠른 학습방법을 제안했다. 이 시스템은 다중 클래스 인식방법 중 일대다(One Per Class)방법을 채택했으며. 캠브리지(Cambridge) ORL 얼굴 데이터를 임의적로 11개의 실험 데이터 셋으로 변형한 후 실험 및 평가해 본 결과 빠른 학습능력을 보임과 동시에 인식률에서도 별 차이가 없는 것을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.1409-1412
• /
• 2004

본 논문에서는 다중 공유 링크를 가진 스위치를 위한 세션 연결 설정 시 이를 어떤 링크에 할당할 것인지를 결정하는 경험적 세션할당 알고리즘을 제안한다. 제안 알고리즘은 새로운 세션이 소속된 서비스 클래스의 각 링크에 할당된 세션들의 예측된 지연들 중 가장 작은 예측 지연을 가진 링크에게 그 세션을 할당한다. 다른 세션할당 알고리즘에 비해 제안 알고리즘은 부클래스들의 예측지연 특성을 직접적으로 활용함으로써, 서비스 클래스들에게 사전에 예약된 대역폭을 제공하고, 동일한 서비스 클래스에 속한 세션들에게는 서로 다른 공유 링크를 통해 전송되어도 가능한 비슷한 지연을 제공한다는 것을 모의실험을 통해 확인했다.

• Journal of Korea Multimedia Society
• /
• v.16 no.7
• /
• pp.795-801
• /
• 2013

Recently, support vector machine has been widely used in various application fields due to its superiority of classification performance comparing with decision tree and neural network. Since support vector machine is basically designed for the binary classification problem, output coding method to analyze the classification result of multiclass binary classifier is used for the application of support vector machine into the multiclass problem. However, previous feature selection method for output coding based support vector machine found the features to improve the overall classification accuracy instead of improving each classification accuracy of each classifier. In this paper, we propose the novel feature selection method to find the features for maximizing the classification accuracy of each binary classifier in output coding based support vector machine. Experimental result showed that proposed method significantly improved the classification accuracy comparing with previous feature selection method.