• The Journal of the Acoustical Society of Korea
• /
• v.39 no.6
• /
• pp.592-599
• /
• 2020

This paper proposes a Convolutional Recurrent Neural Net (CRNN) structure that can simultaneously reflect both static and dynamic characteristics of seismic waveforms for various earthquake events classification. Addressing various earthquake events, including not only micro-earthquakes and artificial-earthquakes but also macro-earthquakes, requires both effective feature extraction and a classifier that can discriminate seismic waveform under noisy environment. First, we extract the static characteristics of seismic waveform through an attention-based convolution layer. Then, the extracted feature-map is sequentially injected as input to a multi-input single-output Long Short-Term Memory (LSTM) network structure to extract the dynamic characteristic for various seismic event classifications. Subsequently, we perform earthquake events classification through two fully connected layers and softmax function. Representative experimental results using domestic and foreign earthquake database show that the proposed model provides an effective structure for various earthquake events classification.

• Journal of the Institute of Convergence Signal Processing
• /
• v.2 no.1
• /
• pp.44-52
• /
• 2001

This paper describes an off-line method for recognizing totally unconstrained handwritten digits using modified chaotic neural networks(MCNN). The chaotic neural networks(CNN) is modified to be a useful network for solving complex pattern problems by enforcing dynamic characteristics and learning process. Since the MCNN has the characteristics of highly nonlinear dynamics in structure and neuron itself, it can be an appropriate network for the robust classification of complex handwritten digits. Digit identification starts with extraction of features from the raw digit images and then recognizes digits using the MCNN based classifier. The performance of the MCNN classifier is evaluated on the numeral database of Concordia University, Montreal, Canada. For the relative comparison of recognition performance, the MCNN classifier is compared with the recurrent neural networks(RNN) classifier. Experimental results show that the classification rate is 98.0%. It indicates that the MCNN classifier outperforms the RNN classifier as well as other classifiers that have been reported on the same database.

• Journal of KIISE:Software and Applications
• /
• v.33 no.7
• /
• pp.646-654
• /
• 2006

Directory searching and index searching methods are two main methods in web search engines. Both of the methods are applied to most of the well-known Internet search engines, which enable users to choose the other method if they are not satisfied with results shown by one method. That is, Index searching tends to come up with too many search results, while directory searching has a difficulty in selecting proper categories, frequently mislead to false ones. In this paper, we propose a novel method in which a category hierarchy is dynamically constructed. To do this, a category is regarded as a fuzzy set which includes keywords. Similarly extensible subcategories of a category can be found using fuzzy relational products. The merit of this method is to enhance the recall rate of directory search by expanding subcategories on the basis of similarity.

• Journal of KIISE:Databases
• /
• v.30 no.4
• /
• pp.362-371
• /
• 2003

In this paper, we propose an optimal interest point extraction method to support shape-base image classification and indexing for image database by applying a dynamic threshold that reflects the characteristics of the shape contour. The threshold is determined dynamically by comparing the contour length ratio of the original shape and the approximated polygon while the algorithm is running. Because our algorithm considers the characteristics of the shape contour, it can minimize the number of interest points. For n points of the contour, the proposed algorithm has O(nlogn) computational cost on an average to extract the number of m optimal interest points. Experiments were performed on the 70 synthetic shapes of 7 different contour types and 1100 fish shapes. It shows the average optimization ratio up to 0.92 and has 14% improvement, compared to the fixed threshold method. The shape features extracted from our proposed method can be used for shape-based image classification, indexing, and similarity search via normalization.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.193-193
• /
• 2023

여러 기후변화 시나리오에 의하면 기상재해의 발생빈도 및 강도가 증가할 것으로 예상된다. 그중 가뭄은 강수량 부족, 하천유량 감소, 토양 함수량 감소, 용수 수요량 증가 등의 다양한 요인으로 인해 발생하며, 한 가지 형태뿐만 아니라 복합적인 형태로 발생할 수 있다. 또한, 우리나라는 지역마다 기후 특성의 편차가 있어 기후변화에 따른 가뭄 취약성과 대응 능력이 지역마다 다르게 나타난다. 따라서 가뭄에 대응하기 위해서는 다양한 요인을 고려한 통합가뭄지수를 활용해야 하며, 미래의 기후변화를 고려하여 종합적으로 가뭄을 평가해야 한다. 본 연구에서는 동적 베이지안 분류기(DNBC) 기반의 통합가뭄지수를 활용하여 우리나라 전국에 대해 수문학적 위험도를 분석하고 미래 가뭄을 전망하였다. 기상학적, 수문학적, 농업적 및 사회경제적 요인을 고려한 통합가뭄지수를 산정하기 위하여 DNBC 분류기의 인자로 기후변화 시나리오 기반의 기상학적 가뭄지수 SPI, 수문학적 가뭄지수 SDI, 농업적 가뭄지수 ESI와 사회경제적 가뭄지수 WSCI를 활용하였다. 산정된 통합가뭄지수의 시계열을 기반으로 심도와 지속기간을 추출하고, 코플라 함수를 활용한 이변량 가뭄빈도분석을 수행하였다. 이후, 이변량 가뭄빈도분석에 의해 산정된 재현기간을 활용하여 수문학적 위험도를 산정하였다. 그 결과, P1(2021~2040) 기간이 수문학적 위험도 R=0.588로 가장 높은 위험도를 나타냈으며, 이후 P2(2041~2070) 기간까지 감소하였다가 P3(2071~2099) 기간에 다시 증가하는 추세를 보였다. P1(2021~2040) 기간과 P3(2071~2099) 기간은 영산강 유역이 각각 R=0.625(P1), R=0.550(P3)으로 가장 높은 위험도를 나타냈으나, P2(2041~2070) 기간은 금강 유역이 수문학적 위험도 R=0.482로 가장 높게 나타났다. 본 연구결과를 통해 향후 미래 가뭄에 대한 가뭄계획 수립 시에 기초자료로서 활용성이 높을 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.37-39
• /
• 2006

지지 벡터 기계(Support Vector Machine; SVM)는 기본적으로 이진분류를 위해 고안되었지만, 최근 다양한 분류기 생성전략과 결합전략이 고안되어 다중부류 분류에도 적용되고 있다. 본 논문에서는 OVR(One-Vs-Rest) 전략으로 생성된 SVM을 NB(Naive Bayes) 분류기를 이용하여 동적으로 구성함으로써, OVR SVM을 이용한 다중부류 분류 시스템에서 자주 발생하는 동점을 효과적으로 해결하는 방법은 제안한다. 이 방법을 유전발현 데이터를 이용한 다중부류 암 분류에 적용하였는데, 고차원의 데이터로부터 NB 분류기 구축에 유용한 유전자를 선택하기 위해 Pearson 상관계수를 사용하였다. 14개의 암 유형과 16,063개의 유전발현 수준을 가지는 대표적인 다중부류 암 분류 데이터인 GCM 암 데이터에 적용하여 제안하는 방법의 유용성을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06c
• /
• pp.76-78
• /
• 2006

이 논문에서는 교육용 저장소 관리 시스템의 자원들을 위한 분류체계를 제안한다. 생성되는 자원들에 대한 체계적인 저장관리, 정확한 검색 및 활용을 위해서는 적절한 분류체계가 우선적으로 요구된다. 여러 가지 자원들에 대한 효율적이고 편리한 활용을 위하여 자원들의 관점에 따른 다양한 뷰를 제공해야 하고 뷰가 생성과 소멸에 따라 분류체계도 일관성 있게 유지 및 변경되어야 한다. 이 논문에서는 교육 자원들 중에서 학습활동에서 생성되는 구현자원들에 대한 체계적인 관리 및 활용성 향상을 위한 분류체계를 제안한다. 관련된 과학기술분야 분류체계들을 바탕으로 구현자원들에 적합한 분류체계를 정의하며 동적 분류체계 관리 방법을 제안한다. 제안된 분류체계 및 관리 모델은 보다 정확하고 체계적인 구현자원에 대한 관리를 가능하게 하며 또한 활용의 용이성을 향상시킨다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.622-624
• /
• 2005

대규모 지문인식 시스템에서 비교해야할 지문의 수를 줄이기 위해서 지문분류는 필수적인 과정이다. 최근 이진분류기인 지지 벡터 기계(Support Vector Machine: SVM)를 이용한 지문분류 기법이 많이 연구되고 있다. 본 논문에서는 다중부류 지문분류에 적합하도록 자기 구성 지도(Self-Organizing Map:SOM)를 이용하여 OVA(One-Vs-All) SVM들을 결합하는 지문분류 기법을 제안한다. SOM을 이용하여 OVA SVM들을 동적으로 결합하기 위한 결합 지도를 생성하여 지문분류 성능을 높인다. 지문분류에 있어 대표적인 NIST-4 지문 데이터베이스를 대상으로 Jain이 구축한 FingerCode 데이터베이스에 제안하는 방법을 적용하여 $1.8\%$의 거부율에서 $90.5\%$의 분류율을 획득하였으며, 기존의 결합 방법인 승자독식(Winner-takes-all)과 다수결 투표(Majority vote)보다 높은 성능을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.19-22
• /
• 2002

분류자 시스템은 유전자 알고리즘(Genetic Algorithm : GA)을 이용하여 새로운 규칙 집합을 발견하는 시스템이다 또 로봇 축구 시뮬레이션 게임(SimuroSot)은 시간에 따라 상태가 변화하는 동적인 시스템이다 본 논문에서는 GBML(Genetic Based Machine Learning)의 한 갈래이자 미시간 접근 방법을 기반으로 하는 Zeroth Level Classifier System(ZCS)을 SimuroSot에 적용하여 게임 전략을 구성하는 새로운 규칙의 발견과 학습에 의한 축구 로봇의 행동전략 알고리즘을 제안하고, 시뮬레이션을 통하여 본 전략의 유용성을 확인한다

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2592-2594
• /
• 2004

본 연구에서는 갈수록 늘어나는 이메일 문서의 관리를 효율적으로 하기 위한 방법으로 새로운 메일이 도착했을 때 해당 카테고리를 추천받아 사용자가 직접 최적의 분류를 할 수 있는 이메일 추천 에이전트 시스템을 제안한다. 이메일 문서들의 카테고리별 분류 및 해당 폴더 저장에서 핵심이 될 수 있는 정확한 분류를 위해 동적 임계치를 이용한 베이지안 학습 알고리즘을 적용하였으며, 또한 주요 모듈 부분을 확장성과 재 사용성을 위해 컴포넌트화 하였다.