• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.11a
• /
• pp.191-194
• /
• 1997

본 논문에서는 2D-DCT 변환된 동영상 프레임 사이의 오차 블록들의 활성 레벨(atcivity level)과 에지의 특성을 분류하여 동영상의 적응적인 양자화를 제안한다. 각 블록에서는 활성 레벨이 각기 다르고, 같은 활성 레벨이라 할지라도 에지의 특성도 각기 다르게 나타난다. 적응적인 양자화를 위해서, 2D-DCT 변환된 영상 오차의 각 블록의 활성레벨 뿐만 아니라 AC 계수들의 분포에 따른 에지 특성을 분류하면, 블록의 활성 레벨만을 일률적으로 적용한 Sorting 방법의 경우보다 향상된 영상을 복원할 수 있다. 블록의 활성 레벨은 AC energy에 의해서 측정하고, 에지 특성은 AC 계수들의 분포에 의해 결정하게 된다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.1087-1092
• /
• 2002

본 논문에서는 결정 트리 학습을 이용하여 뇌 MRI 시리즈를 분류하는 시스템을 제안한다. 영상으로부터 얻을 수 있는 정보에는 두 종류가 있다. 하나는 크기, 색상, 질감, 윤곽선 등 원 영상으로부터 직접 얻을 수 있는 하위레벨(low-level) 특징들이고, 다른 하나는 특정 개체의 존재유무, 여러 부위 사이의 공간적 관계 등 분할된 영상들에 대한 해석을 통하여만 얻을 수 있는 상위레벨(high-level) 특징들이다. 영상을 의미에 따라 분류하기 위해서는 학습 및 분류가 상위레벨 특징들을 기반으로 수행되어야 한다. 제안된 시스템에서는 결정 트리 학습을 이용하여 영상을 구성하는 요소를 학습하고 분류하며 그에 따라 영상 시리즈를 대표할 수 있는 상위레벨 특징을 추출하였다. 정상, 뇌경색, 뇌종양이 있는 뇌 MRI 시리즈에 대하여 분류 실험을 수행하였으며, 그 결과를 설명 하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• pp.387-392
• /
• 2008

본 논문에서는 에너지 절약을 위한 방법으로 여름철 냉방의 적정 온도 및 풍향을 제어하기 위한 가상의 시뮬레이션을 목적으로 열 영상과 퍼지 추론 규칙을 적용한 온도 및 풍향 제어 기법을 제안한다. 온도 제어를 위한 가상 시뮬레이션에서 열 영상을 분석하기 위해서 영상을 $300{\times}400$의 크기를 가지는 색상 분포 영상으로 변환한다. 색상 분포 영상은 Red, Magenta, Yellow, Green, Sky, Blue의 온도 값을 가지는 R, G, B 값이며 각 색상은 $ 24.0^{\circ}C$에서 $27.0^{\circ}C$의 분포의 온도 값을 가진다. 색상 분포 영상은 아래 계층부터 레벨1에서 레벨10의 높이 계층으로 분류한다. 분류한 각 계층은 고유의 색상 분포도를 가지며 색상이 가지는 온도 수치에 따라서 계층별로 온도를 구성한다. 풍향 제어를 위한 각 계층의 높이는 레벨1에서 레벨3까지는 하위층이며, 레벨 4부터 레벨 7은 중간층, 레벨 8부터 레벨 10은 상위층으로 분류한다. 각 계층의 온도와 높이 레벨 값은 온도 조절과 풍향의 우선 순위, 강도 조절, 지속 시간을 구하기 위한 파라미터이다. 실내 공간의 전체적인 온도의 균형과 풍향을 제어하는 과정으로 풍향의 방향, 지속시간을 적용하고 풍향의 강도를 구하기 위해서 색상 분포영상의 각 구간의 온도 및 높이의 특징을 적용하여 퍼지 소속 함수를 설계한 후, 소속 함수의 소속도를 구하고 퍼지 추론 규칙을 적용하여 풍향의 강도를 구한다.

• Journal of KIISE:Software and Applications
• /
• v.34 no.1
• /
• pp.18-29
• /
• 2007

In this paper we present a system that classifies brain MR images by using 2 level decision tree learning. There are two kinds of information that can be obtained from images. One is the low-level features such as size, color, texture, and contour that can be acquired directly from the raw images, and the other is the high-level features such as existence of certain object, spatial relations between different parts that must be obtained through the interpretation of segmented images. Learning and classification should be performed based on the high-level features to classify images according to their semantic meaning. The proposed system applies decision tree learning to each level separately, and the high-level features are synthesized from the results of low-level classification. The experimental results with a set of brain MR images with tumor are discussed. Several experimental results that show the effectiveness of the proposed system are also presented.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.766-768
• /
• 2003

인간 및 다른 생물들의 DNA 서열이 밝혀짐에 따라 DNA 서열 정보를 이용할 수 있는 계산적 처리방식에 대한 요구가 늘어나고 있다. 본 논문에서는 DNA의 패턴을 분류할 수 있는 면역계 부정 선택에 기반한 알고리즘을 제안한다. 부정 선택은 면역세포 생성시 자신을 인식하지 않는 항원 인식부를 생성하기 위한 과정이다. 이 항원 인식부를 통해 자기와 비자기를 구별한다. 이것을 n개의 자기 또는 비자기 집단으로 확장하고 n개의 항원 집단을 구성하면 n개의 패턴 분류가 가능하다. 본 논문에서는 부정 선택에 기반한 DNA 염기 레벨에서의 패턴 분류방법과 아미노산 레벨에서의 패턴분류 방법을 제안한다.

• Journal of Intelligence and Information Systems
• /
• v.28 no.3
• /
• pp.185-207
• /
• 2022

Recently, with the development of deep learning technology, researches to apply a deep learning algorithm to analyze unstructured data such as text and images are being actively conducted. Text classification has been studied for a long time in academia and industry, and various attempts are being performed to utilize data characteristics to improve classification performance. In particular, a hierarchical relationship of labels has been utilized for hierarchical classification. However, the top-down approach mainly used for hierarchical classification has a limitation that misclassification at a higher level blocks the opportunity for correct classification at a lower level. Therefore, in this study, we propose a methodology for classifying hierarchical data using the autoencoder-based deeply supervised network that high-level classification does not block the low-level classification while considering the hierarchical relationship of labels. The proposed methodology adds a main classifier that predicts a low-level label to the autoencoder's latent variable and an auxiliary classifier that predicts a high-level label to the hidden layer of the autoencoder. As a result of experiments on 22,512 academic papers to evaluate the performance of the proposed methodology, it was confirmed that the proposed model showed superior classification accuracy and F1-score compared to the traditional supervised autoencoder and DNN model.

• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2007.04a
• /
• pp.215-218
• /
• 2007

이 논문은 고해상도 Quickbird 영상을 이용하여 세부레벨계획을 위한 토지피복분류를 수행하였으며 고해상도 영상을 이용한 토지피복분류를 위하여 객체기반분류와 ISODATA 기법을 적용하였다. 객체기반분류는 eCognition 소프트웨어를 사용하였으며 ISODATA 기법의 토지피복분류 결과와 비교분석을 수행하였다. 연구 대상지역은 인도의 Sukkalampatti이라 하는 작은 유역을 대상으로 연구를 진행하였다. 고해상도 영상의 사용으로 토지피복분류에 있어서 공간 해상도에 따른 토지피복의 세부레벨분류 정확도를 향상 시킬 수 있는 이점을 확인 할 수 있으며 또한, 객체기반분류와 ISODATA 기법의 분류 결과는 eCognition을 사용한 객체기반 토지피복분류결과가 ISODATA의 픽셀기반의 분류방법보다 높은 정확도를 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.04a
• /
• pp.341-344
• /
• 2001

본 논문에서는 학습을 수행하여 뇌 MR 이미지를 자동으로 분류하고 검색하는 시스템을 설계하였다. 이미지로부터 얻을 수 있는 정보는 크게 두 가지 부류로 나눌 수 있다. 이미지 자체로부터 얻을수 있는 크기, 색상, 질감, 윤곽선 등의 하위레벨(low-level) 정보가 있고, 이미지 의미 해석에서 오는 전이, 포함, 방향, 등의 상위레벨(high-level) 정보가 있다. 이 논문은 의료 이미지에 대하여 상위 및 하위 레벨 정보의 각 특징을 살리고 효과적으로 검색하기 위해, 두 부류의 이미지 정보에 대한 결정 트리(Decision Tree) 학습을 2 단계로 적용하여 이미지를 분류하도록 시스템을 설계하였다.

• Journal of Digital Contents Society
• /
• v.18 no.8
• /
• pp.1635-1640
• /
• 2017

In this paper, a hierarchical image tree model for weather classification is defined in a single outdoor image, and a weather classification algorithm using image intensity and k-mean segmentation image is proposed. In the first level of the hierarchical image tree model, the indoor and outdoor images are distinguished. Whether the outdoor image is daytime, night, or sunrise/sunset image is judged using the intensity and the k-means segmentation image at the second level. In the last level, if it is classified as daytime image at the second level, it is finally estimated whether it is sunny or foggy image based on edge map and fog rate. Some experiments are conducted so as to verify the weather classification, and as a result, the proposed method shows that weather features are effectively detected in a given image.

• Proceedings of the KAIS Fall Conference
• /
• 2009.12a
• /
• pp.290-292
• /
• 2009

본 논문에서는 world of warcraft(MMORPG), 카트라이더(레이싱 게임)에서 사용되는 데이터들을 신뢰성을 중요도에 따라 레벨1(가장 중요)부터 레벨3(보통)까지 분류함으로써, 새로운 네트워크 전송 프로토콜의 설계 또는 게임에 적합한 네트워크 구조를 설계하는 데에 도움을 주고자 한다.