• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.193-194
• /
• 2024

스마트홈과 연동하는 안전한 방범창은 외부의 침입자를 차단하고 주거 내의 물품 도난 및 개인의 신변을 보호하기 위한 안전설비로 다양한 형태의 방범창이 존재한다. 스마트홈은 건물 내의 센서가 화재를 감지하면 방범창 내부의 원격시스템이 자동으로 방범창을 매우 짧은 시간 안에 개방할 수 있도록 설계한다. 화재 등 재난시 상하부 방법창이 자동으로 개폐되도록 랙피니언을 이용하여 방범창의 위쪽 창틀을 상승시켜 창살이 움직일 수 있도록 개방하고 동시에 아래쪽 창틀이 회전하도록 구성하여 화재 및 폭우 등에 인명피해를 줄일 수 있도록 설계한다. 스마트홈 시스템과의 연계로 재난을 미리 감지하고 탈출구를 개방한다면 신속하고 안전한 대피가 가능하고, 기존의 프레임 부분 변경에 간단한 시스템만 변경하여 적용할 수 있어, 간단한 구조로 설치할 수 있고 낮은 비용으로 스마트홈을 구성할 수 있다. 특히 스마트홈과 연동하여 재난을 미리 감지하고 탈출구를 개방함으로써 신속하고 안전한 대피가 가능하여 다양한 재난을 대비할 수 있다.

• Journal of Korea Multimedia Society
• /
• v.13 no.7
• /
• pp.983-990
• /
• 2010

The image processing technique is very sensitive to the variation of external environment, so it tends to lose a lot of accuracy when the external environment changes rapidly. In this paper, we propose a vehicle detecting and tracking system for crime prevention suitable for an external environments with various changes using the image processing technique. Because the vehicle camera detector for crime prevention extracts and tracks the vehicle within one lane, it is important to classify a characteristic region rather than the contour of a vehicle. The proposed system detects the entrance of the vehicle using optical flow and tracks the vehicle by classifying the headlights, the bonnet, the front-window and the roof area of the vehicle. Experimental results show that the proposed method is robust to the environmental changes such as type, speed and time of a vehicle.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.1209-1211
• /
• 2017

창문을 열고 닫음에 있어서 사람의 신체에 따라, 창문의 위치에 따라 어려움이 발생한다. 또한 최근 대기 오염도가 심해지고 지구 온난화로 인한 한반도 기후 변화로 국지성 집중호우의 빈도가 증가하고 있다. 이로 인해 사용자가 부재중일 때 창이 열려있다면 집 안으로 먼지가 들어올 것이고, 국지성 호우에 의해 비가 들어오는 경우가 생길 수 있다. 본 논문에서는 이 문제점들에 주목하여, 어플과 연계를 통한 원격 창문 개폐 장치를 고안하였다. 본 장치를 이용한다면 신체적인 한계가 있는 어린이, 노약자, 장애인과 같은 이들이 쉽게 창문을 개폐할 수 있을 것이다. 그리고 환기가 필요한 공장, 격납고 등의 높은 위치에 있는 창문을 쉽게 개폐할 수 있어 분진 폭발로 인한 안전사고 역시 예방하는 효과가 있을 것이다. 또한 사용자가 외출할 때 창문을 닫고 나오지 못한 경우 어플을 이용하여 원격으로 닫을 수 있으며, 이를 통해 밖에 황사, 미세먼지가 들어오는 것과 비가 들어오는 것을 차단할 수 있다. 마지막으로 열린 창을 닫는다는 것에서 방범의 효과 역시 가져올 수 있다.

• Journal of KIISE:Software and Applications
• /
• v.30 no.3_4
• /
• pp.259-267
• /
• 2003

Though naive Bayes text classifiers are widely used because of its simplicity, the techniques for improving performances of these classifiers have been rarely studied. In this paper, we propose and evaluate some general and effective techniques for improving performance of the naive Bayes text classifier. We suggest document model based parameter estimation and document length normalization to alleviate the Problems in the traditional multinomial approach for text classification. In addition, Mutual-Information-weighted naive Bayes text classifier is proposed to increase the effect of highly informative words. Our techniques are evaluated on the Reuters21578 and 20 Newsgroups collections, and significant improvements are obtained over the existing multinomial naive Bayes approach.

• Annual Conference on Human and Language Technology
• /
• 2001.10d
• /
• pp.123-129
• /
• 2001

지금까지 한국어 품사 부착을 위해 다양한 모델이 제안되었고 95% 이상의 높은 정확도를 보여주고 있다. 그러나 4-5%의 오류는 실제 응용 분야에서 많은 문제를 야기시킬 수 있다. 이러한 오류를 최소화하기 위해서는 오류를 분석하고 이를 수정할 수 있는 규칙들을 학습하여 재사용하는 방범이 효과적이다. 오류 수정 규칙을 학습하기 위한 기존의 방법들은 수동학습 방법과 자동 학습 방법으로 나눌 수 있다 수동 학습 방법은 많은 비용이 요구되는 단점이 있다. 자동 학습 방법의 경우 모두 변형규칙 기반 접근 방법을 사용하였는데 어휘 정보를 고려할 경우 탐색 공간과 규칙 적용 시간이 매우 크다는 단점이 있다. 따라서 본 논문에서는 초기 모델에 대한 오류 수정 규칙을 효율적으로 학습하기 위한 새로운 방법으로 결정 트리 학습 방법을 확장한 통계적 결정 그래프 학습 방법을 제안한다. 제안된 방법으로 두 가지 실험을 수행하였다. 초기 모델의 정확도가 높고 말뭉치의 크기가 작은 첫 번째 실험의 경우 초기 모델의 정확도 95.48%를 97.37%까지 향상시킬 수 있었다. 초기 모델의 정확도가 낮고 말뭉치 크기가 큰 두 번째 실험의 경우 초기 모델의 정확도 87.22%를 95.59%로 향상시켰다. 또한 실험을 통해 결정 트리 학습 방법에 비해 통계적 결정 그래프 학습 방법이 더욱 효과적임을 알 수 있었다.