• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 춘계학술대회 학술발표 논문집
• /
• pp.195-200
• /
• 1997

영상을 분류한다거나 물체를 인식하는 방법들은 대부분 흑백 영상에 대한 것이다. 그 이유는 기존의 분류 방법에 어떻게 컬러 정보를 결합시킬 것인가 하는 문제를 쉽게 해결하지 못하거나 처리하는데 훨씬 많은 시간이 소요되기 때문이다. 본 연구에서는 컬러 영상들을 분류하기 위하여 기존의 고유 백터를 컬러 공간에 이용할 수 있는 방법을 제안하고, 이 고유 백터를 이용하여 컬러 얼굴 영상에 대한 분류 실험을 통해 여러 가지 특징에 대한 고유 백터를 영상 분류에 이용할 수 있음을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.469-472
• /
• 2004

여러 분류 문제에 다층퍼셉트론이 적용되어 좋은 성능을 보이고 있다. 하지만, 암 분류를 위한 분류기로 사용되는데 있어서 문제점은 샘플데이터 수에 비해 입력으로 사용되는 유전자의 수가 너무 많기 때문에 좋은 성능을 기대하기 힘들다는 점이다. 또한 많은 입력노드로 인해 가중치 파라메터들의 수가 증가하기 때문에 학습시에 계산량의 부담을 가중시킨다. 따라서 본 논문에서는 많은 유전자중에서 암분류에 중요한 영향을 끼치는 유전자를 선택하는 방법을 제안한다. 이러한 유전자 선택을 위하여 클래스의 정보를 나타내는 척도를 분석하고 이를 기반으로 하여 분류율을 향상시킬 수 있는 유전자를 선택하는 방법을 제안한다. 이렇게 선택된 유전자를 입력으로 하여 분류기를 구성하여, 제안하는 방법의 우수성을 검증한다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제15권
• /
• pp.119-126
• /
• 2003

학교 현장에서 아이들을 지도하다 보면 문제해결력이 상당히 낮다는 것을 자주 경험하곤 한다. 따라서 그러한 문제점에 대하여 고민하고 다양한 방법을 생각해 보는데, 그 해결 방안으로 소집단 협력학습을 실시하여 아이들의 전반적인 문제해결능력을 높여 보고자 본 연구를 실시하게 되었다. 그러기 위하여 소집단의 구성을 수학 성적을 토대로 하여 5단계로 분류하여 실시하였다. 이에 따른 연구 문제로는 크게 3가지로 정하였는데 다음과 같다. 첫째, 소집단 협력학습이 일제 학습에 비하여 수학 문제해결 능력을 향상시켰는가? (실험반과 비교함) 둘째, 소집단 협력학습이 개인별 수학 문제해결능력을 향상시켰는가? (개인별 비교; 실험반에 국한됨) 셋째, 소집단 협력학습이 수학 교과에 대한 아동들의 수학적인 태도변화를 가져왔는가? 위에서 제시한 연구 문제들을 해결한 결과, 실험반이 비교반보다 문제해결력이 유의미한 수준으로 높게나왔고, 또한 5단계로 분류한 아동들 개개인의 문제해결력에서는 특히 중하위권에 있는 아동들이 실험 후에 문제해결력이 높게 나왔다. 끝으로, 아동들의 수학적인 태도 변화에 관한 설문에서는 소집단 협력학습으로 인하여 수학에 대한 흥미와 자신감이 많이 생긴 것으로 나왔다. 따라서 7차 교육과정에서 주장하는 단계형 수준별 교육과정을 실행하는데 있어서 소집단 협력학습이 하나의 대안이 될 수 있을거라 생각하고, 아동들의 문제해결력을 높이는 또 하나의 수업 형태로서도 시도해 볼만한 것이라 생각한다.

• 정보관리학회지
• /
• 제25권4호
• /
• pp.309-326
• /
• 2008

국가 R&D 사업관리 시스템에서는 국내의 국가 연구개발과제 정보를 관리하고 검색할 수 있도록 하고 있다. 특히 연구개발과제들을 분류하고 다양한 검색 및 분석 서비스를 제공하기 위해서 다양한 분류체계를 이용하고 있다. 하지만 하나의 분류체계에 대해 하나의 분류만 입력 가능하도록 하고 있기 때문에 과제의 성격을 명확히 파악하는데 어려움이 있다. 또한 연구개발과제를 위한 분류체계는 모든 분야에 대한 일반적인 분류를 제공하고 있으나 한의학과 같은 특정 분야에 맞는 분류체계는 제공하지 않고 있다. 반면에 한의학 분야에서는 한의학에 대한 분류체계 연구가 진행되어 왔지만 이 분류체계 또한 한의학 전반에 관한 일반적인 분류이기 때문에 한의학 연구개발과제를 위한 분류로는 적합하지 않는 문제가 있다. 따라서 본 연구에서는 이러한 문제를 해결하기 위해 한의학 분야의 연구개발과제들의 성격을 명확히 파악하고 검색 및 분석에 활용할 수 있는 분류를 제안한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권11호
• /
• pp.1136-1146
• /
• 2005

지문분류는 대규모 자동지문식별시스템에서 지문을 카테고리별로 나누어 매칭시간을 줄이는데 유용하다. 지문을 5가지 클래스로 분류하는 헨리시스템을 기반으로 신경망이나 SYM(Support Vector Machines) 등과 같은 다양한 패턴분류 기법들이 지문분류에 널리 사용되고 있다. 특히 최근에는 높은 분류 성능을 보이는 SVM 분류기를 이용한 연구가 활발하다. 이진분류기인 SVM을 지문분류문제에 적용하기 위해서 본 논문에서는 새로운 분류기 결합모델인 다중결정템플릿(Multiple Decision Templates, MuDTs)을 제안한다. 이 방법은 클래스 구분이 모호한 지문영상들의 분류에서 단일 결합모델들의 한계를 극복하기 위해, 하나의 지문클래스로부터 서로 다른 특성을 갖는 클러스터들을 추출하여 각 클러스터에 적합한 결합모델을 생성한다. NIST Database4 데이타로부터 추출한 핑거코드에 대해 실험한 결과, 5클래스와 4클래스 분류문제에 대하여 각각 $90.4\%$와 $94.9\%$의 분류성능(거부율 $1.8\%$)을 획득하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.881-884
• /
• 2017

좋은 특징을 도출할 수 있는 신경망은 곧 대상을 잘 이해하고 있는 신경망을 의미한다. 그러나 얼굴과 같이 유사한 이미지를 분류하기 위해서는 신경망이 좀 더 구분되는 특징을 도출해야한다. 본 논문에서는 얼굴과 같이 유사도한 이미지를 분류하기 위해 오차함수에 중심확장(Center Expansion)이라는 오차를 추가한다. 중심확장은 도출된 특징이 밀집되면 클래스를 분류하는 매니폴드를 구하기 어려워져 분류 성능이 하락되는 문제를 해결하기 위해 제안한 것으로 특징이 밀집될 가능성이 높은 부분에 특징이 도출되지 않도록 강제하는 방식이다. 학습 시 활용하는 오차는 일반적으로 분류 문제를 위해 사용되는 softmax cross-entropy 오차와 각 클래스의 분산을 줄이는 오차 그리고 제안한 중심확장 오차를 조합해 구할 것이다. 본 논문에서는 제안한 중심확장 오차를 조합한 모델과 조합되지 않은 모델이 결과적으로 특징 도출과 분류에 어떠한 영향을 주었는지 알아볼 것이다. 중심확장을 조합해 학습한 모델이 어떤 영향을 주었는지 알기 위해 본 논문에서는 Labeled Faces in the Wild를 활용해 분류 실험을 진행할 것이다. Labeled Faces in the Wild을 활용해 실험한 결과 중심확장을 활용한 모델과 활용하지 않은 모델간의 성능을 차이를 확인할 수 있었다.

• 한국자원식물학회:학술대회논문집
• /
• 한국자원식물학회 2019년도 추계학술대회
• /
• pp.21-21
• /
• 2019

백양꽃(Lycoris koreana)이 속해 있는 상사화속(Lycoris)은 종간 잡종이 쉽게 일어나 많은 자연교잡종을 가지고 있어 식물의 종분화와 진화를 연구하는데 흥미로운 분류군이다. 그러나 이런 사유로 명백한 분류학적 차이가 있음에도 불구하고 대상종의 분류학적 위치의 설정에 문제가 발생되어 계급의 설정에 혼란을 가져오기도 한다. 특히 한국산 상사화속의 종 분류는 그동안 많은 형태학적, 분계학적, 화분학적, 세포학적, 분자생물학적 연구가 이루어져 있음에도 아직도 도감과 많은 문헌에서 오류와 오동정의 문제점을 가지고 있다. 특히 백양꽃에 대하여서는 Nakai에 의해 신종으로 설정된 이래 일본에 분포하는 동 속 식물과의 관계 분석의 오류로 계급의 설정에 현재까지 다양한 문제가 발생되고 있다. 백양꽃은 전라남도 백양산에 분포하고, 포가 자주색이고, 꽃의 크기가 작으며, 화사와 화주가 적색 또는 암적색인 특징으로 Nakai에 의해 신종으로 설정되었다. 이후 Nakai와 Lee는 L. koreana 가 한국에만 분포하는 것으로 보고 한국 특산종으로 취급하였다. 그러나 백양꽃의 실체에 대하여 많은 논의가 있었으나 Lee and Oh는 L. radiata로 동정하였고, Yang은 L. koreana는 한국에 분포하지 않고 L. sanguinea만이 분포하는 것으로 보고하였다. Koyama는 L. sanginea에 대하여 L. sanguinea와 L. kuishiana를 비교하여 수술이 화관 밖으로 돌출되어 있는 점 외에는 L. koreana와 차이가 없음을 들어 각각 L. sanguinea var. sanguinea, L. sanguinea var. kuishiana 그리고 L. sanguinea var. koreana로 재설정 하였고 이는 한국과 일본학자들에 의해서도 거의 받아들여지고 있으나 본 연구를 통하여 L. koreana의 종(species)으로의 계급 부여와 한국특산식물 설정의 타당한 결과를 도출하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.83-86
• /
• 2019

도시화 과정에서 도시의 생활폐기물 문제가 빠르게 증가되고 있고, 효과적이지 못한 생활폐기물 관리는 도시의 오염을 악화시키고 물리적인 환경오염과 경제적인 부분에서 극심한 문제들을 야기시킬 수 있다. 게다가 부피가 커서 관리하기 힘든 대형 생활폐기물들이 증가하여 도시 발전에도 방해가 된다. 생활폐기물을 처리하는데 있어 대형 생활폐기물 품목에 대해서는 요금을 청구하여 처리한다. 다양한 유형의 대형 생활폐기물을 수동으로 분류하는 것은 시간과 비용이 많이 든다. 그 결과 대형 생활폐기물을 자동으로 분류하는 시스템을 도입하는 것이 중요하다. 본 논문에서는 대형 생활폐기물 분류를 위한 시스템을 제안하며, 이 논문의 4 가지로 분류된다. 1) 높은 정확도와 강 분류(roust classification) 수행에 적합한 Convolution Neural Network(CNN) 모델 중 VGG-19, Inception-V3, ResNet50 의 정확도와 속도를 비교한다. 제안된 20 개의 클래스의 대형 생활폐기물의 데이터 셋(data set)에 대해 가장 높은 분류의 정확도는 86.19%이다. 2) 불균형 데이터 문제를 처리하기 Class Weight VGG-19(CW-VGG-19)와 Extreme Gradient Boosting VGG-19 두 가지 방법을 사용하였다. 3) 20 개의 클래스를 포함하는 데이터 셋을 수동으로 수집 및 검증하였으며 각 클래스의 컬러 이미지 수는 500 개 이상이다. 4) 딥 러닝(Deep Learning) 기반 모바일 애플리케이션을 개발하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권5호
• /
• pp.322-327
• /
• 2017

문서 분류 문제는 오랜 기간 동안 자연어 처리 분야에서 연구되어 왔다. 우리는 기존 컨볼루션 신경망을 이용했던 연구에서 나아가, 순환 신경망에 기반을 둔 문서 분류를 수행하였고 그 결과를 종합하여 제시하려 한다. 컨볼루션 신경망은 단층 컨볼루션 신경망을 사용했으며, 순환 신경망은 가장 성능이 좋다고 알려져 있는 장기-단기 기억 신경망과 회로형 순환 유닛을 활용하였다. 실험 결과, 분류 정확도는 Multinomial Naïve Bayesian Classifier < SVM < LSTM < CNN < GRU의 순서로 나타났다. 따라서 텍스트 문서 분류 문제는 시퀀스를 고려하는 것 보다는 문서의 feature를 추출하여 분류하는 문제에 가깝다는 것을 확인할 수 있었다. 그리고 GRU가 LSTM보다 문서의 feature 추출에 더 적합하다는 것을 알 수 있었으며 적절한 feature와 시퀀스 정보를 함께 활용할 때 가장 성능이 잘 나온다는 것을 확인할 수 있었다.

• 응용통계연구
• /
• 제29권5호
• /
• pp.859-872
• /
• 2016

초분광 영상 데이터는 픽셀마다 수백 개의 스펙트럼 밴드에 대한 정보가 주어지는 고차원 데이터로, 농업, 식품처리, 광물학, 물리학, 환경학, 지리학 등 광범위한 분야에 활용되고 있다. 그 중 하나는 토지 피복의 분류 문제인데, 이는 자연 재해 예방, 자연 자원 감시, 환경에 대한 정보 수집에 있어서 중요한 문제이다. 하지만 차원의 저주, 시공간적 변동성, 레이블된 데이터의 부족 때문에 토지 피복의 정확한 분류에는 어려움이 따른다. 이 논문에서는 이러한 문제를 해결하기 위해 컨볼루션 신경망에 기반한 새로운 심층 학습 구조를 제안한다. 제안된 구조는 원하는 지점 주변 픽셀의 정보를 컨볼루션 신경망을 통해 처리하고, 그 지점의 스펙트럼 정보를 강조하기 위해 컨볼루션 층의 출력과 스펙트럼 정보를 함께 소프트맥스 분류기의 입력으로 사용한다. 이 구조는 추가적인 특징 추출 과정을 필요로 하지 않고, 그래픽 처리 장치 등을 이용한 병렬화가 간편하다는 점에서 기존 방법들보다 유리하다. 실험 결과, 제안된 구조는 기존에 가장 좋은 성능을 보인 분류기와 비슷하거나 더 좋은 분류 정확도를 보여 좋은 일반화 성능을 보이는 것을 확인할 수 있었다.