• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.48 no.1
• /
• pp.44-50
• /
• 2011

We propose a multi-class AdaBoost algorithm for en efficient classification of multi-class data in this paper. Traditional AdaBoost algorithm is basically a binary classifier and it has limitations when applied to multi-class data problems even though multi-class versions are available. In order to overcome the problems on the AdaBoost algorithm for multi-class classification problems, we devise an AdaBoost architecture with a training algorithm that utilizes multi-class classifiers for its weak classifiers instead of series of binary classifiers. Experiments on a image classification problem using collected Caltech Image Database are preformed. The results show that the proposed AdaBoost architecture can reduce its training time while maintaining its classification accuracy competitive when compared to Adaboost.M2.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1370-1373
• /
• 2013

영상에서 사람의 얼굴 영상을 추출하여 성별 및 연령대를 자동으로 분석하는 시스템은 광고판 등을 이용한 마케팅, 보안, 통계 분야 등 여러 가지 적용이 가능하다. 이러한 시스템의 개발을 위해서는 얼굴 인식 알고리즘과 특성 분류 알고리즘이 요구된다. 그러나 기존 알고리즘의 경우 문제점이 존재한다. 얼굴 인식 알고리즘으로 가장 많이 사용되는 HAAR 특징은 오탐률이 높으며, 특성 분류 알고리즘으로 사용하는 Fisherface 기법의 경우 분류 Class가 3가지 이상시 분류 성공률이 현저히 떨어지는 문제점이 있다. 본 논문에서는 이 두 알고리즘의 문제점을 개선한 새로운 알고리즘을 제안한다. 얼굴 인식을 위해 기존 HAAR 특징과 LBP 특징을 결합하여 오탐률을 크게 감소시켰다. 또한 특성 분류를 위하여 3 Class 이상의 분류를 대체할 방법으로 2 Class-multi-level 반복 분류방식을 사용하였다. 대량의 데이터에 대한 실험을 통하여 제안한 방법이 기존 방법들보다 성능이 향상되었음을 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.60-62
• /
• 1999

다중 클래스 문서분류는 주어진 여러 개의 관심사별로 문서를 선별해 주는 문제이다. 문서 분류 문제의 특징은 문서가 매우 높은 차원으로 표현된다는 것이다. 다른 학습 알고리즘에 비해 SVM 알고리즘은 차원을 전혀 줄이지 않고 문제를 해결한다. 본 논문에서는 SVM 학습 알고리즘을 이용하여 대규모의 뉴스 그룹 문서 분류 문제를 다룬다. 다중 클래스 문서 분류를 위해서 각 클래스에 대한 SVM학습 결과를 효과적으로 결합하였으며 실험을 통하여 SVM과 다른 학습 알고리즘과의 성능을 비교하였다.

• The Korean Journal of Applied Statistics
• /
• v.13 no.2
• /
• pp.415-425
• /
• 2000

We proposed a new classification algorithm based on bootstrap sampling and pairwise coupling method. Also, for comparing the accuracy of a proposed algorithm with those of old methods, we conducted classification with waveform data and others.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.3-6
• /
• 2009

본 연구에서는 경주시 내남면 일대를 대상으로 KOMPSAT MSC(Multi Spectral Camera) 영상(2007.06.12)을 이용하여 TCT(Tasseled-Cap Transformation), NDVI(Normalized Difference Vegetation Index) 알고리즘을 적용하여 분포도를 작성 하였으며 TCT DN 값을 기초로 영상 강조 및 변환을 통한 임상분류에 적합한 밴드 추출과 NDVI 분포도에서의 DN값을 기초로 산림현장 조사 결과에서 취득된 결과와의 비교 분석을 통하여 알고리즘에 대한 임상분류에 있어서의 변별력 분석을 수행하였다. 본 연구를 통하여 KOMPSAT MSC 영상에서의 임상분류를 위한 식생 알고리즘 적용 가능성을 검토하고자 한다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2001.08a
• /
• pp.173-176
• /
• 2001

이 연구는 계층적 분류체계를 기반으로 자동분류를 수행할 HiCat 알고리즘을 제안한다. HiCat 알고리즘은 DDC 지식베이스의 주제어와 기계학습을 거친 정보를 동시에 이용하고, 각 계층별로 주제적합성가중치를 구해 최종 주제범주를 결정한다. 이 알고리즘이 최적의 성능을 보이는 조건을 알아보고, 일반 분류기와의 성능 비교를 통해 HiCat 알고리즘을 평가해 보았다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.138-140
• /
• 1999

분류기법은 과거데이터를 분석하여 새로운 데이터에 대한 예측에 사용되며, 결정트리 알고리즘을 많이 사용한다. 따라서, 이 기법은 전자상거래에서 DB 마케팅을 위해 데이터베이스에 저장되어 있는 고객데이터를 분석하여 암시적인 고객들의 행위규칙을 찾고, 예측하기 위하여 사용할 수 있다. 기존의 분류알고리즘들은 전자상거래에서 일반적인 연속형 고객데이터를 처리하는데는 많은 문제점을 가지고 있다. 이러한 문제를 해결하기 위하여 연속형 데이터를 범주형 데이터로 변환하는 알고리즘을 구현하였다. 이 논문은 전자상거래에 적용하기 위한 고객분류기로서 ID3 알고리즘에 1차원 클러스터링알고리즘을 결합하여 사용한다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.30 no.5C
• /
• pp.305-312
• /
• 2005

Three classification algorithms are tested using musical instruments. Several classification algorithms are introduced and among them, Bayes rule, NN and k-NN performances evaluated. ZCR, mean, variance and average peak level feature vectors are extracted from instruments sample file and used as data set to classification system. Used musical instruments are Violin, baroque violin and baroque cello. Results of experiment show that the performance of NN algorithm excels other algorithms in musical instruments classification.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.49 no.4
• /
• pp.42-53
• /
• 2012

In pattern recognition and machine learning society, classification has been a classical problem and the most widely researched area. Adaptive boosting also known as Adaboost has been successfully applied to binary classification problems. It is a kind of boosting algorithm capable of constructing a strong classifier through a weighted combination of weak classifiers. On the other hand, the PCA and LDA algorithms are the most popular linear feature extraction methods used mainly for dimensionality reduction. In this paper, the combination of Adaboost and feature extraction methods is proposed for efficient classification of two class data. Conventionally, in classification problems, the roles of feature extraction and classification have been distinct, i.e., a feature extraction method and a classifier are applied sequentially to classify input variable into several categories. In this paper, these two steps are combined into one resulting in a good classification performance. More specifically, each projection vector is treated as a weak classifier in Adaboost algorithm to constitute a strong classifier for binary classification problems. The proposed algorithm is applied to UCI dataset and FRGC dataset and showed better recognition rates than sequential application of feature extraction and classification methods.

• Journal of KIISE:Software and Applications
• /
• v.34 no.9
• /
• pp.857-868
• /
• 2007

The good classifier ensemble should have a high complementarity among classifiers in order to produce a high recognition rate and its size is small in order to be efficient. This paper proposes a classifier ensemble selection algorithm with coarse-to-fine stages. for the algorithm to be successful, the original classifier pool should be sufficiently diverse. This paper produces a large classifier pool by combining several different classification algorithms and lots of feature subsets. The aim of the coarse selection is to reduce the size of classifier pool with little sacrifice of recognition performance. The fine selection finds near-optimal ensemble using genetic algorithms. A hybrid genetic algorithm with improved searching capability is also proposed. The experimentation uses the worldwide handwritten numeral databases. The results showed that the proposed algorithm is superior to the conventional ones.