• 정보보호학회지
• /
• 제2권4호
• /
• pp.30-36
• /
• 1992

이 논문에서 우리는 여러 가지 분할 항등식을 유도했고 제한된 분할에 관한 새로운 항등식을 증명하고, 분할의 기본적인 이론과 분할함수(Partition Number Function)가 다항식 함수가 아니라는 것을 보이며, n 의 분할의 수 p(n)에 대한 하계(Lower Bound)를 얻기 위해 Stirling의 n ! 에 대한 근사값을 소개한다. 그리고 Hardy-Ramanujan 공식, Euler 항등식과 p(n) 의 순환식을 유도하며, 그리고 $d_m$(n)이n을m개의 부분으로 분할하는 분할의 수를 나타낼 때 우리는 $d_m$(n)에 관한 일반적인 공식을 p(n)과 함께 행렬식의 형태로 표현한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.191-194
• /
• 2002

영상분할이란 영상 내에 존재하는 객체를 배경에서 분리해내는 것을 말한다. Active Contour 모델은 객체를 영상에서 분리하는 gradient 기반의 영상분할 방식이다. 전통적인 의미의 Active Contour 모델에서 사용한 gradient 함수 기반의 영상분할은 잡영이 많고 객체와 배경간 뚜렷한 경계가 없는 영상에서는 그 한계를 보이고 있다. 이에 본 논문에서는 이러한 Active Contour 모델의 단점을 극복하기 위한 방법으로 영상 내의 진화곡선에 의존하는 에너지 함수인 Mumford-Shah Functional을 이용한 방법을 제안한다. 이 방법은 영상 내의 Active Contour를 진화시켜 Mumford-Shah 함수의 에너지를 최소화시키는 Level Set 함수를 찾고 Level Set 함수에 의해 얻어진 부분영상에서 히스토그램을 이용한 임계치(thresholding) 방식을 사용하는 보다 효과적인 객체추출 모델이다.

• 한국정보처리학회논문지
• /
• 제5권8호
• /
• pp.2127-2136
• /
• 1998

비평가인자 함수 언어는 비평가인자 어의로 인하여 기존의 von Neumann 형 병렬기에서 효율적인 수행을 어렵게 하는 미세수준의 동적 스케줄링 단위로 병합하는 과정이 중요하다. 이러한 과정을 스레드 분할이라 한다. 본 논문에서는 비평가인자 함수 프로그램을 스레드로 분할하는 자료형 분리집합 분할이라는 스레드 분할 알고리즘을 제안한다. 자료형 분리 집합 분할 알고리즘은 자료형을 비교할 수 없는 입력명과 출력명 사이에는 잠재 종속이 존재할 수 없다는 사실을 이용하여 스레드 분할을 수행한다. 이 방법을 사용하면 기존의 스레드 분할 방법에서 실패하는 스레드의 병합이 가능하며, 기존의 분할 알고리즘보다 더 큰 스레드를 생성할 수 있다.

• 정보보호학회지
• /
• 제2권4호
• /
• pp.37-47
• /
• 1992

이 논문에서 우리는 여러 가지 분할 항등식을 유도했고 제한된 분할에 관한 새로운 항등식을 증명하고, 분할의 기본적인 이론과 분할함수(Partition Number Function)가 다항식 함수가 아니라는 것을 보이며, n의 분할의 수 p(n)에 대한 ㅎ계(Lower Bound)를 얻기 위해 Stirling의 n !에 대한 근사값을 소개한다. 그리고Hardy-Ramanujan 공식, Euler 항등식과 p(n)의 순환식을 유도하며, 그리고 d$_{m}$ (n)이 n을 m개의 부분으로 분할하는 분할의 수를 나타낼 때 우리는 d$_{m}$ (n) 에 관한 일반적인 공식을 p(n)과 함께 행렬식의 형태로 표현한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권3_4호
• /
• pp.308-315
• /
• 2003

본 논문에서는 두 가지 이상의 분할 방법을 혼합하여 분할했을 때, 분할 결과의 정확성이 전체적으로 개선되어지면서 동시에 영역 경계의 각 부분에서도 단일 분할 방법의 결과보다 향상될 수 있는 혼합형 분할 방법을 제안한다. 이 방법은 다수의 분할 방법을 순차적으로 적용하는데, 한 분할 방법에 의한 결과를 현재 방법과 다음 적용할 방법의 특성을 고려한 평가함수로 분석하여 신뢰도가 높은 부분은 유지하고, 낮은 부분들을 다음 방법들에서 개선한다. 제안된 방법을 Visible human 컬러 영상의 근육을 분할하는데 적용하였고, Balloon 방법, 최소비용경로탐색 방법, 그리고 영역 성장법이 혼합되어 사용되었다. 실험에서 얻어진 최종 분할 결과는 전체적으로 정확성이 개선되었을 뿐만 아니라, 국부적으로도 단일 분할 방법의 결과보다 향상되었음을 확인하였다.

• Communications for Statistical Applications and Methods
• /
• 제4권3호
• /
• pp.645-661
• /
• 1997

연속형 변수들의 상관관계와 범주형 변수들의 연관성 측도들을 비교 연구하였다. 이 연구를 위하여 연속형 변수들이며 +1에서 -1까지 완벽한 상관관계를 갖고 있는 2 변량 정규분포를 이용하여 2$\times$2 분할표와 확장하여 일반적인 I$\times$J 분할표를 대신하는 3$\times$3 분할표를 생성하였다. 2 차원 분할표에서 정의된 연관성 측도들을 구하여 논의하였는데 2$\times$2 분할표에서는 교차적비 $\alpha$ 통계량과 교차적비의 함수로 표현되는 Yule [1912]의 Q와 Y의 통계량 그리고 상관계수 R 통계량과 R 통계량의 함수인 P 통계량을 설명하고 생성된 분할표에서 구한 통계량값을 분석하였으며, 3$\times$3 분할표에서는 Pearson의 독립성 검정통계량 $X^2$의 함수로 표현되는 P. T. V 통계량과 Goodman과 Kruskal [1954]의 $\lambda_{C/R}$통계량과 Light와 Margolin [1971]의 $\tau_{R/C}$ 통계량을 설명하고 그 값들을 Pearson의 상관계수와 비교 분석하였다.

• 한국컴퓨터정보학회논문지
• /
• 제17권12호
• /
• pp.83-93
• /
• 2012

본 논문에서는 기존의 퍼지 클러스터링 기반 이미지 분할의 성능과 계산 효율을 개선하기 위해 퍼지 클러스터링의 목적 함수를 수정하는 이미지 분할 프레임워크를 제안한다. 제안하는 이미지 분할 프레임워크는 주변 픽셀들에 가중치를 부여함으로써 현재 센터 픽셀 연산을 위해 주변 픽셀들의 중요성을 고려하는 지역 가중치 적용 퍼지 클러스터링 기법을 포함한다. 이러한 가중치들은 각 멤버쉽들의 중요성을 표시하기 위해 현재 픽셀과 대응되는 각 주변 픽셀들 사이의 거리차에 의해 결정되어 지며, 이러한 프로세서는 향상된 클러스터링 성능을 보장한다. 제안하는 방법의 성능을 평가하기 위해 분할 계수, 분할 엔트로피, Xie-Bdni 함수, Fukuyzma-Sugeno 함수와 같은 네 가지 클러스터 유효성 함수를 이용하여 분석하였다. 모의실험 결과, 제안한 방법은 기존의 다른 퍼지 클러스터링 기법들보다 클러스터 유효성 함수들뿐만 아니라 분할과 조밀도 측면에서 우수한 성능을 보였다.

• 전자공학회논문지B
• /
• 제33B권1호
• /
• pp.187-194
• /
• 1996

본 논문은 회귀트리에 기반을 둔 회귀 신경망을 제안한다. 회귀트리를 세 개의 계층을 갖는 전향 신경망에 사상하고, 첫 번째 계층에 다중특징 분할함수를 형성시켜 신경망이 보다 더 최적인 입력 공간의 분할을 갖도록 한다. 본 연구에서는 신경망 트레이닝을 위한 두 가지 지도 학습 알고리즘을 제안하여 단일특징 분할함수와 다중특징 분할함수에 실험한다. 실험결과, 제안된 회귀 신경망은 기존의 단일특징 분할 회귀트리 및 단일특징 분할 회귀신경망보다 학습능력이 우수함을 입증한다. 또한 본 논문에서 제안한 알고리즘이 학습 능력을 저하시키지 않으면서도 효과적으로 과성장한 회귀트리를 가지치기 할 수 있음을 보인다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.837-840
• /
• 2000

동영상에서 움직이는 객체 분할 및 모션 예측을 동시에 수행할 수 있는 연구는 다양한 방법으로 시도 되어 왔다. 실제 이미지를 서로 다른 움직임이나 서로 다른 공간적인 특정 영역으로 분리 될 수 있다고 가정 한다면 복수의 객체 또는 객체의 움직임으로 표현 할 수 있다. 객체 분할 측면에서 볼 때 효율적인 분할을 위해서는 특징 입력 벡터의 선택이 중요한 변수로 작용한다. 본 연구에서는 정밀한 객체 분할을 위해 밝기, 질감(Texture) 정보와 같은 정지영상의 특징 입력 벡터와 움직임 벡터 같은 동영상의 특징 입력 벡터를 동시에 사용한다. 분리된 객체는 각각의 클래스를 구성하게 되고 이를 위한 클래스 분류기로서 Median Radial Basis 신경 회로망을 사용한다. 객체 분할과 움직임 예측을 위해서 확률적 방법을 통한 에너지 함수를 구하고 비용함수를 도입한다. 신경 회로망의 각 Basis 함수는 영상의 특정한 영역에서 활성화되며 객체의 분류를 위해 신경 회로망 출력으로 가중치의 합으로서 나타나게 된다.

• 응용통계연구
• /
• 제24권2호
• /
• pp.335-345
• /
• 2011

본 논문에서는 레벨 셋 방법을 이용하여 영상분할을 수행하는데 필요한 새로운 하이브리드 속도함수를 제안한다. 새롭게 제안하는 속도함수는 정확한 분할 결과를 위하여 영상의 객체가 가지고 있는 영역정보와 윤곽선정보를 함께 이용한다. 영역정보는 관심이 있는 물체영상내의 픽셀들의 밝기에 대한 확률분포의 정보를 이용하였고, 윤곽선정보는 영상의 에지의 기울기로부터 주어지는 기울기 벡터장을 이용하였다. 제안된 방법을 이용한 분할결과의 정확성을 확인하기 위하여 가상영상과 실제 사용되는 의료영상에 대하여 다양한 실험을 실시하고, 분할된 결과를 통하여 제안된 방법의 우수성을 입증하였다.