• Communications for Statistical Applications and Methods
• /
• v.17 no.4
• /
• pp.561-574
• /
• 2010

We studied the performance of 8 data mining algorithms including decision trees, logistic regression, LDA, QDA, Neral network, and SVM and their combinations of 2 ensemble techniques, bagging and boosting. In this study, we utilized 13 data sets with binary responses. Sensitivity, Specificity and missclassificate error were used as criteria for comparison.

• Proceedings of the IEEK Conference
• /
• 2008.06a
• /
• pp.877-878
• /
• 2008

We suggest a feature reduction method to classify mouse function data sets, which integrate several biological data sets represented as high dimensional vectors. To increase classification accuracy and decrease computational overhead, it is important to reduce the dimension of features. To do this, we employed Hybrid Huberized Support Vector Machine with kernels used for a kernel logistic regression method. When compared to support vector machine, this a pproach shows the better accuracy with useful features for each mouse function.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1895-1896
• /
• 2008

지능형 빌딩 환경 모니터링 시스템과 같이 실내에서 센서 네트워크를 이용하여 환경 데이터를 수집하는 네트워크가 점점 확산되고 있다. 이와 같은 건축물 내에서의 무선 센서 네트워크는 랜덤하게 센서 노드들이 뿌려지는 것이 아니라, 사람의 의지대로 배치가 된다. 따라서 위치정보를 모르는 상황의 무선 센서 네트워크들이 가지는 라우팅 방법을 사용하는 것이 아니라 더 간결하면서 강한 네트워크 유지 능력을 가지는 라우팅 방법이 사용되게 된다. 본 논문에서는 트리 라우팅을 이용한 건물 환경 모니터링 시스템에 에너지 효율을 높이기 위하여 네트워크의 상황을 고려한 SVM을 이용한 동적 라우터 선택기법을 포함한 동적 트리 라우팅 기법에 대한 연구와 이의 구현을 보이고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.609-610
• /
• 2016

본 논문에서는 컨볼루션 신경회로망(CNN: Convolutional Neural Network)과 다양한 분류기들의 결합을 통해 분류성능을 비교하고자 한다. 현재 일반적인 분류기로 알려진 것은 나이브 베이즈(Naive bayes), 트리(Tree), 판별 분석(Discriminant Analysis), 서포트 벡터 머신(SVM: Support Vector Machine) 등이 존재한다. 분류기들은 각각 다른 원리로 분류하기 때문에, 각각 성능을 비교해볼 필요가 있다. 분류기들의 성능을 비교하기 위한 사용한 데이터는 CNN에서 자주 사용되고 있는 MNIST 데이터를 사용하였다. 실험 결과로는 CNN에 선형 SVM을 결합하여 사용한 것이 분류율과 분류속도 측면에서 다른 분류기들의 성능보다 좋은 성능을 보이는 것을 확인할 수 있었다.

• Journal of the Korean Society for Aviation and Aeronautics
• /
• v.24 no.3
• /
• pp.48-54
• /
• 2016

This paper proposes a prediction model of air traffic controller's take-off clearance under mixed mode runway operations. The proposed model has its purpose on the better prediction of the air traffic controller's clearance on take-offs of departure aircraft by considering various factors. For this purpose, support vector machine classification algorithm is used for the proposed model. The proposed model is applied to real air traffic operations to demonstrate its performances.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.291-295
• /
• 2016

본 논문에서는 한국어 기본 유니트 단위로 WPM을 활용한 구글 플레이 스토어 앱의 댓글 감정분석을 수행하였다. 먼저 자동 띄어쓰기 시스템을 적용한 후, 어절단위, 형태소 분석기, WPM을 각각 적용하여 모델을 생성하고, 로지스틱 회귀(Logistic Regression), 소프트맥스 회귀(Softmax Regression), 서포트 벡터머신(Support Vector Machine, SVM)등의 알고리즘을 이용하여 댓글 감정(긍정과 부정)을 비교 분석하였다. 그 결과 어절단위, 형태소 분석기보다 WPM이 최대 25%의 향상된 결과를 얻었다. 또한 분류 과정에서 로지스틱회귀, 소프트맥스 회귀보다는 SVM 성능이 우수했으며, SVM의 기본 파라미터({'kernel':('linear'), 'c':[4]})보다 최적의 파라미터를 적용({'kernel': ('linear','rbf', 'sigmoid', 'poly'), 'C':[0.01, 0.1, 1.4.5]} 하였을 때, 최대 91%의 성능이 나타났다.

• Korean Journal of Air-Conditioning and Refrigeration Engineering
• /
• v.24 no.6
• /
• pp.538-544
• /
• 2012

Analysis of thermal performance is required for the economic operation of turbine cycle of power plant. We developed corrective model of main feed water flow which is the most important parameter for the precise analysis of turbine cycle performance. Classification model for the identification of feed water flow measurement status was applied to increase the suitability of the corrective model. We used neural network and support vector machine to develop estimation model of main feed water flow with more generalization capability. The estimation model can be used practically to evaluate corrective performance of turbine cycle plant.

• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.15-17
• /
• 2015

본 논문은 낚시성 기사 제목과 비낚시성 기사 제목을 판별하기 위한 시스템을 제시한다. 서포트 벡터 머신(SVM)을 이용하여 기사 제목을 분류하며, 분류하는 기준은 딥러닝 기법중의 하나인 워드임베딩(Word Embedding), 군집화 알고리즘 중 하나인 K 평균 알고리즘(K-means)을 이용한다. 자질로서 기사 제목의 단어를 사용하였으며, 정확도가 83.78%이다. 결론적으로 낚시성 기사 제목에는 낚시를 유도하는 특별한 단어들이 존재함을 알 수 있다.

• Convergence Security Journal
• /
• v.7 no.4
• /
• pp.23-28
• /
• 2007

In this research, we suggest the unknown intrusion detection system with SVM(Support Vector Machines). At the system, at first, collected training-packets are processed through packet image creating module. And then, it is studied by the SVM module. Finally, the studied SVM module classifies the test-data unsing test-packet-image. This system's stability and efficient characteristic of security is far superior than the existing it.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.876-878
• /
• 2014

인터넷 사용량이 급증하고 사용자들이 생성하는 데이터의 양이 증가함에 따라 사용자 데이터 분석은 객관적인 정보 탐색과 분석을 넘어 주관적인 감정을 분석하는 데까지 시도되고 있다. 이러한 감정 분석은 사업, 행정, 외교 등의 다양한 분야에 걸쳐 용용 될 수 있다. 본 연구에서는 텍스트 데이터를 주요 분석 대상으로 하여 문장 구성의 다양한 요소를 특징화하고, 특징화된 문장에 대해 다양한 서포트 벡터머신을 통한 학습을 시도함으로써 텍스트가 내포한 감정을 추측한다. 다양한 특징화 방법을 적용하되, 낮은 밀도가 될 것으로 추측되는 데이터 매트릭스의 차원 감쇄를 위해 정보엔트로피 기반의 특징 선택기법을 적용한다.