• The KIPS Transactions:PartD
• /
• v.18D no.2
• /
• pp.101-110
• /
• 2011

According to the increasing use of blogs, a huge number of posts have appeared in a blogosphere. This causes web surfers to face difficulty in finding the quality posts in their search results. As a result, post ranking algorithms are required to help web serfers to effectively search for quality posts. Although there have been various algorithms proposed for web-page ranking, they are not directly applicable to post ranking since posts have their unique features different from those of web pages. In this paper, we propose post ranking algorithms that exploit actions performed by bloggers. We also evaluate the effectiveness of post ranking algorithms by performing extensive experiments using real-world blog data.

• Journal of Biosystems Engineering
• /
• v.24 no.4
• /
• pp.325-334
• /
• 1999

The aim of this study was to present a groundwork for development of a sorting system of peeled garlics using machine vision. Images of various garlic samples such as sound, partially defective, discolored, rotten and un-peeled were obtained with a B/W machine vision system. Sorting factors which were based on normalized histogram and statistical analysis(STEPDISC Method) had good separability for various garlic samples. Bayes discriminant function and neural network sorting algorithms were developed with the sample images and were experimented on various garlic samples. It was showed that garlic samples could be classified by sorting algorithm with average sorting accuracies of 88.4% by Bayes discriminant function and 93.2% by neural network.

• Journal of Biosystems Engineering
• /
• v.20 no.4
• /
• pp.376-382
• /
• 1995

This study was intended to develop more reliable fruit sorting algorithm regardless of the feeding positions of fruits by using the neural network in which various information could be included as input data. Specific objectives of this study were to select proper input units in the neural network by investigating the features of input image, to analyze the sorting accuracy of the algorithm depending on the feeding positions of Fuji apple and to evaluate the performance of the algorithm for practical usage. the average value in color grading accuracy was 90%. Based on the computing time required for color grading, the maximum sorting capacity was estimated to approximately 10, 800 apples per hours. Finally, it is concluded that the neuro-net based color sorting algorithm developed in this study has feasibility for practical usage.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.183-188
• /
• 2006

본 논문에서는 베이지안 네트워크를 기반으로 생성하고 평가한 가상예제를 활용하여 범주속성 및 수치속성 데이터에 대한 분류 성능을 향상시키는 방안을 제안한다. 가상예제를 활용하는 종래의 연구들은 주로 수치 속성 데이터를 대상으로 한 반면 본 연구에서는 범주속성 데이터에 대해서도 가상예제를 적용하여 효과를 확인하였다. 그리고 대상 도메인에 특화된 지식을 활용하여 특정 학습 알고리즘의 성능을 향상시키는 것을 목표로 한 기존 연구들과는 달리 본 연구에서는 도메인에 특화된 지식을 활용하는 대신 주어진 훈련 집합을 기반으로 만든 베이지안 네트워크로부터 가상예제를 생성하고, 그 예제가 네트워크의 조건부 우도를 증가시키는데 기여할 경우 유용한 것으로 선별한다. 이러한 생성 및 선별과정을 반복하여 적절한 크기의 가상예제 집합을 수집하여 사용한다. 범주 속성 데이터와 수치 속성을 포함한 데이터를 대상으로 한 실험 결과, 여러 가지 학습 모델의 성능이 향상됨을 확인하였다.

• Journal of Biosystems Engineering
• /
• v.24 no.1
• /
• pp.67-74
• /
• 1999

A prototype cut-flower sorter was developed and tested for its performance with five varieties of roses. Support plates driven by a chain mechanism transported the roses into an image inspection chamber. Color image processing algorithms were developed to evaluate the length, thickness, and straightness of stem and color, height, and maturity of bud. The average absolute errors of the system for the measurements of stem length, stem thickness, and height of bud were 19.7 mm, 0.5 mm, and 3.8 mm, respectively. The results of classification by the sorter were compared with those of a human inspector for straightness of stem and maturity of bud. The classification error for the straightness of stem was 8.6%, when both direct image and reflected image by a mirror were analyzed. The accuracy in classifying the maturity of bud varied among the varieties, the smallest for‘Nobless’(1.5%) and the largest for‘Rote Rose’(13.5%). The time required to process a rose averaged 2.06 seconds, equivalent to the capacity of 1,600 roses per hour.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.136-138
• /
• 2001

인터넷 이용의 급속한 증가로 웹사이트의 증가뿐만 아니라 웹사이트 내의 웹 문서도 급속한 증가를 보이고 있다. 따라서 이를 효과적으로 사용자들에게 보여주기 위한 동적인 추천 시스템들이 많이 제안되고 있다. 그러나 이러한 추천 시스템들은 전체 사용자들의 브라우징 패턴이나 전체 웹 문서들의 연관성만을 고려하여 서비스를 제공함으로써 개인 사용자들의 관심도를 고려하지 않은 문제점이 있다. 이에 본 논문에서는 웹사이트에 남게되는 로그파일의 분석을 이용한 사용자별 브라우징 패턴과 웹 페이지의 액세스 타임의 측정을 통해, 사용자의 관심도를 측정한다. 그리고 이를 바탕으로 웹 문서들에 대해서 퍼지개념을 적용한 자동분류 알고리즘을 이용하여 사용자의 관심도가 반영된 선별된 웹 문서를 자동분류 및 선별하여 보여줄 수 있는 방안을 제시한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.206-207
• /
• 2014

본 논문에서는 HEVC의 인트라 프레임을 대상으로 디지털 워터마킹 방법을 목표로 하여 인트라 예측 시 첫 번째 인코딩과 두 번째 인코딩에서 변화하는 PU의 경향성 중 특이한 케이스를 선별하는 방법을 제안하고자 한다. 코덱에서 워터마킹시 문제가 되는 것이 재인코딩시 예측모드의 변화이다. 그렇기에 HEVC를 기반으로 예측모드는 같으나 PU의 크기가 달라지는 경우가 있는데, 이를 선별하는 것을 통해 HEVC기반 디지털 워터마킹을 새로운 방향으로 이끌 수 있을 것으로 판단된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.374-376
• /
• 2000

음성인식 시스템에 사용하는 알고리즘 중에 하나인 DHMM은 코드북을 이용하여 음성의 프레임들에 대한 특징을 관측열로 추출하여 음성의 패턴에 대한 훈련과 인식을 수행하게 된다. 그러나 음성은 유성음과 무성음의 특징 차이가 많이 나게 되므로 하나의 코드북을 이용하게 되면 코드북 오차에 의하여 성질이 전혀 다른 코드북 인덱스를 DHMM의 관측열로 사용하게 된다. 본 논문에서는 음성의 유성음과 무성음에 대한 선별적인 작업을 통해 서로 다른 코드북을 만들어 관측열을 추출하고 선행 관측과 현 관측과의 거리 비교 연산을 통하여 관측의 시간축을 정규화한 관측열을 음성인식에 사용하였다. 본 논문에서 제시하는 인식 방법을 사용하여 실험한 결과, 기존의 인식 방법보다 5.33% 향상된 결과를 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.31-32
• /
• 2012

본 연구는 소셜 네트워크에서 사용자간의 친밀도에 기반하여 보여주는 '친구추천' 이라는 방법을 그래프 클러스터링을 이용하여 접근하고자 한다. 기존의 방법과는 다르게 사용자에게 개인화된 선별 정보를 제공하는데 목적이 있다. 또한 일반적 클러스터링이 아닌 그래프 이론에 근거한 거리 계산을 기반으로 친화력 전파 모델(Affinity Propagation) 클러스터링 기법을 적용하는 방법을 제안한다. 이 방법으로 클러스터링을 진행하여 선별된 같은 그룹 안에 있는 개인화된 친구 추천을 효과적으로 수행할 수 있음을 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.1166-1168
• /
• 2019

본 논문은 엣지컴퓨팅 환경에서 딥러닝기반 추천모델을 이용한 지능형 디지털 사이니지 플랫폼을 제안한다. 제안하는 플랫폼은 서버와 엣지로 구성되어 있다. 서버는 데이터를 관리하고, 광고추천 모델을 학습시키며, 엣지는 학습된 광고추천 모델을 이용하여 실시간으로 광고될 상품을 결정한다. 광고추천 모델은 상품을 선별하는 단계와 구매확률을 예측하는 단계로 구성되어 있다. 선별단계에서는 DNN에 벡터화된 사용자 기본정보와 상품 메타데이터를 입력하여 구매할 만한 상품을 도출한다. 최종적으로 군집의 예측된 구매확률을 이용하여 가장 적합한 광고를 선정한다. 제안하는 시스템은 서버와 통신하지 않고 엣지에서 학습된 모델로 광고를 결정한다. 이를 다수의 사용자에게 즉각적인 반응을 필요로 하는 디지털 사이니지에 적용했다.