• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.639-641
• /
• 2012

기울기 값과 방향성의 특징 값을 이용하는 HOG와 선형SVM을 분류기로 사용하는 사람검출 기법은 슬라이딩 윈도우 기반 사람검출에 성공적으로 적용되었다. 또한 텍스처 구별에 강인한 특징을 가지고 있는 LBP를 HOG와 함께 특징 서술자로 적용하는 방법은 서로의 단점을 상호 보안하여 향상된 성능을 보인다. 본 논문에서는 기존 HOG제곱근 Gamma 보정을 다양한 Gamma 보정 값으로 대체하고 성능을 분석한다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2005년도 제25회 추계학술대회논문집
• /
• pp.158-161
• /
• 2005

본 연구에서는 Support Vector Machine (SVM)을 이용하여 가스 터빈 엔진의 결함 진단을 시도하였다. SVM은 벡터 공간에서 임의의 비선형 경계인 Hyperplane을 찾아 두 개의 집합을 분류하는 방법으로 수학적으로 최적의 해를 찾을 수 있다고 알려져 있다. 이러한 이진 분류용 SVM을 다층으로 결합하여 가스 터빈의 결함을 정량적으로 판단해 내는 방법을 제안하였으며 기존의 Multi Layer Perceptron(MLP)보다 빠르고 신뢰성 있는 진단 결과를 보여주었음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제11권9호
• /
• pp.817-821
• /
• 2001

본 논문은 분류 문제의 훈련 패턴으로부터 형성되는 커널 공간의 저밀도 표현을 가능하게 하는 커널 방법에 대한 새로운 학습방법론을 제안한다. 선형 판별 함수에 대한 기존의 학습법 중에서 이완 절차가 SVM(Support Vector Machine) 분류기와 동등하게 선형분리 가능 패턴분류 문제의 최대 마진 분리 초평면을 얻을 수 있다. 기존의 이완 절차는 지원 백터에 대한 필요 조건을 만족한다. 본 논문에서는 학습 중 지원 벡터를 확인하기 위한 충분 조건을 제시한다. 순차적 학습을 위하여 기존의 SVM을 확장하고 커널 판별함수를 정의한 후에 체계적인 학습방법을 제시한다. 실험 결과는 새 방법이 기존의 방법과 동등하거나 우수한 분류 성능을 갖고있음을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제14권3호
• /
• pp.209-216
• /
• 2009

소프트웨어 개발 초기 단계에서 소프트웨어 개발비용을 정확하게 예측하는 것은 프로젝트의 성패를 결정짓는 중요한 요소이다. 본 논문에서는 서포트 벡터 머신을 이용하여 소프트웨어 개발비용을 추정하고자 한다. 서포트 벡터 머신은 벡터 공간에서 선형 및 비선형의 경계면을 찾아 입력 데이터를 분류하는 방법으로서 분류 문제에 효과적이다. 하지만 사용자정의에 의한 파라미터에 의존적이어서 최적의 파라미터를 선택하는 어려움이 있다. 본 연구에서는 서포트 벡터 머신에서 사용하는 파라미터 선택을 위한 개선된 방법을 제안하고, 이러한 최적의 파라미터를 가진 서포트 벡터 머신을 이용하여 소프트웨어 개발비용을 추정하였다. 본 연구의 결과 기존 소프트웨어 비용산정 기법에 비해 향상된 결과를 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.965-968
• /
• 2007

이 논문에서는 사상체질 판정에 사용되는 얼굴 인상을 효과적으로 판정하는 방법을 제안하였다. 판정을 위하여 눈, 턱 형태 등에 대한 특징을 정의하고 사용하였다. 주성분 분석법과 선형 판별 분석법을 수행하고 SVM을 이용하여 8가지 종류의 인상을 판정하였다. 실험 결과 전문가인 한의사가 판정한 결과를 기준으로 약 85.3% 정확도를 가지는 판정결과를 얻었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.289-292
• /
• 2013

본 논문은 SVM(Support Vector Machine) 학습알고리즘을 이용하여 자동차 썬루프 장치의 볼트 유무를 검사하는 자동차 부품 검사 장비에 관한 것이다. 자동화 시스템은 높은 정밀도와 생산성을 위한 빠른 처리 속도를 요구한다. 이를 위해 본 논문에서는 선형 SVM 학습알고리즘을 활용하여 자동차 썬루프 장치의 볼트 유무를 검사하는 알고리즘을 개발하였다. SVM 알고리즘은 분류를 위한 알고리즘이지만 ROI(Region-Of-Interest) 내의 모든 윈도우에 대한 분류를 수행하여 검출기 역할을 할 수 있도록 한다. 볼트가 있는 경우와 볼트가 없는 경우가 아닌 네거티브 샘플을 확보하기 위해 검출 대상 물체 주변에서 다양한 네거티브 샘플들을 추출한다. 그 결과 물체가 예상 위치에서 다소 빗나가는 경우에도 볼트 유무를 판별할 수 있을 뿐 아니라 볼트의 위치까지 검출할 수 있고, 처리 속도에서 자동화 시스템이 요구하는 수준에 도달함을 실험 결과를 통해 검증한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.135-138
• /
• 2008

본 논문은 의료 영상에 대한 효과적인 분류와 검색을 위한 알고리즘을 제안한다. 영상 분류와 검색을 위해서 MPEG-7 표준 기술자인 색 구조 기술자와 경계선 히스토그램 기술자를 사용해 영상들에 대한 특징 값을 추출한다. 이렇게 구해진 특징 값들을 의료 영상의 분류와 검색에 적용해 본 결과 비교적 낮은 성능을 보여줌을 확인하고 앞서 구해진 특징 값들을 교사 학습 방법인 SVM(Support Vector Machine)과 비교사 학습 방법인 FCM(Fuzzy C-means Clustering)에 적용시켰다. 기존 연구에서는 SVM과 FCM의 통합으로 의료 영상에 대한 분류와 검색을 시행하였지만 본 논문에서 실험한 결과 SVM과 MPEG-7 시각 기술자 중에 하나인 EHD(Edge Histogram Descriptor)를 가중치 선형 결합하여 실험한 결과가 더 정확한 분류와 높은 검색 성능을 나타냄을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1147-1150
• /
• 2008

The goal of this research is to apply the neural networks models for the disaggregation of the pan evaporation (PE) data, Republic of Korea. The neural networks models consist of the support vector machines neural networks model (SVM-NNM) and multilayer perceptron neural networks model (MLP-NNM), respectively. The SVM-NNM in time series modeling is relatively new and it is more problematic in comparison with classifications. In this study, The disaggregation means that the yearly PE data divides into the monthly PE data. And, for the performances of the neural networks models, they are composed of training, cross validation, and testing data, respectively. From this research, we evaluate the impact of the SVM-NNM and the MLP-NNM for the disaggregation of the nonlinear time series data. We should, furthermore, construct the credible data of the monthly PE data from the disaggregation of the yearly PE data, and can suggest the methodology for the irrigation and drainage networks system.

• 전기학회논문지
• /
• 제66권12호
• /
• pp.1799-1803
• /
• 2017

This paper introduces the prediction methods of windstorm advisory using GP nonlinear compensation and SVM. The existing special report prediction is not specialized for strong wind, such as windstorm, because it is based on the wide range of predicted values for wind speed from low to high. In order to improve the performance of strong wind reporting prediction, a method that can efficiently classify boundaries of strong wind is necessary. First, evolutionary nonlinear regression based compensation technique is applied to obtain more accurate values of prediction for wind speed using UM data. Based on the prediction wind speed, the windstorm advisory is determined. Second, SVM method is applied to classify directly using the data of UM predictors and windstorm advisory. Above two methods are compared to evaluate of the performances for the windstorm data in Jeju Island in South Korea. The data of 2007-2009, 2011 year is used for training, and 2012 year is used for test.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 추계학술대회 학술발표 논문집 제16권 제2호
• /
• pp.109-112
• /
• 2006

본 논문에서는 PCA에 의한 특징추출과 k-NN과 SVM에 기반을 계층구조의 분류기에 의한 유도전동기의 고장진단 알고리즘을 제안한다. 제안된 방법은 k-NN에 의해 선형적으로 분류 가능한 고장패턴을 분류한 후, 분류가 되지 않는 부분을 커널 함수에 의해 고차원 공간으로 입력패턴을 매핑한 후 SVM에 의해 고장을 진단하는 계층구조를 갖는다. 실험장치를 구축한 후, 다양한 부하에 대하여 몇몇의 전기적 고장과 기계적 고장 하에서 획득한 데이터를 이용하여 제안된 방법의 타당성을 검증한다.