• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.124-126
• /
• 2001

최근 데이터마이닝 응용분야에서 대용량의 고차원 데이터가 증가하고 있기 때문에 이를 효율적으로 처리할 수 있는 방법이 요구된다. 이를 위해 CLIQUE 방법과 셀-기반 클러스터링 방법을 선택하기 위해, 셀-기반 클러스터링 방법을 CLIQUE 방법 및 CLIQUE 방법에 근사정보(Approximation)를 결합한 방법과 성능 비교를 수행한다. 성능비교 결과, 셀-기반 클러스터링 방법이 데이터 클러스터링 및 데이터 검색시간에서 가장 우수한 성능을 보이며, 정확율은 CLIQUE 방법에 비해 다소 뒤떨어지거나 전체적인 효율성에서 매우 우수한 성능을 보인다.

• Annual Conference on Human and Language Technology
• /
• 2012.10a
• /
• pp.107-112
• /
• 2012

본 논문은 일반 텍스트에 나타나는 경쟁 관계에 있는 고유명사들을 경쟁자로 자동 추출하는 방법에 대한 것으로, 규칙 기반 방법과 기계 학습 기반 방법을 모두 제안하고 비교하였다. 제안한 시스템은 뉴스 기사를 대상으로 하였고, 문장에 경쟁관계를 나타내는 명확한 정보가 있는 경우에만 추출하는 것을 목표로 하였다. 규칙기반 경쟁어 추출 시스템은 2개의 고유명사가 경쟁관계임을 나타내는 단서단어에 기반해서 경쟁어를 추출하는 시스템이며, 경쟁표현 단서단어는 620개가 수집되어 사용됐다. 기계학습 기반 경쟁어 추출시스템은 경쟁어 추출을 경쟁어 후보에 대한 경쟁여부의 바이너리 분류 문제로 접근하였다. 분류 알고리즘은 Support Vector Machines을 사용하였고, 경쟁어 주변 문맥 정보를 대표할 수 있는 언어 독립적 5개 자질에 기반해서 모델을 학습하였다. 성능평가를 위해서 이슈화되고 있는 핫키워드 54개에 대해서 623개의 경쟁어를 뉴스 기사로부터 수집해서 평가셋을 구축하였다. 비교 평가를 위해서 기준시스템으로 연관어에 기반해서 경쟁어를 추출하는 시스템을 구현하였고, Recall/Precision/F1 성능으로 0.119/0.214/0.153을 얻었다. 제안 시스템의 실험 결과로 규칙기반 시스템은 0.793/0.207/0.328 성능을 보였고, 기계 학습기반 시스템은 0.578/0.730/0.645 성능을 보였다. Recall 성능은 규칙기반 시스템이 0.793으로 가장 좋았고, 기준시스템에 비해서 67.4%의 성능 향상이 있었다. Precision과 F1 성능은 기계학습기반 시스템이 0.730과 0.645로 가장 좋았고, 기준시스템에 비해서 각각 61.6%, 49.2%의 성능향상이 있었다. 기준시스템에 비해서 제안한 시스템이 Recall, Precision, F1 성능이 모두 대폭적으로 향상되었으므로 제안한 방법이 효과적임을 알 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.1418-1421
• /
• 2010

이동형 서비스 로봇의 위치인식 기능은 성능평가시 중요한 평가척도의 하나로써 이용된다. 서비스 로봇이 다양한 작업을 수행하기 위해 여러 장소를 이동하게 되므로, 얼마나 정확하고 빠르게 위치인식을 하는 것이 로봇의 종합적인 성능에 큰 영향을 미치기 때문이다. 이를 위해 로봇은 영상이나 다양한 거리 센서를 활용하여 위치인식의 성능향상을 도모하고 있다. 그럼에도 불구하고 현재 영상기반의 위치인식 성능평가 방법과 관련한 표준이 없으며, 개별적인 성능평가만 시행되고 있다. 이에 우리는 이 논문을 통하여 전(前)방향 영상기반의 위치인식 알고리즘 성능평가 방법과 평가척도를 제안한다. 제안된 위치인식 알고리즘 성능평가 방법은 현재 지능형로봇 표준포럼의 표준으로 채택되었으며, 이를 통해 앞으로 영상기반 위치인식 알고리즘을 평가하고 개발하는데 기준 역할을 할 수 있을것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.637-639
• /
• 2004

많은 변수(variable)라 피처(feature)를 포함하는 대규모 데이터에 기계학습 방법론을 적용하는데 있어 그 예측 성능을 향상시키기 위한 방법으로 피처 선택(feature selection)기법이 활발히 연구되고 있다. 그러나 다른 연구를 위한 사전 데이터 분석 작업에 유용하게 사용될 수 있는 단순한 순위기반 피처 선택 방법론은 피처의 중요한 특성을 간과하는 경우가 많으며, 따라서 예측 성능의 향상을 기대하기 어렵다. 본 연구에서는 정보 이론에 기반한 supervised 피처 선택 방법과 이것을 보완할 수 있는 unsupervised 피처 선택 방법을 제시했다. 서로 다른 특성을 가진 다섯 개의 데이터셋에 대해 실험한 결과. 제시된 방법이 기존 방법보다 나은 예측 성능을 보임을 확인했다. 또한 두 방법에서 얻어진 피처들을 결합해 사용할 경우 한가지 방법만으로 추출된 피처를 사용할 경우보다 나은 기계 학습 성능을 보임을 확인했다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.67-70
• /
• 2022

최근 딥러닝 방법의 발전하면서 영상처리 및 컴퓨터 비전의 다양한 분야에서 딥러닝 기반의 알고리즘들이 그 이전의 방법들에 비하여 큰 성능 향상을 보이고 있다. 손실 영상 압축의 경우 최근 encoder-decoder 형태의 네트웍이 영상 압축에서 사용되는 transform을 대체하고 있고, transform 결과들의 엔트로피 코딩을 위한 추가적인 encoder-decoder 네트웍을 사용하여 HEVC 수준에 버금가는 성능을 내고 있다. 무손실 압축의 경우에도 매 픽셀 예측을 CNN으로 수행하는 경우, 기존의 예측방법들에 비하여 예측성능이 크게 향상되어 JPEG-2000 Lossless, FLIF, JEPG-XL 등의 딥러닝을 사용하지 않는 방법들에 비하여 우수한 성능을 내는 것으로 보고되고 있다. 그러나 모든 픽셀에 대하여 예측값을 CNN을 통하여 계산하는 방법은, 영상의 픽셀 수 만큼 CNN을 수행해야 하므로 HD 크기 영상에 대하여 지금까지 알려진 가장 빠른 방법이 한 시간 이상 소요되는 등 비현실적인 것으로 알려져 있다. 따라서 최근에는 성능은 이보다 떨어지지만 속도를 현실적으로 줄인 방법들이 제안되고 있다. 이러한 방법들은 초기에는 FLIF나 JPEG-XL에 비하여 성능이 떨어져서, GPU를 사용하면서도 기존의 방법보다 좋지 않은 성능을 보인다는 면에서 여전히 비현실적이었다. 최근에는 신호의 특성을 더 잘 활용하는 방법들이 제안되면서 매 픽셀마다 CNN을 수행하는 방법보다는 성능이 떨어지지만, 짧은 시간 내에 FLIF나 JPEG-XL보다는 좋은 성능을 내는 현실적인 방법들이 제안되었다. 본 연구에서는 이러한 최근의 몇 가지 방법들을 살펴보고 이들보다 성능을 더 좋게 할 수 있는 보조적인 방법들과 raw image에 대한 성능을 평가한다.

• Journal of the Korea Society for Simulation
• /
• v.18 no.1
• /
• pp.17-25
• /
• 2009

This paper suggests fuzzy-based Segment-Boost method and an effective method for face recognition using the fuzzy-based Segment-Boost. Fuzzy-based Segment-Boost eliminates the limitations of Segment-Boost, and it guarantees improved learning performance and the stability of the performance. By using the fuzzy theory, fuzzy-based Segment-Boost optimizes the selection number of sub-vectors, and leads the optimized learning performance. The fuzzy controller designed in this paper measures learning performance of the fuzzy-based Segment-Boost, and it controls the selection number of sub-vectors by inferring the optimized selection number. The simulation results show that the fuzzy controller inferred the selection number which is very approximate to the true optimized value. As a result, fuzzy-based Segment-Boost showed higher face recognition rate than compared boosting methods and it preserves the velocity of feature selection as fast as that of Segment-Boost. From the experimental results, it was proved that fuzzy-based Segment-Boost has improved and stable performances of learning, feature selection and face recognition.

• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2011.11a
• /
• pp.248-252
• /
• 2011

화재가 지속되기 위해서는 화재 3요소 또는 4요소가 충족되어야 하지만 역으로 한 개 이상의 화재 요소를 제어하거나 통제할 경우 화재를 진압할 수 있다. 원자력발전소에서는 화재방호계획에 의해 방화지역마다 화재 요인인 점화원, 가연성물질, 산소 등 지연성가스를 분석하고 연속적인 연소반응을 억제할 수 있도록 화재위험 요인을 관리하고 있다. 최근에는 정량화된 화재위험 분석도구인 화재모델을 활용한 성능기반 화재방호 기술이 원자력발전소의 화재리스크 관리를 위해 도입되고 있다. 성능기반 화재위험 분석 방법은 일반 산업계에서도 사용되고 있으나 원자력발전소의 경우 화재로 유발될 수 있는 원자로 손상 가능성을 수치화하고 통제하기 위하여 위험도정보 활용기술과 성능기반 기술을 통합하여 사용하고 있다. 본 논문에서는 원자력발전소의 화재요인 관리 방법을 위험도정보 활용기술과 성능기반 화재방호 기술에 의거하여 분석하는 방법을 제시하였다. 이 분석의 목적은 원자력발전소의 화재위험 관리 방법을 산업계의 화재방호 전문가들이 공유하고 산업계의 특화된 방법과 원자력발전소의 전문화된 분석기술을 실용화하여 화재리스크를 효과적으로 관리할 수 있는 방법을 마련하기 위한 것이다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.52 no.12
• /
• pp.150-157
• /
• 2015

Pedestrian detection has largely been researched as one of the important technologies for autonomous driving vehicle and preventing accidents. There are two categories for pedestrian detection, camera-based and LIDAR-based. LIDAR-based methods have the advantage of the wide angle of view and insensitivity of illuminance change while camera-based methods have not. However, there are several problems with 3D LIDAR, such as insufficient resolution to detect distant pedestrians and decrease in detection rate in a complex situation due to segmentation error and occlusion. In this paper, two methods using GM-PHD filter are proposed to improve the poor rates of pedestrian detection algorithms based on 3D LIDAR. First one improves detection performance and resolution of object by automatic accumulation of points in previous frames onto current objects. Second one additionally enhances the detection results by applying the GM-PHD filter which is modified in order to handle the poor situation to classified multi target. A quantitative evaluation with autonomously acquired road environment data shows the proposed methods highly increase the performance of existing pedestrian detection algorithms.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.653-656
• /
• 2001

웨이블렛 변환을 이용한 영상 압축의 방법에 있어서 최근 우수한 압축 성능을 보이는 비트 평면 부호화 방법이 많이 발전되어 왔다. 본 논문에서는 블록 기반 제로트리와 사진나무구조를 이용하여 비트 평면을 효율적으로 부호화함으로써 우수한 압축 성능을 보이는 부호기를 제안한다. 블록 기반 제로트리는 주파수 대역에 걸쳐 상관성을 보이며 존재하는 중요하지 않은 계수를 효과적으로 부호화하며, 사진나무구조는 블록 안에 있는 중요한 계수를 찾아내어 부호화한다. 제안하는 부호기의 성능은 기존의 우수한 비트 평면 부호기에 필적하는 성능을 보이며, 특히 낮은 피라미드 레벨과 저비트율에서의 성능이 더 우수함을 보인다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1744-1745
• /
• 2011

네트워크 기반 제어시스템에서 상위 제어시스템의 성능은 하부 네트워크 시스템의 성능에 의해 직접적으로 영향을 받는다. 따라서 네트워크 기반 빌딩자동제어 시스템 역시 하부 네트워크 시스템의 동작 및 성능에 의해 직접적으로 영향을 받는다. 본 연구에서는 빌딩자동제어시스템을 위한 데이터 통신 프로토콜로 개발되었으며, ISO에 의해 국제 표준 규격으로 제정된 BACnet의 하부 데이터링크 계층 프로토콜 중 필드레벨 네트워크 프로토콜로 가장 많이 적용되고 있는 BACnet MS/TP프로토콜 기반 네트워크 시스템의 성능을 실험적으로 해석하는 방법에 대해 소개한다.