• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.13 no.3
• /
• pp.33-38
• /
• 2013

Smart phones that are equipped with various types of sensors can monitor human beings, and their social activities and environments. Smart phone sensing systems are inevitable to lose sensing data at a certain region. It is more severe effect on opportunistic sensing because this sensing scheme is designed to read values from sensors when the state of numberous users meets pre-defined conditions. In this paper, we suggested an estimation model of missing data considering features of smart phone sensing to solve lower quality of collected data. This proposed model does not only reflect a temporal and spatial correlation, but also give high priority to participants who provide high quality data to improve the accuracy of estimated values. The experimental results show that our scheme is more accurate than previous scheme.

• Journal of IKEEE
• /
• v.7 no.2 s.13
• /
• pp.144-155
• /
• 2003

In this paper, a conceptual data model, called the UDM(Unified Data Model), to efficiently represent database structures related with object technology and complex structured data, is proposed. This model integrates major features of modern data models, such as E-R model, Semantic Object Model, and UML, especially from the viewpoint of database design. This model is basically a simplified, but extended version of the Object-Relationship Model, which was proposed to model complex structures of temporal-spatial multimedia data. This model incorporates some of the important semantic and structural information of modern database applications and it is designed to support all of the major logical database models, including relational, object-relational, object-oriented, and (semi-)structured databases. A special diagrammatic technique, called the UDD(Unified Data Diagram), is introduced as a tool for database design. Also, possible ways to derive logical views of data from this unified data model are presented. The proposed model can be utilized as a convenient and practical tool for conceptual database designs.

• Journal of the Korea Society for Simulation
• /
• v.19 no.4
• /
• pp.199-208
• /
• 2010

Positions of tactical objects are represented as Time, Space and Position Information(TSPI) in modeling and simulations(M&S). The format and required information record for TSPI is investigated by referring the TSPI object model of the Test and Training Enabling Architecture(TENA), which has been developed by the United States Department of Defense. The most sophisticated tactical data link, Link-16 has a Precise Participant Location and Information (PPLI) message. We study the data format for exchanging TSPI data based on the PPLI message. To evaluate and track positions of tactical objects, we consider the Kalman filter for linear systems, and the extended Kalman filter and the unscented Kalman filter for nonlinear systems. Based on motion equations of a ballistic missile, the tracking performance for the trajectory of the ballistic missile is simulated by the unscented Kalman filter.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.448-448
• /
• 2021

최근 급격한 기후변화와 도시화 및 산업화로 인한 지류하천에서의 수량과 수질의 변동은 생물 다양성 감소와 수생태계 건강성 저하에 큰 영향을 미치고 있다. 효율적인 수생태 관리를 위해서는 지속적인 유량, 수질, 그리고 수생태 모니터링을 통한 데이터 축적과 더불어 면밀한 상관 분석을 통해 수생태계 건강성의 악화 원인을 규명해야 할 필요가 있다. 그러나 수많은 지류하천을 대상으로 한 지속적인 모니터링은 현실적으로 어려움이 있으며, 수생태계의 특성 상 단일 영향 인자만으로 수생태계의 건강성 변화와의 관계를 정확히 파악하는데 한계가 있다. 따라서 지류하천에서의 유량 및 수질의 시공간적인 변동성과 다양한 영향 인자를 고려하여 수생태계의 건강성을 효율적으로 예측할 수 있는 기술이 필요하다. 이에 본 연구에서는 경험적 데이터 기반의 머신러닝 모델 구축을 통해 미계측 하천에서의 수생태계 건강성 지수(BMI, TDI, FAI)의 등급(A to E)을 예측하고자 하였다. 머신러닝 모델은 학습 데이터셋의 양과 질에 따라 성능이 크게 달라질 수 있으며, 학습 데이터셋의 분포가 불균형적일 경우 과적합 또는 과소적합 문제가 발생할 수 있다. 이를 보완하고자 본 연구에서는 실제 측정망 데이터셋을 바탕으로 생성적 적대 신경망 GAN(Generative Adversarial Network) 알고리즘을 통해 머신러닝 모델 학습에 필요한 추가 데이터셋(유량, 수질, 기상, 수생태 등급)을 확보하였다. 머신러닝 모델의 성능은 5차 교차검증 과정을 통해 평가하였으며, GAN 데이터셋의 정확도는 실제 측정망 데이터셋의 정규분포와의 비교 분석을 통해 평가하였다. 최종적으로 SWAT(Soil and Water Assessment Tool) 모형을 통해 예측 된 미계측 하천에서의 데이터셋을 머신러닝 모델의 검증 자료로 사용하여 수생태계 건강성 등급 예측 정확도를 평가하였다. 본 연구에서의 GAN에 의해 강화된 머신러닝 모델은 수질 및 수생태 관리가 필요한 우심 지류하천 선정과 구조적/비구조적 최적관리기법에 따른 수생태계 건강성 개선 효과를 평가하는데 활용될 수 있을 것이다. 또한 이를 통해 예측된 미계측 하천에서의 수생태계 건강성 등급 자료는 수량-수질-수생태를 유기적으로 연계한 통합 물관리 정책을 수립하는데 기초자료로 활용될 수 있을 것이라 사료된다.

• KIPS Transactions on Software and Data Engineering
• /
• v.3 no.8
• /
• pp.299-308
• /
• 2014

Various literatures related computing of information processing have been recently shown the researches inspired from the remarkably excellent human capabilities which recognize and categorize very complex visual patterns such as body motions and facial expressions. Applied from human's outstanding ability of perception, the classification function of visual sequences without context information is specially crucial task for computer vision to understand both the coding and the retrieval of spatio-temporal patterns. This paper presents a biological process based action recognition model of computer vision, which is inspired from visual information processing of human brain for action recognition of visual sequences. Proposed model employs the structure of neural fields of bio-inspired visual perception on detecting motion sequences and discriminating visual patterns in human brain. Experimental results show that proposed recognition model takes not only into account several biological properties of visual information processing, but also is tolerant of time-warping. Furthermore, the model allows robust temporal evolution of classification compared to researches of action recognition. Presented model contributes to implement bio-inspired visual processing system such as intelligent robot agent, etc.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.772-774
• /
• 2005

최근 로봇에 관한 연구가 꾸진히 진행 중인 가운데, 로봇이 현재 상황을 파악하고 적절한 서비스를 제공해 주기 위하여 위치 정보가 많이 활용되고 있다. 이러한 위치 정보는 월드 모델링(world modeling)을 통하여 로봇이 처한 환경에서 사용자(nomadic human)의 위치 경로와 공간에 구성되어 있는 객체들의 위치를 비교하거나 관계를 탐지하고 적절한 규칙을 사용해 추론함으로써 사용자의 서비스 요청을 수행하기 위해 쓰일 수 있다. 본 논문은 로봇 환경에서의 상황인지를 위한 월드 모델링을 제안한다. 제안된 월드 모델링은 로봇과 사람과의 관계와 사랑과 사물(object)간의 관계를 정의하며 시간의 흐름에 따른 위치변화를 이용하여 각 대상간의 관계의 변화와 그에 따른 의미(semantic) 도출을 목적으로 한다. 본 시스템은 크게 네 개의 계층으로 구성되어 있다. 첫째, 센서 계층(Sensor layer)은 센서로부터 객체의 위치정보를 얻어내어 센서 데이터를 구성한다. 둘째, 질적 관계 계층(qualitative layer)은 센서 데이터를 기반으로 하여 객체간의 상대적인 위치 관계를 탐지한다. 셋째, 시공간적 관계 계층(relational layer)은 시간에 따라 축적되는 질적 관계 계층의 데이터를 기반으로 하여 객체간의 시간적, 공간적인 위치 관계를 추론한다. 마지막으로 의미적 계층(semantic layer)에서는 객체간의 상황에 맞는 의에를 추론하는데 이런 계층들은 모두 월드 모델을 공유(share)함으로써 정보 도출이 가능하다.

• Journal of Intelligence and Information Systems
• /
• v.16 no.2
• /
• pp.95-108
• /
• 2010

In this paper, we present a hybrid neural network model for dynamic hand gesture recognition. The model consists of two modules, feature extraction module and pattern classification module. We first propose a modified CNN(convolutional Neural Network) a pattern recognition model for the feature extraction module. Then we introduce a weighted fuzzy min-max(WFMM) neural network for the pattern classification module. The data representation proposed in this research is a spatiotemporal template which is based on the motion information of the target object. To minimize the influence caused by the spatial and temporal variation of the feature points, we extend the receptive field of the CNN model to a three-dimensional structure. We discuss the learning capability of the WFMM neural networks in which the weight concept is added to represent the frequency factor in training pattern set. The model can overcome the performance degradation which may be caused by the hyperbox contraction process of conventional FMM neural networks. From the experimental results of human action recognition and dynamic hand gesture recognition for remote-control electric home appliances, the validity of the proposed models is discussed.

• Annual Conference of KIPS
• /
• 2005.05a
• /
• pp.177-180
• /
• 2005

오늘날 디지털 비디오 처리 시스템의 성능 향상 및 분석을 위한 많은 방법론이 연구되어 왔지만, 저차원 레벨의 성분에 기반을 둔 것이 일반적이다. 그러나 사용자의 요구는 단순한 저차원의 인식이 아니라 비디오 데이터 내에 포함된 의미를 이해하는 것으로 고차원 레벨의 의미 분석 방법론이 대두되고 있다. 이에 본 논문에서는 객체간 시공간적(Spatio-Temporal) 관계 모델에 기반한 움직임의 메타데이터에 대한 의미적 공간을 생성하기 위해 모션 온톨로지(Motion Ontology)를 제안한다. 이는 의미 기반 비디오 검색을 위한 프레임워크를 제공할 뿐만아니라 자동 나레이션 생성 등에 이용할 수 있을 것이다.

• Journal of Information Technology Applications and Management
• /
• v.13 no.1
• /
• pp.137-147
• /
• 2006

Spatiotemporal data are records of the spatial changes of moving objects over time. Most data in corporate databases have a spatiotemporal nature, but they are typically treated as merely descriptive semantic data without considering their potential visual (or cartographic) representation. Businesses such as geographical CRM, location-based services, and technologies like GPS and RFID depend on the storage and analysis of spatiotemporal data. Effectively handling the data analysis process may be accomplished through spatiotemporal data warehouse and spatial OLAP. This paper proposes a multidimensional model for spatiotemporal data analysis, and cartographically represents the results of the analysis.

• Annual Conference of KIPS
• /
• 2000.10b
• /
• pp.1661-1664
• /
• 2000

내용 기반의 비디오 검색에 있어 텍스처는 중요한 변수로 사용될 수 있다. 모든 물체의 표면은 독특한 성질을 보유하고 있으므로, 텍스처는 형상이나 색과 더불어 중요한 변수로 사용될 수 있다. 어떤 영상의 특징을 올바르게 추출하고 잘 분류하여 표현하는 것은 비디오 검색에 있어서 매우 중요하다. Temporal texture는 무한한 시공간적 범위의 복잡하고, 추상적인 움직임 패턴이며 자연 세계에 흔히 나타난다. 그러므로 이를 특징화시킬 수 있고, temporal texture 패턴을 얼마나 잘 이용할 수 있느냐는 비디오 검색의 성능에 많은 영향을 끼칠 수 있다. 본 논문은 temporal texture 모델링들 중 서로 다른 특징을 가진 세 가지의 모델을 선정하여 비교, 분석한다. 특히, 특징 추출의 분류가 정확하게 이루어지느냐에 초점을 맞추어서 분석하였다. 분류의 성능은 두 가지 변수 즉, 어떤 성질의 모델이며 비디오 데이터인가에 따라 달라지게 된다. 이들 모델링이 분류하기까지 걸리는 시간의 차이는 무시할 수 있을 정도의 시간차이므로, 정확도를 위주로 성능을 분석했다.