• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.313-315
• /
• 2003

분할 및 합병 개념에 바탕을 둔 모듈라 신경망이 자동차 번호판 문자 인식에서 단일 신경망 사용 보다 학습 질 측면이나 학습 속도 면에서 좋은 결과를 보였다. 본 논문에서는 번호판 인식을 위한 모듈라 신경망 구성 시, 특징 벡터 클러스터링 방법에 따른 모듈라 신경망의 성능을 평가하였다. K-means Clustering 알고리즘을 이용하여 유사한 특징 벡터를 그룹핑하는 방법과 본 논문에서 제안한 알고리즘을 사용하여 유사하지 않는 특징 벡터들을 그룹핑하는 방법 각각을 구현하여 실험하였다. 실험결과, 유사하지 않는 특징 벡터들로 모듈라 신경망을 구성할 경우가 그렇지 않은 경우보다 좋은 인식 결과를 보였다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.4 no.2
• /
• pp.12-17
• /
• 2003

This paper proposes content-based image retrieval system with fuzzy ART neural network algorithm. Retrieving large database of image data, the clustering is essential for fast retrieval. However, it is difficult to cluster huge image data pertinently, Because current retrieval methods using similarities have several problems like low accuracy of retrieving and long retrieval time, a solution is necessary to complement these problems. This paper presents a content-based image retrieval system with neural network in order to reinforce abovementioned problems. The retrieval system using fuzzy ART algorithm normalizes color and texture as feature values of input data between 0 and 1, and then it runs after clustering the input data. The implemental result with 300 image data shows retrieval accuracy of approximately 87%.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.447-450
• /
• 2005

오늘날 웹서비스에 대한 정보 검색 시스템들은 UDDI 레지스트리에 대한 전문적인 지식을 필요로 한다. 즉 웹서비스를 명세하기 위해 사용된 카테고리와 이에 대한 값, 이름 등을 사전에 알고 있어야만 검색이 가능하다. 그러나 일반 사용자들은 이러한 사전지식을 충분히 알고 있지 못하기 때문에 웹서비스에 대한 정보 검색이 쉽지가 않다. 그러므로 일반 사용자들을 위해 웹서비스에 대한 정보를 카테고리에 맞게 분류하면 웹서비스 검색을 보다 용이하게 할 수가 있다. 따라서 본 논문에서는 유전자 알고리즘과 신경망을 이용하여 보다 효율적으로 웹서비스 정보를 분류하는 클러스터링 기법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.343-345
• /
• 2002

개인화를 위한 협력적 추천의 대표적인 방법인 최근접 이웃 방법은 적용이 쉽지만, 사용자의 선호도 정보가 적을 경우 회소성(sparsity)문제와 사용자 수가 많은 경우 수행 속도가 느려지는 범위성(Scalability)문제 그리고 사용자간의 가중치가 결여되었다는 점에서 추천의 정확성이 떨어진다. 신경망 기반 추천은 자료의 유형에 상관없이 데이터의 처리가 용이하고, 사용자간의 가중치를 학습할 수 있으며, 내용 정보, 인구통계학적 정보 등을 입력 노드에 추가함으로써 희소성 문제를 해결할 수 있으나. 범위성 문제는 존재한다. 따라서 본 논문에서는 최근접 이웃 방법으로 클러스터링 한 유사한 사용자 또는 항목들을 고려한 신경망 기반 추천 방법을 제안하여 범위성 문제를 최소화시킴으로써 추천의 성능을 향상시키고 있다. 제안한 추천 방법의 타당성을 보이기 위해 EachMovie데이터를 이용하여 기존 신경망 추천과 비교 실험하여 성능을 분석한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.127-129
• /
• 2004

오늘날, 웹서비스를 이용한 정보 검색을 하기 위해서는 UDDI 레지스트리의 전문적인 지식이 필요하다. 즉 웹 서비스를 명세하기 위해 사용된 카테고리와 이에 대한 값, 이름 등을 사전에 알고 있어야 한다. 그러나 일반 사용자들은 이러한 사전지식을 충분히 알고 있지 못하면 웹서비스에 대한 정보 검색을 쉽게 할 수 없다. 그러므로 일반 사용자들을 위해 웹서비스에 대한 점보를 카테고리에 맞게 분류하여 검색을 용이하게 할 수가 있다. 따라서 본 논문에서는 보다 효율적으로 웹서비스 정보를 분류하기 위해서 유전자 알고리즘과 신경망을 이용한 클러스터링 기법을 제안하는데 목적이 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.757-759
• /
• 2004

유전자 발현은 유전자가 mRNA와 생체의 기능을 일으키게 하는 단백질을 만들어내는 과정이다. 유전자 발현에 대한 정보는 유전자의 기능을 밝히고 유전자간의 상관 관계를 알아내는데 중요한 역할을 한다. 이러한 유전자 발현 연구를 위한 정보를 대량으로 신속하게 얻을 수 있는 도구가 DNA Chip이다. DNA Chip으로 얻은 수백-수천 개의 데이터는 그 데이터만으로는 의미를 갖지 못한다. 따라서 유전자 발현 정도에 따라 수치적으로 획득된 데이터에서 의미적인 특성을 찾아내기 위해서는 클러스터링 방법이 필요하다. 본 논문에서는 수많은 유전자 데이터 중에서 주요 정보를 포함한 것으로 판단되는 유전자 데이터를 선택하여 특징간을 계산하고 신경망 학습을 이용한 클러스터링하는 알고리즘에 대해서 기술한다.

• Journal of Korea Port Economic Association
• /
• v.30 no.1
• /
• pp.23-55
• /
• 2014

The purpose of this paper is to show the clustering trend and to choose the clustering ports for 3 Korean ports(Busan, Incheon and Gwangyang Ports) by using the self organizing maps based on neural network(SOM) and Tier models for 38 Asian ports during 11 years(2001-2011) with 4 input variables(birth length, depth, total area, and number of crane) and 1 output variable(container TEU). The main empirical results of this paper are as follows. First, clustering results by using SOM show that 3 Korean ports[Busan(26.5%), Incheon(13.05%), and Gwangyang(22.95%) each]can increase the efficiency. Second, according to Tier model, Busan(Hongkong, Sanghai, Manila, and Singapore), Incheon(Aden, Ningbo, Dabao, and Bangkog), and Gwangyang(Aden, Ningbo, Bangkog, Hipa, Dubai, and Guangzhou) should be clustered with those ports in parentheses. Third, when both SOM and Tier models are mixed, (1) efficiency improvement of Busan Port is greater than those of Incheon and Gwangyang ports. (2) Incheon port has shown the slow improvement during 2001-2007, but after 2008, improvement speed was high. (3) improvement level of Gwangyang port was high during 2001-2003, but after 2004, improvement level was constantly decreased. The policy implication of this paper is that Korean port policy planner should introduce the SOM, and Tier models with the mixed two models when clustering among the Asian ports for enhancing the efficiency of inputs and outputs.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2007.10a
• /
• pp.398-403
• /
• 2007

초음파 영상은 미세한 명암도 차이 등에 의해 분석 과정에서 근육 영역의 위치와 크기를 판단하는데 어려움이 발생하고 이로 인해 근육 영역을 파악하는데 주관성이 개입된다. 본 논문에서는 근육영역을 객관적으로 분석하기 위해 ART2 신경망을 적용하여 양자화를 수행한 후, 국부적 영역에서 근육 영역을 추출한다. 초음파 영상에서 히스토그램 평활화와 엔드인 탐색 알고리즘을 적용하여 명암도의 분포와 밝기 값을 보정 한 후, ART2 신경망을 이용하여 유사한 영역을 클러스터링 한다. 그리고 클러스터링 된 각 영역의 크기, 위치 및 명암도 정보를 분석하여 피하지방, 근육 막, 기타 배경 영역으로 분류한다. 최종적인 근육 영역을 찾기 위해 근육 막 내부 객체들 간의 거리, 각도를 이용하여 근육 막 영역에 둘러싸인 근육 영역을 추출한다. 실제 초음파 영상을 대상으로 실험한 결과, 일반적인 클러스터링 기법을 적용한 방법 보다 ART2 기반 양자화와 제안된 영역 확장 기법으로 근육영역을 추출하고 분석하는 것이 효율적임을 확인하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.6
• /
• pp.11-17
• /
• 2014

While safe and convenient, ultrasound imaging analysis is often criticized by its subjective decision making nature by field experts in analyzing musculoskeletal system. In this paper, we propose a new automatic method to extract muscle area using ART2 neural network based quantization. A series of image processing algorithms such as histogram smoothing and End-in search stretching are applied in pre-processing phase to remove noises effectively. Muscle areas are extracted by considering various morphological features and corresponding analysis. In experiment, our ART2 based Quantization is verified as more effective than other general quantization methods.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.31-34
• /
• 2000

코호넨 자기조직 신경망을 사용하면 클러스터링뿐만 아니라 그 데이터가 할당된 클러스터의 대표값(Centroid)과의 거리 차이(Quantization Error)를 알아볼 수 있다 이를 이용하면 어떤 데이터가 정상적인 분포를 따르는지 정상적인 분포에서 벗어나는 비정상적인 데이터인지 알 수 있고, 유닉스 시스템 사용자의 명령어 사용 패턴에 적용하여 어떤 사용자의 명령어 사용 패턴이 정상적인 것인지 비정상적인 것인지 알 수 있다. 본 논문에서는 유닉스 시스템 사용자 8명의 명령어 패턴을 클러스터링한 후 Quantization Error를 이용하여 비정상 패턴을 탐지하는 오프라인에서의 비정상 행위를 탐지하는 시스템을 구현하였다. 그리고 통계적인 학습 방법을 적용한 비정상 패턴 탐지와의 비교를 통하여 두 가지 비정상 패턴 탐지 결과가 동일함을 확인하였다.