• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.331-332
• /
• 2015

스키 입문자의 경우 부상 등에 따른 두려움을 느끼거나 부정확한 자세가 익숙해져 바로잡기가 힘든 경우가 발생한다. 스키 트레이닝 시뮬레이터는 이러한 단점을 보완하여 스키 선수의 정확한 자세를 바탕으로 정확한 자세를 취할 수 있도록 유도하는 시스템이다. 본 논문에서는 스키 선수의 자세와 시뮬레이터 사용자의 자세를 비교하여 유사도를 측정하기 위해 사용한 알고리즘의 효율성을 향상하기 위해 특정 센서에 가중치를 부여하고 이들의 좌표값을 받아 계산하는 Pairwise testing 기법을 적용한다. 이는 센서간의 거리를 실시간으로 계산하여 두 자세의 유사도를 검출하는데 있어 비교 테스트 케이스를 감소시켜 유사도 측정의 효율성을 높일 수 있다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.3
• /
• pp.343-347
• /
• 2010

This paper presents an efficient image recognition method using the hybrid coefficient measure of correlation and distance. The correlation coefficient is applied to measure the statistical similarity by using Pearson coefficient, and distance coefficient is also applied to measure the spacial similarity by using city-block. The total similarity among images is calculated by extending the similarity between the feature vectors, then the feature vectors can be extracted by PCA and ICA, respectively. The proposed method has been applied to the problem for recognizing the 960(30 persons * 4 expressions * 2 lights * 4 poses) facial images of 40*50 pixels. The experimental results show that the proposed method of ICA has a superior recognition performances than the method using PCA, and is affected less by the environmental influences so as lighting.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.289-291
• /
• 2003

3차원 형상 모델의 비교 연구는 의학, 분자 생물학, 컴퓨터 그래픽스 등의 분야에서 다루게 되는 기본적인 문제들 중의 하나이다. 본 논문에서는 3차원 형상 모델간의 유사성을 측정하기 위한 방법을 제안한다. 본 시스템은 삼각형 메쉬 모델을 유사성 평가에 사용한다. 유사성 비교를 위해 실루엣 영상을 이용하고, 유사 점도의 계산을 위한 측도(metric)로는 부피(Volume), 곡률(Curvature), 직선거리(Euclidean Distance)를 사용한다. 또한 다양한 방식에 의해 획득된 형상 모델의 비교를 위하여 먼저 포즈 정규화(Pose Normalization)를 한 후 유사성 평가 작업을 수행한다. 본 논문에서 제시한 3차원 형상 비교 시스템은 형상 비교대상들에 대한 전체 변형 및 부분 변형, 그리고 회전등에 강인함을 보였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.155-158
• /
• 2002

본 논문은 영역기반의 영상 검색을 위해 향상된 영역 매칭 알고리즘을 구현하고자 한다. 최근의 Mpeg-7표준은 객체 기반의 영상처리를 특징으로 하고 있으며, 객체 기반의 영상 처리방법들에서 가장 대표적인 방법인 영역기반 검색 방법은 영역 분할과 특징 추출, 그리고 영역매칭을 통한 유사도 측정에 따른 검색으로 나뉘어 진다. 본 논문에서는 영상을 분할한 후 분할된 영역들에 대한 특징을 추출 하고, 추출된 특징들을 다차원 특징 공간에서의 클러스터로 구성한다. 그리고 구성된 클러스터들을 인접한 중심을 가진 특징 그룹화 하여 특징 그룹 중심간의 거리차를 이용하여 질의 이미지와 검색 이미지의 유사도를 측정하는 영역 매칭 방법을 제안한다.

• The Journal of the Acoustical Society of Korea
• /
• v.31 no.4
• /
• pp.266-272
• /
• 2012

Speaker segmentation is a process of automatically detecting the speaker boundary points in the audio data. Speaker segmentation methods are divided into two categories depending on whether they use a prior knowledge or not: One is the model-based segmentation and the other is the metric-based segmentation. In this paper, we introduce the eigenvoice-based speaker weight distance method and compare it with the representative metric-based methods. Also, we employ and compare the Euclidean and cosine similarity functions to calculate the distance between speaker weight vectors. And we verify that the speaker weight distance method is computationally very efficient compared with the method directly using the distance between the speaker adapted models constructed by the eigenvoice technique.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.5
• /
• pp.603-608
• /
• 2009

In this paper, a similarity measure between interval-valued vague sets is proposed. In the interval-valued vague sets representation, the upper bound and the lower bound of a vague set are represented as intervals of interval-valued fuzzy set respectively. Proposed method combines the concept of geometric distance and the center-of-gravity point of interval-valued vague set to evaluate the degree of similarity between interval-valued vague sets. We also prove three properties of the proposed similarity measure. It provides a useful way to measure the degree of similarity between interval-valued vague sets.

• Journal of Korea Multimedia Society
• /
• v.14 no.1
• /
• pp.85-93
• /
• 2011

Previous existing vocabulary recognition programs calculate general vector values from a database, so they can not process phonemes that form during a search. And because they can not create a model for phoneme data, the accuracy of the Gaussian model can not secure. Therefore, in this paper, we recommend use of the Bhattacharyya distance measurement method based on the features of the phoneme-thus allowing us to improve the recognition rate by picking up accurate phonemes and minimizing recognition of similar and erroneous phonemes. We test the Gaussian model optimization through share continuous probability distribution, and we confirm the heighten recognition rate. The Bhattacharyya distance measurement method suggest in this paper reflect an average 1.9% improvement in performance compare to previous methods, and it has average 2.9% improvement based on reliability in recognition rate.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.2
• /
• pp.301-309
• /
• 2009

Multidimensional scaling(MDS) is a statistical multivariate analysis technique that is often used in information visualization for exploring similarities or dissimilarities in data. In order to analyse and visualize data, MDS measures the dissimilarities between objects and uses them or their mean if they are repeatedly measured. When there exist outliers or when the variation of data is too large, we can hardly get reliable results on the research using MDS. In this paper, we consider the MDS based on bootstrap method when the variation of data is large. Standardized residual sum of squares is considered as measuring goodness-of-fit of the model. A real data analysis is include to examine our approach.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.714-717
• /
• 2008

협업여과 추천기법에는 사용자 기반 협업여과와 아이템 기반 협업여과가 있으며, 절차는 유사도 측정, 이웃 선정, 예측값 생성 단계로 이루어진다. 유사도 측정 단계에는 유클리드 거리(Euclidean Distance), 코사인 유사도(Cosine Similarity), 피어슨 상관계수(Pearson Correlation Coefficient) 방법 등이 있고, 이웃 선정 단계에는 상관 한계치(Correlation-Threshold), 근접 N 이웃(Best-N-Neighbors) 방법 등이 있다. 마지막으로 예측값 생성 단계에는 단순평균(Simple Average), 가중합(Weighted Sum), 조정 가중합(Adjusted Weighted Sum) 등이 있다. 이처럼 협업여과 추천기법에는 다양한 기법들이 사용되고 있다. 따라서 본 논문에서는 사용자 기반 협업여과와 아이템 기반 협업여과 추천기법에 사용되는 유사도 측정 기법과 예측값 생성 기법의 최적화된 조합을 알아보기 위해 성능 실험 및 비교 분석을 하였다. 실험은 GroupLens의 MovieLens 데이터 셋을 활용하였고 MAE(Mean Absolute Error)값을 이용하여 추천기법을 비교 하였다. 실험을 통해 유사도 측정 기법과 예측값 생성 기법의 최적화된 조합을 찾을 수 있었고, 사용자 기반 협업여과와 아이템 기반 협업여과의 성능비교를 통해 아이템 기반 협업여과의 성능이 보다 우수했음을 확인 하였다.

• Journal of Korea Multimedia Society
• /
• v.15 no.9
• /
• pp.1149-1155
• /
• 2012

In this paper, we propose cause diagnosis method of semiconductor defects from semiconductor industrial images. Our method constructs feature database (DB) of defect images. Then, defect and input images are subdivided by uniform block. And the block similarity is measured using histogram kai-square distance after color histogram calculation. Then, searched blocks in each image are merged into connected objects using clustering. Finally, the most similar defect image from feature DB is searched with the defect cause by measuring cluster similarity based on features of each cluster. Our method was validated by calculating the search accuracy of n output images having high similarity. With n = 1, 2, 3, the search accuracy was measured to be 100% regardless of defect categories. Our method could be used for the industrial applications.