• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1999.11a
• /
• pp.326-330
• /
• 1999

인터넷의 민감한 트래픽 특성으로 인해 기존의 트래픽 모델링 분석법으로 최적화된 네트워크 환경을 구성하기에는 부족한 점이 많다. 본 논문에서는 트래픽의 버스트 특성을 정확히 예측하고 모델링 하기 위한 방법으로 자기 유사 특성에 대해 분석하고자 한다. 실제 인터넷 네트워크에서의 RTT(Round-Trip Time)를 측정함으로써 계층, 거리별 링크간의 LRD(Long-Range Dependence) 와 노드 큐의 특성, 자기유사성 정도를 구하고 측정된 데이터의 확률 분포를 통해 실제 트래픽의 특성에 대해 분석하였다

• 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 Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.05a
• /
• pp.585-588
• /
• 2008

This paper proposes hand gesture recognition using shape similarity method. For this, we require two steps which are aquisition of Hand area and similarity evaluation. First step is extracting hand area using YCbCr color spare. Then eliminate noise through filter and analyzing histogram. For doing this, we ran measure similarity of hand gesture by applying TSR after getting contour. Finally, we utilize shape similarity for recognizing of hand gesture.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.181-181
• /
• 2020

점착성 유사는 유사가 가지는 점착력에 의해 응집현상을 겪으며 그 크기와 밀도가 변화한다. 유사의 크기와 밀도는 침강속도에 직접적인 영향을 주며 침강속도으 변화는 유사의 거동에 매우 중요한 작용을 한다. 따라서 점착성 유사의 크기 특성을 파악하는 것은 매우 중요하다. 이전의 많은 연구는 점착성 유사의 입도분포가 대수정규분포를 따른다고 주장하고 있다. 그러나 그 가정이 합리적인지에 대해 분석한 연구는 많지 않다. 본 연구는 통계학적 방법 중 적합도 검정을 이용하여 실제 점착성 유사가 어떠한 분포를 모사하는지 분석하였다. 사용된 적합도 검정 방법은 Kolmogorov-Sminorv(K-S) 검정이며 적합도 판정의 기준은 유의수준 5%를 기준으로 하였다. 그 결과, 실험실 실험에서 측정된 플럭의 입도분포와 현장 실험에서 측정된 입도분포는 다른 결과를 보였다. 현장 실험의 경우, 분포가 오른쪽으로 왜곡된 지수분포의 형태를 나타냈으며, Gamma 분포가 가장 우수하게 모사하였다. 실험실 실험의 경우 일반적인 양의 왜도를 가지는 분포를 나타냈으며 GEV분포가 점착성 유사의 입도분포를 가장 잘 모사하였다. 대수정규 분포의 경우 일반적으로 이용하는 2-매개변수 대수정규분포일 경우 현장실험과 실험실 실험 모두 적합하지 않았다. 그러나 위치 매개변수를 추가하여 3-매개변수 대수정규분포를 사용하면 점착성 유사의 입도분포를 잘 모사하는 것으로 판단된다. 따라서 점착성 유사의 입도분포를 무조건적으로 대수정규분포로 사용하는 것은 지양해야할 것으로 판단된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.253-255
• /
• 2003

기존의 개념 기반 이미지 검색에서는 이미지의 의미적 내용 인식을 위해 일반적으로 어휘적 정보나 텍스트 정보를 이용했다. 이러한 텍스트 정보 기반 이미지 검색은 전통적인 검색 방법인 키워드 검색 기술을 그대로 사용하여 쉽게 구현할 수 있으나 텍스트의 개념적 매칭이 아닌 스트링 매칭이므로 주석처리된 단어와 정확한 매칭이 없다면 찾을 수가 없었다. 이에 본 논문에서는 ontology의 일종인 WordNet을 이용하여 깊이 정보량 링크 타입, 밀도 등을 고려한 개념간 유사성 측정으로 패턴 매칭의 문제를 해결하고자 했다. 또한 키워드로 주석처리 되어 있는 Microsofts Design Gallery Live의 이미지를 이용하여 개념간 유사성 측정법을 실질적으로 개념 기반 이미지 검색에 적용해 보았다.

• Journal of Convergence Society for SMB
• /
• v.3 no.1
• /
• pp.23-30
• /
• 2013

In this paper, fuzzy entropy and similarity measure to measure the uncertainty and similarity of data as real value were introduced. Design of fuzzy entropy and similarity measure were illustrated and proved. Obtained measures were applied to the calculating process and discussed. Extension of data quantification results such as decision making and fuzzy game theory were also discussed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.246-246
• /
• 2019

점착성 유사는 비점착성 유사보다 작은 입자 크기를 가지며 전자기적 점착력에 의해 연속적인 응집과 파괴의 과정인 응집현상을 겪는다. 응집현상에 의해 생긴 유사 덩어리를 플럭(Floc)이라고 하며 유사의 응집현상은 점착성 유사가 가지는 입자 크기, 침강속도, 밀도를 변화시킨다. 유사의 이동은 크기, 침강속도, 밀도에 영향을 받는다. 따라서 점착성 유사의 여러 특성에 관여하는 입자의 크기에 대한 충분한 이해는 점착성 유사의 이동을 파악하는 데에 필수적이다. 본 연구에서는 점착성 유사의 여러 특성 중, 입자 크기 분포에 대한 특성을 분석하는 것을 수행하였다. 일반적으로 점착성 유사의 연구에서 입도 분포는 Log-normal 분포로 가정하여 사용되고 있다. 그러나 그 적합성에 대해서는 검증된 바가 없다. 따라서 과거 연구에서 조사된 점착성 유사의 입도 분포 자료를 현장에서 측정된 자료와 실험실에서 측정된 자료로 나누어 수집한 후, 표본에 통계학적인 방법인 적합도 검정을 사용하여 실제 어떠한 분포를 모사하는지 살펴보았다. 적합도 검정은 Kolmogorov- Smirnov (K-S)검정을 이용하였으며 K-S 검정의 결과가 유의수준 5%를 통과하는 경우 가정된 분포가 실제 표본을 잘 모사하는 것으로 판단하였다. 적합도 검정 결과, 점착성 유사의 입도 분포는 현장 실험과 실험실 실험에서 다른 특징을 나타내었다. 현장 실험의 경우 입도 분포의 형태가 지수 분포의 형태를 나타내는 경우가 많았으며 Gamma 분포가 우수하게 모사하였다. 실험실 실험의 입도 분포는 일반적인 양의 왜곡도를 가지는 분포를 그렸으며 GEV 분포와 Gamma 분포가 우수하게 모사하였다. 두 경우 모두 Log-normal 분포가 적합하다고 판단되는 경우는 많지 않았다. 그러나 Log-normal 분포에 위치 매개변수를 추가하여 3 매개변수의 분포로 모사한 경우 유의수준 5%를 통과하는 경우가 크게 증가하였다. 향후에는 점착성 유사의 입도 분포를 모사하고 사용함에 있어 Log-normal 분포를 무조건적으로 이용하는 것은 지양해야할 것으로 판단된다. 2 매개변수의 분포를 점착성 유사의 입도분포로 사용할 경우, Gamma 분포를 추천하며, 기존에 사용되던 Log-normal 분포를 사용할 경우 위치 매개변수를 추가하여 3 매개변수의 Log-normal 분포를 이용할 것을 추천한다. 또한 점착성 유사의 입도를 모사하는 분포를 개발하여 사용한다면 점착성 유사의 이동과 특성을 연구할 때 가장 중요한 크기 특성에 대한 많은 정보를 제공할 수 있다고 판단된다.

• Journal of Internet Computing and Services
• /
• v.1 no.2
• /
• pp.89-96
• /
• 2000

Relevance feedback is a technique to learn the user's subjective perception of similarity between images, and has recently gained attention in Content Based Image Retrieval. Most relevance feedback methods assume that the individual features that are used in similarity judgments do not interact with each other. However, this assumption severely limits the types of similarity judgments that can be modeled In this paper, we explore a more sophisticated model for similarity judgments based on fuzzy measures and the Choquet Integral, and propose a suitable algorithm for relevance feedback, Experimental results show that the proposed method is preferable to traditional weighted- average techniques.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11b
• /
• pp.817-820
• /
• 2003

현재 생물분자의 기능적 관점에서 단백질 구조에 관심이 많이 모아지고 있다. 단백질의 기능은 구조에서 기인하기 때문에 두 단백질의 구조간의 유사성을 측정할 수 있는 방법은 두 단백질의 기능의 유사성을 유추할 수 있다. 본 논문에서는 두 단백질의 원자간 결합선 분포의 유사성을 기반으로 한 웹 환경에서 동작하는 단백질 구조 검색 시스템을 설계 구현하였다. 두 단백질의 구조의 유사성을 측정하기 위한 단백질의 표현(representation)으로는 3 차원 에지 히스토그램을 사용하였다. 3차원 에지 히스토그램, 즉, 3차원 공간 상에서의 원자간 결합선 분포에 기반한 단백질 구조 검색 시스템은 많은 양의 단백질 구조 정보로부터 원하는 형태의 단백질 구조를 빠른 시간에 검색할 수 있는 장점을 가지므로 스크리닝의 전단계(pre-screening)에서 사용될 수 있다.

• Korean Journal of Cognitive Science
• /
• v.23 no.3
• /
• pp.295-322
• /
• 2012

In this paper, we cluster similar word senses applying vector space model and HAL (Hyperspace Analog to Language). HAL measures corelation among words through a certain size of context (Lund and Burgess 1996). The similarity measurement between a word pair is cosine similarity based on the vector space model, which reduces distortion of space between high frequency words and low frequency words (Salton et al. 1975, Widdows 2004). We use PCA (Principal Component Analysis) and SVD (Singular Value Decomposition) to reduce a large amount of dimensions caused by similarity matrix. For sense similarity clustering, we adopt supervised and non-supervised learning methods. For non-supervised method, we use clustering. For supervised method, we use SVM (Support Vector Machine), Naive Bayes Classifier, and Maximum Entropy Method.