• The KIPS Transactions:PartD
• /
• v.8D no.5
• /
• pp.507-512
• /
• 2001

Feature-based similarity has become an important research issue in multimedia database systems. The features of multimedia data are useful for discriminating between multimedia objects. the performance of conventional multidimensional data structures tends to deteriorate as the number of dimensions of feature vectors increase. The $R^{*}-Tree$ is the most successful variant of the R-Tree. In this paper, we propose a SOM-based $R^{*}-Tree$ as a new indexing method for high-dimensional feature vectors. The SOM-based $R^{*}-Tree$ combines SOM and $R^{*}-Tree$ to achieve search performance more scalable to high-dimensionalties. Self-Organizingf Maps (SOMs) provide mapping from high-dimensional feature vectors onto a two-dimensional space. The map is called a topological feature map, and preserves the mutual relationships (similarity) in the feature spaces of input data, clustering mutually similar feature vectors in neighboring nodes. Each node of the topological feature map holds a codebook vector. We experimentally compare the retrieval time cost of a SOM-based $R^{*}-Tree$ with of an SOM and $R^{*}-Tree$ using color feature vectors extracted from 40,000 images. The results show that the SOM-based $R^{*}-Tree$ outperform both the SOM and $R^{*}-Tree$ due to reduction of the number of nodes to build $R^{*}-Tree$ and retrieval time cost.

• The KIPS Transactions:PartB
• /
• v.8B no.5
• /
• pp.515-522
• /
• 2001

Feature-based similarity retrieval become an important research issue in image database systems. The features of image data are useful to discrimination of images. In this paper, we propose the highspeed k-Nearest Neighbor search algorithm based on Self-Organizing Maps. Self-Organizing Map(SOM) provides a mapping from high dimensional feature vectors onto a two-dimensional space. A topological feature map preserves the mutual relations (similarity) in feature spaces of input data, and clusters mutually similar feature vectors in a neighboring nodes. Each node of the topological feature map holds a node vector and similar images that is closest to each node vector. We implemented about k-NN search for similar image classification as to (1) access to topological feature map, and (2) apply to pruning strategy of high speed search. We experiment on the performance of our algorithm using color feature vectors extracted from images. Promising results have been obtained in experiments.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2516-2518
• /
• 2003

본 논문은 고차 뉴런의 문제점으로 지적되고 있는 뉴런이 방대하게 증가하는 문제를 해결하고자, 최적의 뉴런을 생성하고 생성되어진 고차 뉴런 중 일정 비율로 뉴런의 연결강도를 도태시켜 감에 따라 네트워크상에 나타나는 특성을 비교하였다. 본 논문은 고차 뉴런을 이용한 Kohonen의 자기 조직화 맵의 고차 뉴런부에 일정 비율로 연결강도를 도태한 후 인식률을 얻는 형태로 시뮬레이션을 하였다. 특히, 종래 형태의 고차 뉴런을 이용한 Kohonen 자기 조직화 맵의 알고리즘을 변형없이 사용하였으며 중복되는 뉴런을 최대한 억제하기 위해 2차 뉴런만을 생성한 네트워크 구조 위에 입력 데이터의 특징을 유지하고 고차 뉴런의 특징을 더욱 활성화하기 위해 일정한 양의 연결강도를 도태시킴으로써 출력면에서 국소집중 반응에 의한 정확한 인식률 향상 등을 조사하는 시뮬레이션을 하였다. 본 제안 모델의 특성을 살펴보기 위해 60개의 데이터로 이루어진 금속 소나 음데이터와 암석 소나 음 데이터를 이용하여 금속인지 암석인지를 판별하는 시뮬레이션을 하였다.

• Journal of KIISE:Databases
• /
• v.29 no.5
• /
• pp.358-366
• /
• 2002

Feature-based similarity retrieval become an important research issue in image database systems. The features of image data are useful to discrimination of images. In this paper, we propose the high speed k-Nearest Neighbor search algorithm based on Self-Organizing Maps. Self-Organizing Maps(SOM) provides a mapping from high dimensional feature vectors onto a two-dimensional space and generates a topological feature map. A topological feature map preserves the mutual relations (similarities) in feature spaces of input data, and clusters mutually similar feature vectors in a neighboring nodes. Therefore each node of the topological feature map holds a node vector and similar images that is closest to each node vector. We implemented a k-NN search for similar image classification as to (1) access to topological feature map, and (2) apply to pruning strategy of high speed search. We experiment on the performance of our algorithm using color feature vectors extracted from images. Promising results have been obtained in experiments.

• Journal of Broadcast Engineering
• /
• v.26 no.3
• /
• pp.283-295
• /
• 2021

This paper proposes a method for generating dense depth map using information of color images and depth map generated based on lidar based on self-organizing map. The proposed depth map upsampling method consists of an initial depth prediction step for an area that has not been acquired from LiDAR and an initial depth filtering step. In the initial depth prediction step, stereo matching is performed on two color images to predict an initial depth value. In the depth map filtering step, in order to reduce the error of the predicted initial depth value, a self-organizing map technique is performed on the predicted depth pixel by using the measured depth pixel around the predicted depth pixel. In the process of self-organization map, a weight is determined according to a difference between a distance between a predicted depth pixel and an measured depth pixel and a color value corresponding to each pixel. In this paper, we compared the proposed method with the bilateral filter and k-nearest neighbor widely used as a depth map upsampling method for performance comparison. Compared to the bilateral filter and the k-nearest neighbor, the proposed method reduced by about 6.4% and 8.6% in terms of MAE, and about 10.8% and 14.3% in terms of RMSE.

• Journal of Korea Multimedia Society
• /
• v.14 no.9
• /
• pp.1182-1189
• /
• 2011

We named the system Visual Path Map which visualizes the distribution of clusters according to characteristics and entire process about exercise prescription, and we purpose to visualize a process according to exercise prescription. Visual Path Map visualizes the distribution of clusters according to characteristics, current and object distribution, and changed distribution for prescription. So it visualizes paths from current distribution to object distribution according to prescription. We used SOM in order to express properties along subjects in Visual Path map, and visualized distribution of clusters about physical characteristics, body mass index, and age information of 1,500 ordinary people. Also we visualize practical exercise prescription according to real data of expert of exercise prescription.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2656-2659
• /
• 2001

본 논문은 교사 있는 학습기의 Kohonen Feature Map에 고차 뉴런을 도입, 고차 뉴런을 이용한 Kohonen의 자기 조직화 맵을 제안한다. 일반적인 Kohonen Feature Map의 특징은 입력신호를 받아 출력 면(Kohonen Feature Map) 내의 특정한 위치 주위에 집중하는 메커니즘으로 즉, 국소집중 반응을 구하는 구조이다. 본 논문에서는 종래형의 Kohonen Feature Map의 특징을 보유하며 교사 있는 학습기의 Kohonen Feature Map에 고차 뉴런을 도입하여 국소집중반응 및 특징 축출이 용이하도록 네트워크 구조를 개선한 것이다. 특히, 일차 뉴런의 문제점인 비선형 분리 문제에 대하여 교사 있는 학습기의 Kohonen Feature Map의 입력층에 고차 뉴런을 도입함으로 비선형 분리 가능한 형태의 네트워크 구조로 형성하였다. 그러나, 일반적인 고차 뉴런의 문제점을 보안하기 위해 본 논문에서는 오직 2차 뉴런만을 생성하였으며 중복되는 뉴런을 최대한 억제하였다. 본 제안 모델의 특성을 살펴보기 위해 XOR문제와 20개의 Alphabet을 식별하는 패턴인식 시뮬레이션을 했으며, 본 제안 모델의 범화능력을 알아보기 위하여 Mirror Symmetry를 사용하여 계산기 시뮬레이션을 했다. 그 결과, 본 제안 모델이 종래형의 네트워크 구조보다 뛰어난 인식률을 얻을 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.562-564
• /
• 2002

본 논문에서는 자기상관함수의 국소적 특징을 사용하여 에지 특징을 추출한 후, 이를 이용해 유사이미지를 검색하는 방법을 제시한다. 자기상관함수의 국소적 특징을 이용하여 이미지를 검색할 경우 크기, 밝기, 색상등과 같은 이미지 요소가 서로 다를 경우에도 영향을 받지 않고 에지 특징정보를 추출해 낼 수 있다. 이는 얻어진 에지 특징을 이미지 크기와 고차 국소 자기상관함수의 변위에 의해 변하지 않도록 정규화를 하고, 동일 이미지에 대해 밝기가 조금 달라지면 검색효율이 떨어지는 점을 해결하기 위해 거리척도로서 방향여현거리(direction cosine distance)를 이용함으로써 가능하다. 이렇게 추출된 특징벡터를 자기조직화 맵에 의하여 클러스터링하고, 유사이미지 검색의 효율성을 비교해본 결과, 본 논문에서 제시한 방법을 사용하여 검색한 경우 재현율이 기존의 방법에 비해서 비교적 높은 수치를 나타냈다.

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2009.10a
• /
• pp.182-185
• /
• 2009

특정분야의 기술에 대한 중요도를 평가할 경우 일반적으로 해당 분야 기술의 전문가들의 의견을 델파이 방법을 이용하여 수렴하고 AHP 분석을 통해 기술의 우선순위를 결정하곤 한다. 그러나 전문가들의 직관적 판단에 의존하는 델파이 기법과 AHP 분석은 전문가 집단을 어떻게 선정하느냐에 따라 다른 결과를 초래하거나 항상 최적의 대안을 제시한다는 보장을 하지 못하므로 이에 대한 보완이 필요하다. 본 연구는 해당 기술 분야의 객관적인 자료인 특허 문서를 분석하여 델파이를 통해 도출된 전문가들의 기술 평가 결과의 타당성을 확인하도록 특허맵 분석을 활용할 것과 많은 대상 기술과 다양한 기술 평가 기준을 한꺼번에 고려하여 기술간 우선순위, 기술간 유사성, 기술군간 관련성을 쉽게 확인할 수 있는 SOM 신경망 분석을 활용할 것을 제안한다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.42 no.2
• /
• pp.536-544
• /
• 2017

Wireless RSSI (Received Signal Strength Indication) fingerprinting is one of the most popular methods for indoor positioning as it provides reasonable accuracy while being able to exploit existing wireless infrastructure. However, the process of radio map construction (aka fingerprint calibration) is laborious and time consuming as precise physical coordinates and wireless signals have to be measured at multiple locations of target environment. This paper proposes a method to build the map from a combination of RSSIs without location information collected in a crowdsourcing fashion, and a handful of labeled RSSIs using a semi-supervised self organizing map learning algorithm. Experiment on simulated data shows promising results as the method is able to recover the full map effectively with only 1% RSSI samples from the fingerprint database.