• 응용통계연구
• /
• 제34권3호
• /
• pp.401-410
• /
• 2021

판별분류분석에서 널리 이용되는 k-최근접 이웃 분류 방법은 고정된 이웃의 수만을 고려하여 자료의 국소적 특징을 반영하지 못하는 한계가 있다. 이에 자료의 국소적 구조를 고려하여 이웃의 개수를 선택하는 적응 최근접이웃방법이 개발된 바 있다. 고차원 자료의 분석에 있어서는 k-최근접 이웃 분류를 사용하기 전에 랜덤 투영 기법 등을 활용하여 차원 축소를 수행하는 것이 일반적이다. 이렇게 랜덤 투영시킨 다수의 분류 결과들을 면밀히 조합하여 투표를 통해 최종 할당을 하는 기법이 최근 개발된 바 있다. 본 연구에서는 고차원 자료에서의 분석을 위해 적응 최근접이웃방법과 랜덤 투영 앙상블 기법을 조합한 새로운 판별분류 기법을 제안하였다. 제안된 방법은 기존에 개발된 방법에 비해 분류 정확성 측면에서 더 뛰어남을 모의실험 및 실제 사례 분석을 통해 확인하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.1932-1935
• /
• 2003

본 논문에서는 MPEG-2, MPEG-4, H.263 등에서 블록정합을 위해 사용되는 움직임 추정(Motion Estimation) 기법에서 적응적 탐색 범위를 기존의 알고리듬에 적용시킴으로써 계산량을 줄이고 화질도 개선하는 방법을 제안한다 제안된 알고리듬은 먼저 이웃한 움직임 벡터(Motion Vector)의 위치를 이용하여 예상된 움직임 벡터를 찾고 이 예상된 움직임 벡터의 X, Y 값의 크기를 작은 값, 중간 값, 큰 값, 세 가지로 분류해서 탐색범위를 적응적으로 변화시켜 움직임 벡터가 있을 확률이 큰 범위를 집중적으로 찾는다 그리고 각 분류에서 작은 값일 때는 전역 탐색을 적용하고 큰 값일 때는 기존의 알고리듬을 적용시키고 중간 값 일 때는 3단계탐색 기법을 적용시켜 더 적합한 움직임 벡터를 찾도록 하였다. 그리고 작은 값 일 때 구해진 움직임 벡터의 SAD(Sum of Absolute Difference) 값과 이웃한 움직임 벡터의 SAD값을 비교해 국소점에 빠졌다고 판단이 되면 다시 탐색 범위를 조정해서 움직임 벡터를 구함으로써 국소점에 빠지는 경우를 줄였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.298-300
• /
• 2001

본 논문에서는 구조적응 자기구성 지도 모델을 사용하여 인간 행동의 성별을 분류하는 인식기를 제안하였다. 26명의 사람이 '화난 상태' 혹은 '보통 상태'의 두가지 정서 하에서 '문 두드리기', '손 흔들기', '물건 들어올리기'의 세가지 동작을 수행하는 동안, 행위자 관절점의 속도나 위치 정보로부터 성별을 분류하였다. 또한 SASOM의 성능 비교 분석을 위하여 전통적인 SOM, 다층 퍼셉트론과 거의 두 가지 결합 모델, SASOM와 의사결정트리 결합 모델, 단일 의사 결정트리, $textsc{k}$-최근접 이웃 등의 인식기를 구현하여 성능을 비교분석 하였다. 실험 결과 SASOM 분류기가 가장 높은 이식률을 보였으며 분류기로서 유용함을 알 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.271-273
• /
• 2021

본 논문은 이동노드의 클러스터링내에서 보다 효율적인클러스터링을 제공하고 유지하기위한 딥러닝의 선형회귀적 적응적 보정가중치에 따른 군집적 알고리즘을 제안한다. 대부분의 클러스터링 군집데이터를 처리함에 있어 상호관계에 따른 분류체계가 제공된다. 이러한 경우 이웃한 이동노드중 목적노드와는 연결가능성이 가장높은 이동노드를 클러스터내에서 중계노드로 선택해야 한다. 본 연구에서는 이러한 상황정보를 이해하고 동적이동노드간 속도와 방향속성정보간의 상관관계의 친밀도를 고려한 자율학습기반의 회귀적 모델에서 적응적 가중치에 따른 분류를 제시한다. 본 논문에서는 이러한 상황정보를 이해하고 클러스터링을 유지할 수 있는 자율학습기반의 적응적 가중치에 따른 딥러닝 모델을 제시 한다.

• 지능정보연구
• /
• 제14권2호
• /
• pp.193-206
• /
• 2008

의료 진단 문제는 기정의된 특성치들로 표현되는 환자의 상태 데이터로부터 병의 유무를 판단하는 일종의 분류 문제로 간주할 수 있다. 본 연구는 혼용 유전자 알고리즘 기반의 분류방법을 도입함으로써 의료 진단 문제와 같은 다차원의 패턴 분류 문제를 해결할 수 있는 방안을 제안하고 있다. 일반적으로 분류 문제는 데이터 패턴에 존재하는 여러 클래스 간 구분경계를 생성하는 접근방법을 사용하는데, 이를 위해 본 연구에서는 일단의 영역 에이전트들을 도입하여 이들을 유전자 알고리즘 및 국소 적응조작을 혼용함으로써 데이터 패턴에 적응하도록 유도하고 있다. 일반적인 유전자 알고리즘의 진화단계를 거친 에이전트들에 적용되는 국소 적응조작은 영역 에이전트의 확장, 회피 및 재배치로 이루어지며, 각 에이전트의 적합도에 따라 이들 중 하나가 선택되어 해당 에이전트에 적용된다. 제안된 의료 진단용 분류 방법은 UCI 데이터베이스에 있는 잘 알려진 의료 데이터, 즉 간, 당뇨, 유방암 관련 진단 문제에 적용하여 검증하였다. 그 결과, 기존의 대표적인 분류기법인 최단거리이웃방법(the nearest neighbor), C4.5 알고리즘에 의한 의사 결정트리(decision tree) 및 신경망보다 우수한 진단 수행도를 나타내었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.295-297
• /
• 2001

최근 생물 유전자 정보를 효과적으로 분석하기 위한 적절한 도구의 필요성이 대두되고 있다. 본 논문에서는 백혈병 환자의 골수로부터 얻어낸 DNA Microarray 유전 정보를 분류하여 환자가 가지고 있는 암의 종류를 예측하기 위한 최적의 특징추출방법과 분류 방법을 찾고자 한다. 이를 위해 피어슨 상관관계, 유클리디안 거리, 코사인 계수, 스피어맨 상관관계, 정보 이득, 상호 정보, 신호 대잡음비의 7가지 특징 추출 방법을 사용하였으며, 역전과 신경망, 의사결정 트리, 구조 적응형 자기구성 지도, $textsc{k}$-최근접 이웃 등 가지의 기계학습 분류기를 이용하여 분류 실험을 하였다. 실험결과, 피어슨 상관관계와 역전파 신경망을 이용한 분류 방법이 97.1%의 인식률을 보임을 알 수 있었다.

• 한국산업정보학회논문지
• /
• 제12권1호
• /
• pp.39-45
• /
• 2007

본 논문에서는 블록분류를 통하여 얻어진 블록별 특성에 따라 블록간 보간법과 신호적응필터를 이용한 새로운 후처리 기법을 제안한다. 제안한 알고리듬에서는 모든 블록에 대해서 DCT 계수의 특성에 따라서 저주파와 고주파 블록으로 나눈다. 이웃한 네 개의 저주파 블록에 대해서는 보간법을 이용하여 블록화 현상을 제거하고, 링잉현상이 발생할 가능성이 있는 고주파 블록에서는 에지맵에 따라 신호적응필터를 적용하여 영상의 에지들은 보호하면서 에지주위에 나타나는 링잉현상을 제거한다. 모의실험 결과 제안한 방법이 기존방법에 비하여 객관적 및 주관적 화질 측면에서도 우수한 성능을 보임을 확인하였다.

• 융합정보논문지
• /
• 제8권1호
• /
• pp.201-206
• /
• 2018

최근 인공지능을 구현하기 위한 기술들이 보편화되면서 특히, 기계 학습이 폭넓게 사용되고 있다. 기계 학습은 대량의 데이터를 수집하고 일괄적으로 처리하며 최종 조치를 취할 수 있는 통찰력을 제공하나, 작업의 효과가 즉시 학습 과정에 통합되지는 않는다. 본 연구에서는 비즈니스의 큰 이슈로서 실시간 데이터 분석의 성능을 개선하기 위한 적응형 학습 모델을 제안하였다. 적응형 학습은 데이터세트의 복잡성에 적응하여 앙상블을 생성하고 알고리즘은 샘플링 할 최적의 데이터 포인트를 결정하는데 필요한 데이터를 사용한다. 6개의 표준 데이터세트를 대상으로 한 실험에서 적응형 학습 모델은 학습 시간과 정확도에서 분류를 위한 단순 기계 학습 모델보다 성능이 우수하였다. 특히 서포트 벡터 머신은 모든 앙상블의 후단에서 우수한 성능을 보였다. 적응형 학습 모델은 시간이 지남에 따라 다양한 매개변수들의 변화에 대한 추론을 적응적으로 업데이트가 필요한 문제에 폭넓게 적용될 수 있을 것으로 기대한다.

• 응용통계연구
• /
• 제23권6호
• /
• pp.1093-1102
• /
• 2010

비모수적 판별분류방법인 k-Nearest Neighbors Classification(KNNC) 방법은 널리 사용되고 있지만 고정된 이웃의 개수를 사용하며 또한 집단변수의 정보를 활용하지 않음으로서 자료의 국소적 특징을 반영하지 못하는 단점이 있다. Adaptive Nearest Neighbors Classification(ANNC) 방법과 Modified k-Nearest Neighbors Classification(MKNNC) 방법은 각각 이러한 단점들을 보완하기 위해 제안된 방법이다. 본 연구에서는 ANNC 방법과 MKNNC 방법의 장점을 결합한 Modified Adaptive Nearest Neighbors Classification(MANNC) 방법을 제안하였다. 나아가, 제안된 방법의 활용 가능성을 살펴보고자 실제자료에 대한 분석과 모의실험을 통해 기존의 방법들과 비교하였다.

• 한국아동복지학
• /
• 제27호
• /
• pp.69-93
• /
• 2008

본 연구는 부산지역의 중 고등학생 307명을 대상으로 각 학교에 근무하는 지역사회교육전문가들이 설문조사를 실시하여 청소년 자살의 영향요인을 검증하고자 하였다. 청소년들의 인구사회학적인 요인과 자아존중감, 우울, 자살생각, 학교적응정도 및 사회적 지지, 자기통제력, 문제해결능력 정도에 따른 자살가능성을 분석하였다. 그 결과 자살의 고위험 청소년과 그렇지 않은 청소년들은 인구사회학적인 요인에 있어서는 경제수준에서 유의미한 차이를 나타냈고, 그 외 모든 하위항목에서는 유의미한 차이를 보이는 것으로 나타났다. 또한 청소년 자살의 영향요인을 인구사회학적 요인, 개인적 요인, 학교 요인, 사회적 요인의 측면으로 분류하여 중다회귀분석을 실시하여 청소년 자살의 영향요인을 추출하였는데, 청소년자살에 영향을 미치는 요인으로는 학교적응정도, 문제해결능력, 자살생각의 정도, 우울 및 이웃 지지와 자기통제력으로 나타났다. 즉 청소년자살을 예방하기 위해서는 자살 생각의 정도를 측정하여 자살의 위험에 노출되어 있는 청소년들을 사정하여 선별한 후 학교적응력을 강화시키며, 문제해결능력과 자기통제력 강화를 위한 집단프로그램을 실시해야 할 것이다. 또한 청소년에 대한 사회적 지지를 강화시킴으로써 청소년자살을 예방할 수 있을 것이다.