• Science of Emotion and Sensibility
• /
• v.13 no.1
• /
• pp.47-60
• /
• 2010

Most of the researches about classification usually have used kNN(k-Nearest Neighbor), SVM(Support Vector Machine), which are known as learn-based model, and Bayesian classifier, NNA(Neural Network Algorithm), which are known as statistics-based methods. However, there are some limitations of space and time when classifying so many web pages in recent internet. Moreover, most studies of classification are using uni-gram feature representation which is not good to represent real meaning of words. In case of Korean web page classification, there are some problems because of korean words property that the words have multiple meanings(polysemy). For these reasons, LSA(Latent Semantic Analysis) is proposed to classify well in these environment(large data set and words' polysemy). LSA uses SVD(Singular Value Decomposition) which decomposes the original term-document matrix to three different matrices and reduces their dimension. From this SVD's work, it is possible to create new low-level semantic space for representing vectors, which can make classification efficient and analyze latent meaning of words or document(or web pages). Although LSA is good at classification, it has some drawbacks in classification. As SVD reduces dimensions of matrix and creates new semantic space, it doesn't consider which dimensions discriminate vectors well but it does consider which dimensions represent vectors well. It is a reason why LSA doesn't improve performance of classification as expectation. In this paper, we propose new LSA which selects optimal dimensions to discriminate and represent vectors well as minimizing drawbacks and improving performance. This method that we propose shows better and more stable performance than other LSAs' in low-dimension space. In addition, we derive more improvement in classification as creating and selecting features by reducing stopwords and weighting specific values to them statistically.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.212-216
• /
• 2006

MLP는 뛰어난 학습능력으로 인하여 많은 분야에 성공적으로 적용되고 있다. 그러나, 학습 방법으로서 최급경사법에 근거한 오차역전파 알고리즘을 적용하기 때문에 학습시간이 오래 걸리는 단점이 있다. 또한 입력차원의 크기가 크거나 클래스간 학습데이터의 유사성이 클 경우 최적의 파라미터를 구하는데는 한계가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 LDA와 local MLP을 이용한 새로운 얼굴인식시스템을 제안하고자 한다. 제안된 방법은 우선 LDA 기법에 의해 차원이 축소된 얼굴의 특징벡터를 계산한다. 다음 단계로서 전체 학습영상을 사용하기 보다는 그룹별로 분할된 얼굴영상에 대해 MLP를 수행하므로서 그룹별로 최적인 파라미터를 결정한다. 마지막 단계로 그룹별로 수행된 local MLP를 결합함으로써 전체 얼굴인식 시스템을 구성한다. 제안된 방법의 타당성을 보이기 위해 ORL 얼굴영상을 대상으로 실험한 결과 기존 방법인 PCA나 LDA에 비해 향상된 결과를 보임을 확인할 수 있었다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.30 no.3_4
• /
• pp.168-185
• /
• 2003

This paper presents a progressive algorithm that not only can narrow down the search domain in the course of face identification but also can fast reconstruct various 3D objects from a sketch drawing. The sketch drawing, edge-vertex graph without hidden line removal, which serves as input for reconstruction process, is obtained from an inaccurate freehand sketch of a 3D wireframe object. The algorithm is executed in two stages. In the face identification stage, we generate and classify potential faces into implausible, basis, and minimal faces by using geometrical and topological constraints to reduce search space. The proposed algorithm searches the space of minimal faces only to identify actual faces of an object fast. In the object reconstruction stage, we progressively calculate a 3D structure by optimizing the coordinates of vertices of an object according to the sketch order of faces. The progressive method reconstructs the most plausible 3D object quickly by applying 3D constraints that are derived from the relationship between the object and the sketch drawing in the optimization process. Furthermore, it allows the designer to change viewpoint during sketching. The progressive reconstruction algorithm is discussed, and examples from a working implementation are given.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1373-1374
• /
• 2015

본 논문은 복잡한 비선형 모델링 방법인 다항식 기반 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 벡터공간에서 임의의 비선형 경계를 찾아 두 개의 집합을 분류하는 방법으로 주어진 조건하에서 수학적으로 최적의 해를 찾는 SVM(Support Vector Machine)를 사용하여 3차원 얼굴인식 모델을 설계하고 두 모델의 3차원 얼굴 인식률을 비교한다. 3D스캐너를 통해 3차원 얼굴형상을 획득하고 획득한 영상을 전처리 과정에서 포인트 클라우드 정합과 포즈보상을 수행한다. 포즈보상 통해 정면으로 재배치한 영상을 Multiple Point Signature기법을 이용하여 얼굴의 깊이 데이터를 추출한다. 추출된 깊이 데이터를 RBFNN과 SVM의 입력패턴과 출력으로 선정하여 모델을 설계한다. 각 모델의 효율적인 학습을 위해 PCA 알고리즘을 이용하여 고차원의 패턴을 축소하여 모델을 설계하고 인식 성능을 비교 및 확인한다.

• Journal of Korean Society of Transportation
• /
• v.17 no.2
• /
• pp.137-147
• /
• 1999

This paper studies on the optimal bus network design in the framework of the set covering theory. The theory enables to cover passenger's loading and alighting areas as the set, and maximize the covering set as much as possible. In other words, it calculates the minimal set of the bus routes for covering whole bus passengers demand. After the optimal set of the bus routes is generated by the set covering theory, multimodal traffic equilibrium assignment is used for evaluating the generated set in terms of passenger's mode and route choice behavior. Whilst most previous works on it have been based on analyzing a specific route in a limited area, this study seeks to optimize the whole bus network.

• Proceedings of the Korea Contents Association Conference
• /
• 2007.11a
• /
• pp.217-220
• /
• 2007

LLE(Locally Linear Embedding) has been proposed to compute low dimensional, neighborhood preserving embeddings of high dimensional data. Here, we should perform whole processes of LLE when untrained patterns are presented. In this paper, we propose a training of MLPs(Multilayer Perceptrons) to perform the mapping of LLE from high dimensional data to low dimensional ones.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.458-460
• /
• 1998

본 논문은 주성분 분석으로 시점 기반 고유얼굴(view-based eigenface)을 생성하고, 그에 기반한 얼굴 인식을 수행하고자 한다. 주성분 분석을 통한 고유얼굴 생성은 얼굴 인식의 어려운 문제 중 하나인 특징 선택과 추출이라는 문제를 해결해 준다. 또한 얼굴 표정이나 방향의 변화에도 인식률이 저하되는 것을 방지할 수 있다. 얼굴 영상을 특징공간(고유공간)으로 변환할 때, 원 얼굴영상의 정보를 최대한으로 나타낼 수 있는 최적의 고유치 개수 선택은 얼굴 데이터베이스의 크기와 인식 속도에 영향을 끼친다. 따라서 본 논문에서는 고유치 개수를 고유치의 누적기여율을 이용해서 구한다. 이는 64$\times$64(=4096)차원의 원 얼굴 영상을 5~7차원으로 표현 가능하게 하였다. 그리고, 각 얼굴 방향에 따라 특징공간을 분리해서 생성함으로써 얼굴 방향의 변화에 따라 오인식률을 줄였다. 축소된 차원과 분리된 특징공간은 메모리 사용과 인식속도의 향상에 기여한다. 본 논문에서 얼굴의 인식은 Mahalanobis distance와 재구성 오차율을 고려해서 이루어졌다. 실험은 개인당 세가지 다른 방향을 가지는 얼굴 영상을 이용하여 이루어졌고, 실험결과, 약 93%의 인식률을 보여주었다.

• Proceedings of the Korean Society of Propulsion Engineers Conference
• /
• 2011.11a
• /
• pp.321-324
• /
• 2011

A computational analysis of nozzle flow characteristics and plume structure using Reynolds-averaged Navier-Stokes equations with $k-{\omega}$ SST turbulence model was conducted to examine performance of the supersonic nozzle employed in a small liquid-rocket engine for ground firing test. Computed results and experimental outcome of 2-D converging-diverging nozzle flow were compared for verifying the computational capability as well as the turbulence model validity. Numerical computations of 2-D axisymmetric nozzle flow was carried out with the selected model. As a result, flow separation with backflow appeared around the nozzle exit. This investigation was reported as a background data for the optimal nozzle design of small liquid-propellant rocket engine for ground test.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1345-1346
• /
• 2015

본 논문에서는 보행자 및 배경 이미지로부터 HOG-PCA 특징을 추출하고 다항식 기반 RBFNNs(Radial Basis Function Neural Network) 패턴분류기과 최적화 알고리즘을 이용하여 보행자를 검출하는 시스템 설계를 제안한다. 입력 영상으로부터 보행자를 검출하기 위해 전처리 과정에서 HOG(Histogram of oriented gradient) 알고리즘을 통해 특징을 추출한다. 추출된 특징은 고차원이므로 패턴분류기 분류 시 많은 연산과 처리속도가 따른다. 이를 개선하고자 PCA (Principal Components Analysis)을 사용하여 저차원으로의 차원 축소한다. 본 논문에서 제안하는 분류기는 pRBFNNs 패턴분류기의 효율적인 학습을 위해 최적화 알고리즘인 PSO(Particle Swarm Optimization)을 사용하여 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시킨다. 사용된 데이터로는 보행자 검출에 널리 사용되는 INRIA2005_person data set에서 보행자와 배경 영상을 각각 1200장을 학습 데이터, 검증 데이터로 구성하여 분류기를 설계하고 테스트 이미지를 설계된 최적의 분류기를 이용하여 보행자를 검출하고 검출률을 확인한다.

• Journal of the Korean Society of Propulsion Engineers
• /
• v.17 no.1
• /
• pp.18-25
• /
• 2013

Assessment and validation of RANS turbulence models are conducted for the optimal analysis of supersonic converging-diverging nozzle through the comparison between computational results and experimental data. One/two equation turbulence closures such as Spalart-Allmaras, RNG k-${\varepsilon}$, and k-${\omega}$ SST are employed to simulate the two-dimensional nozzle flow. Computational results with the turbulence models mentioned fairly well predict shock structure of the nozzle-inside and pressure distribution along the wall. Especially, SST model among the employed ones shows the best agreement to experimental results.