• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1857_1858
• /
• 2009

본 논문에서는 PCA와 입자 군집 최적화 알고리즘을 이용한 얼굴이미지에서 특징선택 방법에 대하여 제안한다. 2차원 얼굴이미지의 히스토그램 분표값에서 정규화합 연산을 이용한 히스토그램 평활화 기법을 거쳐 대비효과를 주어 화질을 개선시켜 준다. PCA는 2차원 얼굴이미지를 이용하여 공분산 행렬을 구한 후 그것의 고유값에 따른 고유벡터를 구하여 얼굴인식에 사용될 특징 벡터들을 추출한다. 또한 추출된 특징벡터 중에서 얼굴인식 성능에 중요한 요소가 되는 특징 벡터들을 입자 군집 최적화 알고리즘을 이용하여 최적화한다. 다항식 기반 RBF 신경회로망을 사용하여 얼굴인식 성능을 평가한다. 본 논문에서 제안된 방법을 통해 최적화된 특징벡터와 얼굴인식률과의 관계를 알 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.592-594
• /
• 2003

이 논문에서는 wavelet과 sobel filter를 사용하여 영상의 객관적인 평가 점수를 계산하는 새로운 기법을 제안한다. 이 기법은 orthogonal wavelet 변환을 기초로 하고 있으며 원본 영상과 처리된 영상 데이터가 모두 가용하다는 것을 전제로 한다. Wavelet을 이용해 주파수에 따라 분할된 영상 정보를 이용해 각각의 부영역 별 차영상을 획득하고 이 획득된 영상의 에너지를 이용해 화질 평가 수치를 계산한다. 부영역 별로 획득된 영상은 일정한 크기의 블록으로 분할되어 동일한 블록 내에서 가용한 영상의 특징에 관한 정보(contrast, edge 영역의 분포 정도) 벡터와 내적하여 새로운 특징 벡터로 사용되고, 이 특징 벡터의 가중치를 최적화하여 높은 상관도의 화질평가 점수를 산출하게 된다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.37 no.2
• /
• pp.39-49
• /
• 2000

In this paper, we propose an optimizing feature extraction method for multiclass problems assuming normal distributions. Initially, We start with an arbitrary feature vector Assuming that the feature vector is used for classification, we compute the classification error Then we move the feature vector slightly in the direction so that classification error decreases most rapidly This can be done by taking gradient We propose two search methods, sequential search and global search In the sequential search, an additional feature vector is selected so that it provides the best accuracy along with the already chosen feature vectors In the global search, we are not constrained to use the chosen feature vectors Experimental results show that the proposed algorithm provides a favorable performance.

• Proceedings of the IEEK Conference
• /
• 2003.07e
• /
• pp.1936-1939
• /
• 2003

본 논문에서는 최소 계승 선형 예측 방식의 에지 방향성을 이용하여 공간영역에서의 다양한 움직임 벡터 예측기를 적응적으로 설정하는 방식을 제안하고자 한다. 적응 움직임 예측 방식은 동영상 움직임 벡터가 국부 통계적인 특성의 돌연한 변화로 특징지어진다는 것을 바탕으로 예측기를 움직임 벡터의 통계적인 특성에 따라 전환하는 방식이다 본 논문에서 사용된 최소 계승 예측 방식은 움직임 벡터의 다양한 통계적 특성을 이용하여 국부적으로 움직임 벡터 예측 계수를 최적화하지만 최적화 과정에서 매우 큰 계산량을 갖게 됨으로 실제적으로 적용하기가 어려웠다. 그러므로 본 논문에서는 최소 계승 예측 방식을 에지 방향성의 관점에서 재해석하여 적응적으로 움직임 벡터 예측기를 개선하므로 계산량을 줄이면서 일정한 성능을 유지함을 확인 할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2002.11a
• /
• pp.45-48
• /
• 2002

본 논문에서는 최소 계승 선형 예측 방식의 에지 방향성을 이용하여 공간영역에서의 다양한 움직임 벡터 예측기를 적응적으로 설정하는 방식을 제안하고자 한다. 적응 움직임 예측 방식은 동영상 움직임 벡터가 국부 통계적인 특성의 돌연한 변화로 특징지어진다는 것을 바탕으로 예측기를 움직임 벡터의 통계적인 특성에 따라 전환하는 방식이다. 본 논문에서 사용된 최소 계승 예측 방식은 움직임 벡터의 다양한 통계적 특성을 이용하여 국부적으로 움직임 벡터 예측 계수를 최적화 하지만 최적화 과정에서 매우 큰 계산량을 갖게 됨으로 실제적으로 적용하기가 어려웠다. 그러므로 본 논문에서는 최소 계승 예측 방식을 에지 방향성의 관점에서 재해석하여 적응적으로 움직임 벡터 예측기를 개선하므로 계산량을 줄이면서 일정한 성능을 유지함을 확인 할 수 있었다.

• The Journal of the Acoustical Society of Korea
• /
• v.28 no.5
• /
• pp.471-476
• /
• 2009

In this paper, we apply a discriminative weight training to a support vector machine (SVM) based speech/music classification for the selectable mode vocoder (SMV) of 3GPP2. In our approach, the speech/music decision rule is expressed as the SVM discriminant function by incorporating optimally weighted features of the SMV based on a minimum classification error (MCE) method which is different from the previous work in that different weights are assigned to each the feature of SMV. The performance of the proposed approach is evaluated under various conditions and yields better results compared with the conventional scheme in the SVM.

• The Journal of the Acoustical Society of Korea
• /
• v.22 no.1
• /
• pp.35-41
• /
• 2003

Feature vectors for conventional speech recognition are usually extracted in full frequency band. Therefore, each sub-band contributes equally to final speech recognition results. In this paper, feature Teeters are extracted indepedently in each sub-band. The cepstral resolution of each sub-band feature is controlled for the optimal speech recognition. For this purpose, different dimension of each sub-band ceptral vectors are extracted based on the multi-band approach, which extracts feature vector independently for each sub-band. Speech recognition rates and clustering quality are suggested as the criteria for finding the optimal combination of sub-band Teeter dimension. In the connected digit recognition experiments using TIDIGITS database, the proposed method gave string accuracy of 99.125%, 99.775% percent correct, and 99.705% percent accuracy, which is 38%, 32% and 37% error rate reduction relative to baseline full-band feature vector, respectively.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2016.11a
• /
• pp.304-306
• /
• 2016

본 논문에서는 기계학습 방법에 기반을 둔 119 긴급 신고 전화 전사 데이터에 대한 구급, 구조, 화재 상황 분류 알고리즘을 개발하였다. 신고전화에서 빈번하게 발생하는 비정형 발화 패턴을 효율적으로 정규화하고 자연어 문장 처리 기법에서 일반적으로 사용하는 방법을 적용하여 신고전화 텍스트 데이터를 기계학습에서 사용할 수 있는 특징 벡터로 재구성하였다. 2743개의 신고전화에 대해 선형 서포트 벡터 머신을 이용하여 상황 분류를 수행한 결과, 92% 의 정확도를 얻을 수 있었다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.46 no.4
• /
• pp.76-81
• /
• 2009

We propose an effective emotion recognition algorithm based on the minimum classification error (MCE) incorporating multi-modal system The emotion recognition is performed based on a Gaussian mixture model (GMM) based on MCE method employing on log-likelihood. In particular, the reposed technique is based on the fusion of feature vectors based on voice signal and galvanic skin response (GSR) from the body sensor. The experimental results indicate that performance of the proposal approach based on MCE incorporating the multi-modal system outperforms the conventional approach.

• Journal of the Korea Society for Simulation
• /
• v.18 no.1
• /
• pp.17-25
• /
• 2009

This paper suggests fuzzy-based Segment-Boost method and an effective method for face recognition using the fuzzy-based Segment-Boost. Fuzzy-based Segment-Boost eliminates the limitations of Segment-Boost, and it guarantees improved learning performance and the stability of the performance. By using the fuzzy theory, fuzzy-based Segment-Boost optimizes the selection number of sub-vectors, and leads the optimized learning performance. The fuzzy controller designed in this paper measures learning performance of the fuzzy-based Segment-Boost, and it controls the selection number of sub-vectors by inferring the optimized selection number. The simulation results show that the fuzzy controller inferred the selection number which is very approximate to the true optimized value. As a result, fuzzy-based Segment-Boost showed higher face recognition rate than compared boosting methods and it preserves the velocity of feature selection as fast as that of Segment-Boost. From the experimental results, it was proved that fuzzy-based Segment-Boost has improved and stable performances of learning, feature selection and face recognition.