• Journal of Korea Multimedia Society
• /
• v.17 no.3
• /
• pp.312-323
• /
• 2014

Voice activity detection is very important process that find voice activity from noisy speech signal for noise cancelling and speech enhancement. Over the past few years, many studies have been made on voice activity detection, it has poor performance for speech signal of sentence form in a low SNR environment. In this paper, it proposed new voice activity detection algorithm that has beginning VAD process using entropy and main VAD process using fuzzy membership shifted c-means clustering. We conduct an experiment in various SNR environment of white noise to evaluate performance of the proposed algorithm and confirmed good performance of the proposed algorithm.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.490-490
• /
• 2022

국내 대하천 및 중·소규모 하천의 홍수터 공간을 활용하여 체육시설 및 공원 등과 같은 친수 시설물을 조성하여 친수공간으로 활용하고 있으며, 시민들의 친수활동 빈도는 증가추세에 있다. 특히 하천 내에서 수상 레크레이션 활동 등과 같은 다양한 친수활동이 증가하고 있으며, 하천친수에 관한 정보 수요가 급증하고 있으나 체계적인 공급은 미흡한 수준이다. 따라서 본 연구에서는 친수공간 조성 및 유지관리에 대한 측면과 친수공간에서의 쾌적한 친수활동을 위한 정보제공 목적으로 하천 친수공간에서의 복합모니터링을 이용한 친수활동 종합지수를 산정 방법을 개발하고자 하였다. 센서 기반의 시계열 데이터 구축을 위해 하천 수질, 수리인자의 복합모니터링을 진행하였다. 수리인자(수위, 유속, 수면폭 등)와 수질인자(탁도, Chl-a, pH 등), 기상학적 인자(자외선 지수, 미세먼지 등) 등급에 따른 허용기준을 설정하여 각 등급 별로 수리인자의 값을 0~1 사이 값인 소속도로 변환하여 소속도의 합성 및 친수활동 등급을 결정하였다. 최종적으로 수리, 수질, 기상 인자별 소속도 함수 산정을 통한 퍼지합성 이론 기반의 친수활동 종합지수를 산정하였다. 그리고 친수활동 종합지수를 예보하기 위한 모델 적용을 위한 방향성을 정립하였다.

• Annual Conference on Human and Language Technology
• /
• 1993.10a
• /
• pp.593-603
• /
• 1993

본 논문은 퍼지 망(Fuzzy Network)외 개념을 도입하여 한국어 단어의 품사 태깅에 관한 새로운 모델을 제시하고자 한다. 한국어 단어의 품사 태깅이란 여러 개의 품사를 가진 단어가 한국어 문장 속에 나타났을 때, 단어의 품사를 올바르게 결정하는 것이다. 여기서 가장 기본적인 문제는 여러 가지의 태그를 포함하고 있는 단어들의 나열을 어떻게 퍼지 망으로 표현하는가 하는 문제이다. 본 논문에서는 한국어 품사를 태깅할 때 사용한 퍼지 망을 정점(vertex)으로 단어 품사의 퍼지 집합을 표현하고, 연결선(edge)으로 품사와 품사간의 퍼지관계를 표현한다. 일단 퍼지망으로 표현되면, 퍼지망에서의 최적의 경로를 찾는 문제와 동일하게 풀 수 있다. 일반적으로 퍼지 망에서 최적의 경로를 찾는 문제는 dynamic programming 방법에 의해서 효과적으로 해결할 수 있다. 약 2만 6천개의 형태소를 실험 데이타로 하여 실험한 결과, 전체적인 품사 태깅 정확률은 95.6%로 비교적 좋은 결과를 보였다. 앞으로 좀 더 세분화된 태그 집합과 정확히 태깅된 실험 데이타로부터 추출된 소속함수를 이용한다면, 더 좋은 결과를 기대할 수 있다.