• 전기학회논문지
• /
• 제61권9호
• /
• pp.1336-1339
• /
• 2012

In this paper, we focus on solving the classification problem by using semisupervised learning strategy. Traditional classifiers are constructed based on labeled data in supervised learning. Labeled data, however, are often difficult, expensive or time consuming to obtain, as they require the efforts of experienced human annotators. Unlabeled data are significantly easier to obtain without human efforts. Thus, we use AdaBoost algorithm with SVM-KNN classifier to apply semisupervised learning problem and improve the classifier performance. Experimental results on both artificial and UCI data sets show that the proposed methodology can reduce the error rate.

• 한국항행학회논문지
• /
• 제17권2호
• /
• pp.247-254
• /
• 2013

본 논문에서는 키넥트 센서를 이용한 AdaBoost 기반 제스처 인식에 관한 알고리즘을 제안한다. 최근 스마트 TV에 대한 보급으로 관련 산업이 주목받고 있다. 기존 리모컨을 이용하여 TV를 컨트롤 하던 시대에서 벗어나 제스처를 이용하여 TV를 컨트롤 할 수 있는 새로운 접근을 제안한다. AdaBoost 학습 모델에 신체 정규화 된 시간 간격 특징 벡터의 집합을 특징 패턴으로 하여, 속도가 다른 동작들을 인식할 수 있도록 하였다. 또한 속도가 다른 다양한 제스처를 인식하기 위해 다중 AdaBoost 알고리즘을 적용하였다. 제안된 알고리즘을 실제 동영상 플레이어와 연결하여 적용하였고, 실험 후 좌표 변화를 이용한 알고리즘에 비해 정확도가 향상되었음을 확인하였다.

• ETRI Journal
• /
• 제32권5호
• /
• pp.761-765
• /
• 2010

In this paper, we introduce an improved adaptive boosting (AdaBoost) classifier and its application, a disguised-face discriminator that discriminates between bare and disguised faces. The proposed classifier is based on an AdaBoost learning algorithm and regression technique. In the process, the lookup table of AdaBoost learning is utilized. The proposed method is verified on the captured images under several real environments. Experimental results and analysis show the proposed method has a higher and faster performance than other well-known methods.

• ETRI Journal
• /
• 제31권3호
• /
• pp.282-291
• /
• 2009

An online mean-shift object tracking algorithm, which consists of a learning stage and an estimation stage, is proposed in this work. The learning stage selects the features for tracking, and the estimation stage composes a likelihood image and applies the mean shift algorithm to it to track an object. The tracking performance depends on the quality of the likelihood image. We propose two schemes to generate and integrate likelihood images: one based on the discrete AdaBoost (DAB) and the other based on the real AdaBoost (RAB). The DAB scheme uses tuned feature values, whereas RAB estimates class probabilities, to select the features and generate the likelihood images. Experiment results show that the proposed algorithm provides more accurate and reliable tracking results than the conventional mean shift tracking algorithms.

• 한국지능시스템학회논문지
• /
• 제23권2호
• /
• pp.166-171
• /
• 2013

The method proposed in this paper can improve the performance of the Boosting algorithm in machine learning. The proposed Boundary AdaBoost algorithm can make up for the weak points of Normal binary classifier using threshold boundary concepts. The new proposed boundary can be located near the threshold of the binary classifier. The proposed algorithm improves classification in areas where Normal binary classifier is weak. Thus, the optimal boundary final classifier can decrease error rates classified with more reasonable features. Finally, this paper derives the new algorithm's optimal solution, and it demonstrates how classifier accuracy can be improved using the proposed Boundary AdaBoost in a simulation experiment of pedestrian detection using 10-fold cross validation.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제12권2호
• /
• pp.143-148
• /
• 2012

This paper proposes a new method to improve performance of AdaBoost by using a distance weight function to increase the accuracy of its machine learning processes. The proposed distance weight algorithm improves classification in areas where the original binary classifier is weak. This paper derives the new algorithm's optimal solution, and it demonstrates how classifier accuracy can be improved using the proposed Distance Sensitive AdaBoost in a simulation experiment of pedestrian detection.

• 한국ITS학회 논문지
• /
• 제13권1호
• /
• pp.53-60
• /
• 2014

차량과 같이 넓은 범위를 이동하는 환경에서 무선 인터넷 서비스를 사용할 때, 불필요하게 발생하는 핸드오버는 서비스 품질 저하의 주된 요인이다. 본 논문에서는 차량이 일정한 이동패턴을 갖고 있을 때, 핸드오버 빈도를 줄일 수 있는 방안을 제시한다. 차량의 이동 패턴을 Discrete-Time Markov Chain (DTMC)으로 모델링하고, AdaBoost 기법을 이용하여, 각 셀 내의 체류시간과 평균 신호의 세기를 저장하고 분석하여 핸드오버 시, 적합한 목적지 셀을 정하도록 한다. 제안한 방안의 검증을 위해, 서울 시내버스 노선들을 기반으로 성능 평가를 수행하였으며, 결과로 기존의 핸드오버 기법보다 핸드오버의 빈도를 줄이며, 평균 처리율 (throughput)은 비슷한 레벨로 유지할 수 있었다.

• 지적과 국토정보
• /
• 제49권1호
• /
• pp.65-84
• /
• 2019

본 연구의 목적은 기계학습 알고리즘을 이용하여 주택모기지 금리에 대한 시민들의 감정을 예측하는 것이었다. 연구목적을 달성하기 위해 본 연구는 관련문헌을 검토한 다음 두개의 연구 질문을 설정하였다. 또한 연구 질문에 대한 답을 구하기 위해 본 연구는 Akman의 분류에 따라 감정을 분류 한 다음 여섯 가지 기계학습 알고리즘을 이용하여 모기지 금리에 대한 시민들의 감정을 예측하였다. 분석결과 AdaBoost가 모든 평가범주에서 가장 우수한 분류기로 확인되었다. 그러나 Naive Bayes의 성능수준은 다른 분류기들의 성능수준보다 낮은 것으로 밝혀졌다. 또한 본 연구는 어느 분류기가 각 감정범주를 잘 예측해주는지를 파악하기 위해 ROC 분석을 실시하였다. 분석결과, AdaBoost가 모든 감정범주에서 주택모기지 금리에 대한 주민들의 감정을 가장 잘 예측해주는 것으로 확인되었다. 그러나 슬픔범주에서 여섯 가지 알고리즘의 성능수준은 다른 감정범주보다 훨씬 낮게 나타났다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권4호
• /
• pp.270-277
• /
• 2002

문서 여과 문제 (text filtering)는 어떤 문서가 특정한 주제에 속하는지의 여부를 판별하는 문제이다. 인터넷과 웹이 널리 퍼지고 이메일로 전송되는 문서의 양이 폭발적으로 증가함에 따라 문서 여과의 중요성도 따라서 증가하고 있는 추세이다. 이 논문에서는 새로운 학습 방법인 에이다부스트 학습 방법을 문서 여과 문제에 적용하여 기존의 방법들보다 우수한 분류 결과를 나타내는 문서 여과 시스템을 생성하고자 한다. 에이다 부스트는 간단한 가설의 집합을 생성하고 묶는 기법인데, 이 때 각각의 가설들은 문서가 특정 단어를 포함하고 있는지 검사하여 이에 따라 문서의 적합성을 판별한다. 먼저 최종 여과 시스템을 구성하는 각 가설의 출력이 1 또는 -1이 되는 이진 가설을 사용하는 기존의 에이다부스트 알고리즘에서 출발하여 좀 더 최근에 제안된 확신 정도 (실수값)를 출력하는 가설을 이용하는 에이다부스트 알고리즘을 적용함으로써 오류 감소 속도와 최종 오류율을 개선하고자 하였다. 또 각 데이타에 대한 초기 가중치를 연속 포아송 분포에 따라 임의로 부여하여 여러 번의 부스팅을 수행한 후 그 결과를 결합하는 방법을 사용함으로써 적은 학습 데이타로 인해 발생하는 과도학습의 문제를 완화하고자 하였다. 실험 데이터로는 TREC-8 필터링 트랙 데이타셋을 사용하였다. 이 데이타셋은 1992년도부터 1994년도 사이의 파이낸셜 타임스 기사로 이루어져 있다. 실험 결과, 실수값을 출력하는 가설을 사용했을 때 이진값을 갖는 가설을 사용했을 때 보다 좋은 결과를 보였고 임의 가중치를 사용하여 여러번 부스팅을 하는 방법이 더욱 향상된 성능을 나타내었다. 다른 TREC 참가자들과의 비교결과도 제시한다.

• 한국멀티미디어학회논문지
• /
• 제15권5호
• /
• pp.606-614
• /
• 2012

AdaBoost 알고리즘을 이용한 얼굴 검출 방법은 가장 빠르고 신뢰성 있는 얼굴 검출 알고리즘의 하나로 이를 향상하거나 확장한 많은 알고리즘들이 제안되었다. 그러나 이전의 접근들은 대부분 정면 얼굴만을 다루고 있고 AdaBoot 알고리즘을 정면과 기울어진 얼굴에 동일한 특징으로 적용함으로써 기울어진 얼굴에 대한 분별 성능이 제한적이었다. 또한 회전된 얼굴을 검출하기 위하여 입력된 영상을 회전하여 정면 얼굴 검출 방법을 적용하거나 회전된 각도에 따라 다른 검출기를 적용하는 기존 기법들은 연산량이 많고 검출률이 저하되는 문제를 가지고 있다. 본 논문에서는 이러한 문제를 극복하기 위해 JointBoost를 이용한 기울어진 얼굴 검출 방법을 제안한다. JointBoost를 통해 클래스간의 공유된 feature들를 찾음으로써 연산량과 샘플 복잡도를 감소시켰다. 실험 결과를 통해 제안된 방법의 검출률이 동일한 반복 횟수를 가지는 학습에서 기존의 AdaBoost 기법에 비해 2% 이상 우수함을 보인다. 또한 제안된 방법은 얼굴의 존재를 검출할 뿐만 아니라 기울어진 방향에 대한 정보도 제공할 수 있다.