• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2008년도 하계학술발표대회 논문집
• /
• pp.36-41
• /
• 2008

Fault detection and diagnosis(FDD) system is beneficial in equipment management by providing the operator with tools which can help find out a failure of the system. An experimental study has been performed on fault detection and diagnosis method for a water chiller. Bayes classifier, which is one of classical pattern classifiers, is adopted in deciding whether fault occurred or not. FDD algorithm can detect refrigerant leak failure, when 20% amount of charged refrigerant for normal operation leaks from the water chiller. The refrigerant leak failure caused COP reduction by 6.7% compared with normal operation performance. When two kinds of faults, such as a decrease in the mass flow rate of cooling water and temperature sensor fault of cooling water inlet, are detected, COP is a little decreased by these faults.

• 대한상한금궤의학회지
• /
• 제14권1호
• /
• pp.41-50
• /
• 2022

Objective : The purpose of this study is to explore the most suitable machine learning model algorithm for Shanghanlun diagnostic system classification using natural language processing (NLP). Methods : A total of 201 data items were collected from 『Shanghanlun』 and 『Clinical Shanghanlun』, 'Taeyangbyeong-gyeolhyung' and 'Eumyangyeokchahunobokbyeong' were excluded to prevent oversampling or undersampling. Data were pretreated using a twitter Korean tokenizer and trained by logistic regression, ridge regression, lasso regression, naive bayes classifier, decision tree, and random forest algorithms. The accuracy of the models were compared. Results : As a result of machine learning, ridge regression and naive Bayes classifier showed an accuracy of 0.843, logistic regression and random forest showed an accuracy of 0.804, and decision tree showed an accuracy of 0.745, while lasso regression showed an accuracy of 0.608. Conclusions : Ridge regression and naive Bayes classifier are suitable NLP machine learning models for the Shanghanlun diagnostic system classification.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.242-245
• /
• 2015

최근 디지털 경제의 확산으로 대규모의 데이터들이 생성되는 빅데이터 시대가 도래하고 있다. 이러한 빅데이터에서 비정형 데이터 중에서 기술문서, 기밀문서, 허위정보문서 등 유출 시 심각한 문제가 발생하는 텍스트 문서들이 존재한다. 이러한 문제를 방지하기 위해 비정형 텍스트 문서를 분류하고 처리하는 기술의 필요성이 크게 증가하고 있다. 본 논문에서는 TF-IDF와 $Na{\ddot{i}}ve$ Bayes 문서 분류 기법을 이용하여 비정형 텍스트 문서들을 정확하게 분류하는 기법을 제안한다. 제안된 기법의 성능평가를 위해서 파이썬 라이브러리의 TF-IDF와 $Na{\ddot{i}}ve$ Bayes 분류 기능을 활용하여 문서 분류기를 구현한다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제6권1호
• /
• pp.18-20
• /
• 2017

In this paper, we propose a new classification method to complement a $na{\ddot{i}}ve$ Bayesian classifier. This classifier assumes data distribution to be Gaussian, finds the discriminant function, and derives the decision curve. However, this method does not investigate finding the decision curve in much detail, and there are some minor problems that arise in finding an accurate discriminant function. Our findings also show that this method could produce errors when finding the decision curve. The aim of this study has therefore been to investigate existing problems and suggest a more reliable classification method. To do this, we utilize the gradient to find the decision curve. We then compare/analyze our algorithm with the $na{\ddot{i}}ve$ Bayesian method. Performance evaluation indicates that the average accuracy of our classification method is about 10% higher than $na{\ddot{i}}ve$ Bayes.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권1호
• /
• pp.95-99
• /
• 2010

소셜 미디어(social media)는 블로그, 소셜 네트워크, 위키 등과 같이 사용자의 참여로 만들어지는 정보 컨텐츠이다. 사용자가 작성한 질문에 다른 사용자들이 답변을하는 질문-답변 커뮤니티 서비스도 이러한 소셜 미디어의 한 가지로서 지난 몇 년간 많은 양의 정보를 축적해왔다. 하지만 축적된 질문-답변의 양이 많아질수록 이전의 질문을 정확히 검색하는 것은 점점 어려운 작업이 되고 있다. 본 논문에서는 질문-답변 커뮤니티의 효율적인 정보 검색을 위해 확장된 나이브 베이즈 분류기(Na$\ddot{i}$ve Bayes classifier)를 이용하여 질문을 그 목적에 따라 정보형, 제안형, 의견형으로 자동 분류하는 기법을 제안한다. 정확한 분류를 위해 분류기는 질문-답변 문서의 구조적인 특징을 활용한다. 실제 질문-답변 커뮤니티의 질문들에 대해 실험을 수행한 결과 71.2%의 분류 정확도를 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.551-553
• /
• 1999

This paper explores the utility of a new classifier fusion approach to discrimination. Multiple classifier fusion, a popular approach in the field of pattern recognition, uses estimates of each individual classifier's local accuracy on training data sets. In this paper we investigate the effectiveness of fusion methods compared to individual algorithms, including the artificial neural network and k-nearest neighbor techniques. Moreover, we propose an efficient meta-classifier architecture based on an approximation of the posterior Bayes probabilities for learning the oracle.

• Journal of Information Science Theory and Practice
• /
• 제2권3호
• /
• pp.29-39
• /
• 2014

In recent years, several studies have proposed making use of the Twitter micro-blogging service to track various trends in online media and discussion. In this study, we specifically examine the use of Twitter to track discussions of food safety in the Korean language. Given the irregularity of keyword use in most tweets, we focus on optimistic machine-learning and feature set selection to classify collected tweets. We build the classifier model using Naive Bayes & Naive Bayes Multinomial, Support Vector Machine, and Decision Tree Algorithms, all of which show good performance. To select an optimum feature set, we construct a basic feature set as a standard for performance comparison, so that further test feature sets can be evaluated. Experiments show that precision and F-measure performance are best when using a Naive Bayes Multinomial classifier model with a test feature set defined by extracting Substantive, Predicate, Modifier, and Interjection parts of speech.

• 한국정보처리학회논문지
• /
• 제4권2호
• /
• pp.456-464
• /
• 1997

본 논문에서는 클래스내부와 클래스간의를 확정하게 제어할 수 있는 랜덤 프로세스 모델을 제어하는 프리세스 내부의 파라메다들을 변화시키며, 프로세스간의 통계적인 차이와 랜덤 잡음을 변화시켜 학습을 위한 패턴들을 생성한다. 이 랜덤 프로세스 모델에서 생성된 패턴들을 이용하여 역전파알고리즘으로 학습된 다단 신경망의 성능 성능을 평가한다. 평가 실험결과는 패턴 분류문제에서 일반화된 통계적인 거리가 분류문제의 난이도에 대한 좋은 예측기가 되는 것을 보여 준다. 또한 본 논문에서는 다단신경망의 성능과 베이스패턴분류기의 성능을 비교하기 위하여 베이스분류기의 이론적인 성능분석과 모의실험을 통한 평가를 하였다. 다단신경망의 분류성능이 이론적인 성능과 실헝치와 매우 근사하며 그 두 성능 중간에 위치함을 발견하였다.

• 설비공학논문집
• /
• 제20권7호
• /
• pp.508-516
• /
• 2008

Fault detection and diagnosis(FDD) system is beneficial in equipment management by providing the operator with tools which can help find out a failure of the system. An experimental study has been performed on fault detection and diagnosis method for a water chiller. Bayes classifier, which is one of classical pattern classifiers, is adopted in deciding whether fault occurred or not. Failure modes in this study include refrigerant leakage, decrease in mass flow rate of the chilled water and cooling water, and sensor error of the cooling water inlet temperature. It is possible to detect and diagnose faults in this study by adopting FDD algorithm using only four parameters(compressor outlet temperature, chilled water inlet temperature, cooling water outlet temperature and compressor power consumption). Refrigerant leakage failure is detected at 20% of refrigerant leakage. When mass flow rate of the chilled and cooling water decrease more than 8% or 12%, FDD algorithm can detect the faults. The deviation of temperature sensor over $0.6^{\circ}C$ can be detected as fault.

• 한국가스학회지
• /
• 제19권2호
• /
• pp.45-53
• /
• 2015

외관검사공정의 성능을 개선하기 위하여 기존의 자동외관검사장비 및 인간검사원에 추가하여 새로이 나이브 베이즈 분류기를 이용한 공정 구성을 개발하였다. 나이브 베이즈 분류기를 공정에 적용함으로써 불량의 유출 및 인간검사원의 작업량을 동시에 개선할 수 있다. 이때 분류기의 판정기준으로 기존의 MAP 방법 대신 AMPB 방법을 제안하여 적용하였다. 카메라모듈 용 필터 제품을 이용한 실험 결과 유출율 1.14%, 인간검사원 작업량 비율 75.5% 수준에서 공정을 구성하는 것이 가능함을 확인할 수 있었다. 본 연구의 결과는 검사 장비 및 인간이 협업을 하여 수행하는 타 공정 - 가스 누출 탐지 - 등에도 적용될 수 있다는 것에 넓은 범위에서의 의의가 있다.