• International Journal of Advanced Culture Technology
• /
• 제4권2호
• /
• pp.38-42
• /
• 2016

In the growing data saturated world, the question of "whether data can be used" has shifted to "can it be utilized effectively?" More data is being generated and utilized than ever before. As the collection of data increases, data mining techniques also must become more and more accurate. Thus, to ensure this data is effectively utilized, the analysis of the data must be efficient. Interpretation of results from the analysis of the data set presented, have their own on the basis it is possible to obtain the desired data. In the data mining method a decision tree, clustering, there is such a relationship has not yet been fully developed algorithm actually still impact of various factors. In this experiment, the classification method of data mining techniques is used with easy decision tree. Also, it is used special technology of one R and J48 classification technique in the decision tree. After selecting a rule that a small error in the "one rule" in one R classification, to create one of the rules of the prediction data, it is simple and accurate classification algorithm. To create a rule for the prediction, we make up a frequency table of each prediction of the goal. This is then displayed by creating rules with one R, state-of-the-art, classification algorithm while creating a simple rule to be interpreted by the researcher. While the following can be correctly classified the pattern specified in the classification J48, using the concept of a simple decision tree information theory for configuring information theory. To compare the one R algorithm, it can be analyzed error rate and accuracy. One R and J48 are generally frequently used two classifications${\ldots}$

• 한국정보통신학회논문지
• /
• 제16권5호
• /
• pp.892-898
• /
• 2012

많은 문자인식 문제에서 인식 속도를 높이기 위하여 대분류 방법이 사용된다. 이 경우 처음에 부류를 잘못 선택하면 대분류에 의해 돌이킬 수 없는 오류가 발생한다. 이러한 위험을 줄이기 위하여 각 모델을 여러 부류에 중복시키는 방법이 사용되지만, 이 또한 대분류 오류를 완전히 배제할 수는 없다. 본 논문에서는 오류를 증가시키지 않으면서도 전체 모델 중 일부를 선택적으로 정합함으로써 인식 속도를 높이기 위한 방법을 제안한다. 이 방법은 모델간의 유사도를 이용하여 그래프를 구성하고, 이 그래프 상에서 특정 모델을 시점으로 그래프 탐색을 진행함으로써, 입력 패턴과 유사도가 떨어지는 모델들과의 불필요한 정합을 줄인다. 본 논문에서는 이 방법을 숫자와 영어 대소문자를 대상으로 하는 온라인 필기 문자 인식 문제에 적용하였다. 실험에서 입력 패턴을 모든 모델과 정합하는 기본적인 방법과 제안하는 방법을 비교해 보았다. 그 결과 모델 그래프의 진출 차수와 탐색 과정에서 유지하는 후보의 개수를 적절히 조절함으로써 기본적인 방법과 동일한 인식률을 얻었으며, 인식 속도는 2.45배의 증가를 보였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.713-716
• /
• 2005

In this paper, in order to identify and recognize attack patterns, we propose a Bayesian classification using frequent patterns. In theory, Bayesian classifiers guarantee the minimum error rate compared to all other classifiers. However, in practice this is not always the case owing to inaccuracies in the unrealistic assumption{ class conditional independence) made for its use. Our method addresses the problem of attribute dependence by discovering frequent patterns. It generates frequent patterns using an efficient FP-growth approach. Since the volume of patterns produced can be large, we propose a pruning technique for selection only interesting patterns. Also, this method estimates the probability of a new case using different product approximations, where each product approximation assumes different independence of the attributes. Our experiments show that the proposed classifier achieves higher accuracy and is more efficient than other classifiers.

• 한국도로학회논문집
• /
• 제20권2호
• /
• pp.127-135
• /
• 2018

PURPOSES : This study develops various models that can estimate the pattern of road surface temperature changes using machine learning methods. METHODS : Both a thermal mapping system and weather forecast information were employed in order to collect data for developing the models. In previous studies, the authors defined road surface temperature data as a response, while vehicular ambient temperature, air temperature, and humidity were considered as predictors. In this research, two additional factors-road type and weather forecasts-were considered for the estimation of the road surface temperature change pattern. Finally, a total of six models for estimating the pattern of road surface temperature changes were developed using the MATLAB program, which provides the classification learner as a machine learning tool. RESULTS : Model 5 was considered the most superior owing to its high accuracy. It was seen that the accuracy of the model could increase when weather forecasts (e.g., Sky Status) were applied. A comparison between Models 4 and 5 showed that the influence of humidity on road surface temperature changes is negligible. CONCLUSIONS : Even though Models 4, 5, and 6 demonstrated the same performance in terms of average absolute error (AAE), Model 5 can be considered the optimal one from the point of view of accuracy.

• The Journal of the Acoustical Society of Korea
• /
• 제13권1E호
• /
• pp.64-70
• /
• 1994

예측신경회로망 모델은 패턴 예측에 의한 매우 효과적인 음성인식 모델이다. 그러나, 그러한 모델은 유사한 어휘간에서 변별력이 떨어지는 단점이 있다. 이 논문에서는 그러한 단점을 극복하기 위한 변별력있는 학습 알고리즘을 제안한다. 이 알고리즘은 최소 분류 오차 수식화와 GPD 알고리즘으로부터 유도외면 그에 따라서 인식 오차의 수를 직접 최소화하는 것이 가능하다. 한국어 숫자음에 대한 인식 실험결과, 기존의 알고리즘에서 발생하는 오인식의 30%를 줄일 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제6권12호
• /
• pp.105-112
• /
• 2006

본 연구에서는 일반적으로 잘 알려진 기저 세포암 검출을 위한 간단한 전처리 방법을 제안하였다. 전처리 과정은 half Hanning 윈도우와 함께 데이터를 클리핑하고 PCA(principal components analysis)를 이용하여 차원을 감소하였다. Half Hanning 윈도우는 $1650cm^{-1}$ 피크 부근의 크기를 낮춤으로써 음성 오류율을 줄여 분류 성능을 향상시켰다. 이 실험에서 사용한 MAP(maximum a posteriori), KNN (k-nearest neighbor), PNN(probabilistic neural network), MLP(multilayer perceptron), SVM(support vector machine)와 MSE(minimum squared error)의 분류결과는 제안한 방법이 효과적임을 입증하고 있다. KNN 분류방법은 216개 라만 스펙트럼에 대한 분류실험에서 민감도가 약 97.3%로 제안한 윈도우를 적용한 이 실험에서 기저 세포암 검출 성능이 가장 많이 개선되었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 춘계학술대회 학술발표 논문집
• /
• pp.49-52
• /
• 1998

Neural Network has good performance in pattern classification, control and many other fields by learning ability. However, there is effective rule or systematic approach to determine optimal structure. In this paper, we propose a new method to find optimal structure of feed-forward multi-layer neural network as a kind of pruning method. That eliminating redundant elements of neural network. To find redundant elements we analysis error and weight changing with Rough Set Theory, in condition of executing back-propagation leaning algorithm.

• 방송공학회논문지
• /
• 제18권4호
• /
• pp.619-630
• /
• 2013

본 논문은 컬러 채널 상관관계를 고려한 에지 방향성 컬러 디모자이킹 방법을 제안한다. 제안하는 방법은 영역 분류 과정과 에지 방향성 컬러 보간 과정으로 이루어진다. 영역 분류 과정에서 채널 내 기울기와 채널 간 기울기값을 사용하여 주어진 Bayer 영상을 일반 에지, 패턴 에지, 평탄 영역으로 분류한다. 이때 일반 에지 판정 과정에서 두 개의 에지 방향 판정 기준을 사용하고, 패턴 에지 판정 과정에서 판정된 에지 방향에 대한 검증과정을 적용하여 에지 방향 추정 오류를 줄이도록 하였다. 보간 과정에서는 영역 분류과정에서 판단된 에지 방향에 따라 보간을 수행한다. 특히, 각 에지 방향에 대한 보간 성능을 향상시키기 위해 수평, 수직 방향 보간값은 채널 내 상관관계에 기반을 둔 컬러 보간식과 채널 간 상관관계에 기반을 둔 컬러 보간식을 영역 적응적으로 융합하여 구하였다. 실험결과를 통해 제안하는 방법이 기존 방법에 비해 수치적인 면과 시각적인 면에서 뛰어난 결과를 보임을 확인 할 수 있다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1995년도 추계학술대회
• /
• pp.197-200
• /
• 1995

In this paper, we proposed the multi-step multi-layer artificial neural network(MMANN) to classify the chromosome, Which is used as a chromosome pattern classifier after learning. We extracted three chromosome morphological feature parameters such as centromeric index, relative length ratio, and relative area ratio by means of preprocessing method from ten chromosome images. The feature parameters of five chromosome images were used to learn neural network and the rest of them were used to classify the chromosome images. The experiment results show that the chromosome classification error is reduced much more, comparing with less feature parameters than that of the other researchers.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.959-961
• /
• 1995

The objective of most image proccessing applications is to extract meaningful information from one or more pictures. It is accomplished efficiently using neural networks, which is used in image classification and image recognition. In neural networks, background and meaningful information are processed with same weight in input layer. In this paper, we propose the image classification method using neural networks, especially EBP(Error Back Propagation). Preprocessing is needed. In preprocessing, background is compressed and meaningful information is emphasized. We use the quadtree approach, which is a hierarchical data structure based on a regular decomposition of space.