• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.41-44
• /
• 2022

Mean-Shift 영상 분할은 객체 검출을 위한 영상 전처리 방법으로써, 영상 처리 및 패턴 인식 분야에서 널리 사용되는 방법이다. 영상 분할은 영역 기반과 에지 기반 방식으로 나누어지며 대표적으로 FCM, Quickshift, Felzenszwalb, SLIC 알고리즘 등 이 있다. 언급한 영상 분할 방법들은 Mean-Shift 영상 분할에 비해서 빠른 속도로 실행시킬 수 있지만, 형태적 특징이 훼손되고 하나의 객체가 여러 세그멘테이션으로 분할된다는 단점을 가지고 있다. 본 논문에서는 소형 객체를 탐지하기 위한 고속화된 Mean-Shift 영상 분할과 객체의 형태적 특징을 이용하여 객체를 탐지하는 방법을 제안한다. 하드웨어 리소스가 제한된 신호처리기에 제안하는 알고리즘을 수행하기 위하여 Mean-Shift 영상 분할에서 필터링 과정을 고속화 하였고, 적외선 영상 내 영상 전처리 수행을 통해 잡음 제거 후 Mean-Shift 영상 분할 방법을 수행함으로써, 객체의 형태적 특징을 잘 살려서 영상 분할을 할 수 있도록 하였다. 또한 각 세그멘테이션의 크기, 너비, 높이, 밝기 정보와 형태적 특징점을 이용한 객체 탐지 방법을 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.352-357
• /
• 2006

매년 도로와 주차공간의 확장보다 차량의 수가 빠르게 증가하여 그에 따라 불법 주차 관리의 어려움이 증가하고 있다. 이러한 문제점을 해결하기 위해 지능형 주차 관리 시스템이 필요하게 되었다. 본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드를 퍼지 신경망 알고리즘을 제안하여 학습 및 인식한다. 본 논문에서는 차량 번호판 영역을 검출하기 위해 프리윗 마스크를 적용하여 수직 에지를 찾고, 차량 번호판의 정보를 이용하여 잡음을 제거한 후에 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역은 반복 이진화방법을 적용하여 이진화하고, 이진화된 차량 번호판 영역에 대해서 수직 분포도와 수평 분포도를 이용하여 번호판의 개별 코드를 추출한다 추출된 개별 코드는 제안된 퍼지 신경망 알고리즘을 적용하여 인식한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고 중간층과 출력층간의 학습 구조는 Max_Min 신경망을 적용한다. 제안된 방법의 추출 및 인식 성능을 평가하기 위하여 실제 차량 영상 150장을 대상으로 실험한 결과, 기존의 차량 번호판 인식 방법보다 효율적이고 인식 성능이 개선된 것을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제26권6호
• /
• pp.477-484
• /
• 2016

선풍기, 오디오, 전기밥솥 등의 소형 산업가전제품들은 대부분 ABS, PP, PS 등의 재질로 이루어져 있다. 색깔이 있는 플라스틱은 근적외선(NIR) 분광기에 의해 분류가 가능하지만, 반면에 검은색 플라스틱은 빛을 흡수하는 특성으로 인해 분류하기가 어렵다. 그래서 본 연구에서는 LIBS(Laser Induced Breakdown Spectroscopy) 분광기를 통해 폐소형가전 플라스틱을 선별하는 RBFNNs(Radial Basis Function Neural Networks) 패턴 분류기를 소개한다. 전처리부분에는 차원축소 알고리즘 중 하나인 PCA(Principal Component Analysis)를 사용해 처리 속도를 향상시킬 뿐만 아니라 효과적인 데이터의 특성을 추출한다. 조건부에는 FCM(Fuzzy C-Means) 클러스터링을 사용한다. 결론부에는 다항식의 형태 중 하나인 1차 선형식을 연결가중치로서 사용한다. PSO와 5-fold cross validation은 성능의 신뢰도를 향상시키고, 분류율을 높이는데 사용된다. 제안된 분류기의 성능은 최적화한 것과 최적화하지 않은 것 두 가지의 관점에서 보여준다.

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.517-524
• /
• 2004

1960년대 퍼지 이론이 소개된 이후 데이터 마이닝을 포함한 기계 학습 분야의 군집화 작업에서 퍼지 이론이 폭넓게 사용되었다. 퍼지 C-평균 알고리즘은 가장 많이 사용되는 퍼지 군집화 알고리즘이다. 이 알고리즘은 하나의 데이터 개체가 서로 다른 소속 정도를 가지고 각 군집에 할당될 수 있도록 한다. 퍼지 C-평균 알고리즘도 K-평균 알고리즘과 같은 일반적인 군집화 알고리즘과 마찬가지로 초기 군집수와 군집 중심의 위치에 의해 최종 군집 결과의 성능 차이가 나타난다. 군집화를 위한 이러한 초기 설정은 주관적이며 이 때문에 적절치 못한 결과를 얻게 될 수도 있다. 본 논문에서는 이 문제를 해결할 수 있는 방법으로 주어진 학습 데이터의 속성을 기반으로 한 초기 군집수와 군집 중심을 결정하는 개선된 밀도 기반의 퍼지 C-평균 알고리즘을 제안하였다. 제안 방법은 격자를 사용하여 초기 군집 중심의 위치와 군집수를 결정하였다. 기존에 많이 이용되었던 객관적인 기계 학습 데이터를 이용하여 제안 알고리즘의 성능비교를 수행하였다.

• 전자공학회논문지CI
• /
• 제47권1호
• /
• pp.104-115
• /
• 2010

유비쿼터스 기술의 보편화에 따라 유비쿼터스 환경의 보안 취약성을 해결하기 위한 보안기술의 연구가 주목받고 있다. 그러나 현재의 대다수 보안 시스템은 고정된 규칙을 기반으로 하는 것으로서, 유비쿼터스 기반 사용자의 다양한 상황에 제대로 대응하지 못하는 문제점이 있다. 또한 기존의 상황인식 보안 연구는 ACL (Access Control List) 혹은 RBAC (Role-Based Access Control) 계열의 연구가 많이 수행되고 있으나 보안정책의 관리에 대한 오버헤드가 크고, 또한 예상하지 못한 상황에 대한 대응이 어렵다는 문제점을 보이고 있다. 이에 본 논문에서는 퍼지 알고리즘과 MAUT를 이용하여 다양한 상황을 인식하고 적절한 보안기능을 제공하는 상황인식 보안 서비스를 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.407-412
• /
• 2007

본 논문에서는 비선형 블라인드 채널등화기의 구현을 위하여 가우시안 가중치(gaussian weights)를 이용한 개선된 퍼지 클러스터(Modified Fuzzy C-Means with Gaussian Weights: MFCM_GW) 알고리즘을 제안한다. 제안된 알고리즘은 기존 FCM 알고리즘의 유클리디언 거리(Euclidean distance) 값 대신 Bayesian Likelihood 목적함수(fitness function)와 가우시안 가중치가 적용된 멤버쉽 매트릭스(partition matrix)를 이용하여, 비선형 채널의 출력으로 수신된 데이터들로부터 최적의 채널 출력 상태 값(optimal channel output states)들을 직접 추정한다. 이렇게 추정된 채널 출력 상태 값들로 비선형 채널의 이상적 채널 상태(desired channel states) 벡터들을 구성하고, 이를 Radial Basis Function(RBF) 등화기의 중심(center)으로 활용함으로써 송신된 데이터 심볼을 찾아낸다. 실험에서는 무작위 이진 신호에 가우시안 잡음이 추가된 데이터를 사용하여 기존의 Simplex Genetic Algorithm(GA), 하이브리드 형태의 GASA(GA merged with simulated annealing (SA)), 그리고 과거에 발표되었던 MFCM 등과 그 성능을 비교 분석하였으며, 가우시안 가중치가 적용된 MFCM_GW를 이용한 채널등화기가 상대적으로 정확도와 속도 면에서 우수함을 보였다.

• 한국지능시스템학회논문지
• /
• 제10권4호
• /
• pp.285-292
• /
• 2000

자료 분석 과정을 살펴 보면 1) 자료가 갖는 경향 평가, 2) 클러스터 분석, 3) 클러스터의 타당성 조사라는 과정을 거쳐 이루어진다. 이 분석법은 2) 및 3) 단계의 반복 수행으로 인하여 많은 계산 시간이 소요되므로 비효율적인 방법이라 할 수 있다. 본 논문에서는, 이와 같은 단점을 보완하기 위하여 자료가 갖는 개략적 특성을 파악하여 자료 속에 존재하는 클러스터의 근사적 개수 및 중심을 정한 후, 이 정보를 기존의 일반적인 퍼지 클러스터링 알고리즘에 입력하여 클러스터링을 수행하는 밀도함수를 이용한 계층적 구조의 근사적 클러스터링 알고리즘을 제안하고, 예제를 통하여 제안된 알고리즘의 타당성을 보인다.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.529-535
• /
• 2014

본 논문에서는 interval type-2 possibilistic fuzzy C-means(IT2PFCM) 클러스터링 방법에 multiple Gaussian kernels을 기반으로 한 possibilistic fuzzy C-means multiple kernels(PFCM-MK) 알고리즘을 결합하여 적응적인 하이브리드 클러스터링 방법인 multiple kernels interval type-2 possibilistic fuzzy C-means(IT2PFCM-MK) 방법을 제안 하였다. 일반적으로 possibilistic fuzzy C-means(PFCM) 알고리즘은 fuzzy C-means(FCM) 알고리즘의 단점인 노이즈 민감성 및 특이점 문제와 알고리즘 초기 클러스터의 Prototype에 따라 위치가 겹치는 문제를 해결하기 위해 제안 되었다. 하지만 이 방법 역시 퍼지화 파라미터 값에 따라 위와 같은 문제를 여전히 가지고 있기 때문에 이와 같은 문제를 보완하기 위해 interval type-2 퍼지 접근 방법을 이용 하는 interval type-2 possibilistic fuzzy C-means(IT2PFCM) 알고리즘을 제안 하였다. 또한 multiple kernels 함수를 interval type-2 possibilistic fuzzy C-means(IT2PFCM) 알고리즘에 적용하여 분류하기 복잡한 형태의 데이터와 노이즈가 있는 데이터에 대하여 보다 정확하고, 향상된 클러스터링을 수행할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제18권6호
• /
• pp.21-28
• /
• 2013

본 논문은 그레이레벨히스토그램을 이용한 움직임 영역검출, 퍼지 클러스터링을 이용한 칼라 분할, 그레이 레벨 동시발생 행렬을 이용한 특징 추출 및 서포터 벡터 머신을 이용한 화재 분류 등과 같은 다중 이종 알고리즘을 포함하고 있는 효과적인 화재 감지 방법을 제안한다. 제안한 방법은 움직임 영역을 검출하기 위해그레이레벨히스토그램에 기초한 최적의 임계값을 결정하고 난 후, CIE LAB 칼라 공간에서 퍼지 클러스터링을 적용하여 칼라 분할을 수행한다. 이러한 두 단계는 화재의 후보 영역을 기술하는데 도움이 된다. 다음으로 그레이 레벨 동시발생 행렬을 이용하여 화재의 특징을 추출하고, 이러한 특징들은 화재인지 아닌지를 분류하기 위해 서포터 벡터 머신의 입력으로 사용된다. 제안한 방법을 평가하기위해 기존의 두 알고리즘과 화재 검출율 및 오류 화재 검출율에서 비교하였다. 모의실험결과, 제안한 방법은 97.94%의 화재 검출율 및 4.63%의 오류 화재 검출율을 보임으로써 기존의 화재 감지 알고리즘보다 우수성을 보였다.

• 한국콘텐츠학회논문지
• /
• 제8권12호
• /
• pp.1-9
• /
• 2008

인과관계의 지식을 모델링하고 표현하며 추론하는 주요 형식화 방법의 하나인 퍼지인식도(Fuzzy Cognitive Map)는 주로 인과지식공학에 많이 사용되고 있다. 인과관계의 자연스럽고 쉬운 의사결정의 이해와 전후관계의 자연스러운 설명이라는 장점에도 불구하고 인과관계의 지식 모델링과 표현은 구현에 있어서 수학적인 적용의 모호함과 복잡한 알고리즘으로 인해 상호작용에 기반 한 구축 시스템을 찾아보기 어렵다. 본 논문에서는 인과지식 추론을 위한 퍼지 인식도의 구축 지원 시스템을 제시한다. 본 논문에서 제안하는 인과관계 추론 시스템은 다중 전문가의 지식을 반영하기 위해 지식을 점진적으로 반영하여 퍼지 인식도를 구축한다. 또한 전문가와의 상호작용을 통해 구현된 퍼지 인식도의 구조를 동적으로 디스플레이함으로써 사용자 지향적인 환경을 제공한다.