• 한국소음진동공학회논문집
• /
• 제21권11호
• /
• pp.1020-1028
• /
• 2011

As rotating machines play an important role in industrial applications such as aeronautical, naval and automotive industries, many researchers have developed various condition monitoring system and fault diagnosis system by applying artificial neural network. Since using obtained signals without preprocessing as inputs of neural network can decrease performance of fault classification, it is very important to extract significant features of captured signals and to apply suitable features into diagnosis system according to the kinds of obtained signals. Therefore, this paper proposes a neural-network-based fault diagnosis system using AR coefficients as feature vectors by LPC(linear predictive coding) and EIV(errors-in variables) analysis. We extracted feature vectors from sound, vibration and current faulty signals and evaluated the suitability of feature vectors depending on the classification results and training error rates by changing AR order and adding noise. From experimental results, we conclude that classification results using feature vectors by EIV analysis indicate more than 90 % stably for less than 10 orders and noise effect comparing to LPC.

• 정보관리학회지
• /
• 제18권2호
• /
• pp.203-230
• /
• 2001

본 연구에서는 문헌을 기반으로 한 지식의 자동분류를 위해 최적의 클러스터링 모형을 제시하고자 하였다. 클러스터링 실험을 위해서 신문기사 실험집단과 학술논문 초록 실험집단을 구축하였고, 분류 성능 평가 척도인 WACS를 개발하였다. 분류자질로 사용한 용어의 집합은 다양한 자질 축소 기준을 적용하여 생성하였으며, 다양한 용어 가중치를 사용하였다. 유사계수 공식으로는 코사인 계수와 자카드 계수를 적용하였으며, 클러스터링 알고리즘으로는 비계층적 기법인 완전연결 기법과 계층적 기법인 K-means기법을 각각 사용하였다. 실험 결과 신문기사 원문 집단에서의 성능이 좋았으며, 완전연결 기법의 성능이 K-means 기법보다 높게 나타났다. 역문헌빈도의 적용은 완전연결 클러스터링에서는 긍정적인 효과가 나타났으나, K-means 클러스터링에서는 그렇지 못했다. 분류자질은 전체의 7.66%만 사용하였을 경우에도 성능 저하가 크지 않았으며, K-means 클러스터링에서는 오히려 성능 향상 효과가 있었다.

• 대한의용생체공학회:의공학회지
• /
• 제18권4호
• /
• pp.357-364
• /
• 1997

유방암은 그 조기 발견이 암환자의 사망률을 줄이는 데 있어서 가장 중요한 요소임을 알려져 있다. 스크리닝 검사에 의해 발견되는 유방암의 20%정도를 차지하는 DCIS(ductal carcinoma in situ)의 경우 미세석회화만이 필름 상에서 볼 수 있는 유일한 소견이다. 따라서 미세석회화를 발견하고 그 형태와 분포의 분석을 통한 진단이 암의 조기 발견에 매우 중요하다. 이 검출과정을 자동화하려는 시도가 디지털 영상처리 기술의 관심이 되어 왔다. 본 연구에서는 상관계수를 특징(feature)으로 사용하여 성능을 향상시킨 통계적 패턴 분류법을 제안하였다. 결과적인 검출율은 통계적 문턱치 설정에 의한 이진호 방법과 비교하여 48%에서 83%로 향상되었다. 성능은 TP와 FP로 평가되었으며 클래스 구분시의 오차도 함께 나타내었다.

• 한국군사과학기술학회지
• /
• 제20권1호
• /
• pp.33-39
• /
• 2017

In this paper, an effective feature which is capable of classifying targets among the detections obtained from 2D range-bearing maps generated in active sonar environments is proposed. Most conventional approaches for target classification with the 2D maps have considered magnitude of peak and statistical features of the area surrounding the peak. To improve the classification performance, HOG(Histogram of Gradient) feature, which is popular for their robustness in the image textures analysis is applied. In order to classify the target signal, SVM(Support Vector Machine) method with reduced HOG feature by the PCA(Principal Component Analysis) algorithm is incorporated. The various simulations are conducted with the real clutter signal data and the synthesized target signal data. According to the simulated results, the proposed method considering HOG feature is claimed to be effective when classifying the active sonar target compared to the conventional methods.

• 한국산업정보학회논문지
• /
• 제18권4호
• /
• pp.25-35
• /
• 2013

본 논문에서는 개인화된 분위기 분류 모델 대신에 대중의 분위기 분류 모델을 제안한다. 분위기 판별 성능을 개선하기 위해 두 가지 접근 방법을 선택하였는데, 그 첫 번째가 표준편차에 기초한 특징축소이다. 이는 음악의 특징을 추출하기 위해 사용하는 MIRtoolbox에서 추출되는 391개의 특징들을 모두 사용할 경우의 성능 저하 문제를 해결하기 위한 방법이다. 실험결과, 본 논문에서 제안한 특징축소 방법이 기존의 차원 축소 방법인 R-Square와 PCA보다 성능이 좋음을 확인할 수 있었다. 그리고 특징축소 방법만으로는 성능 개선에 한계가 있어 두 번째 개선방법으로 단위 신경망을 사용하여 추가의 성능 개선을 시도하였다. 실험결과 이 역시 유효한 성능 개선이 이루어짐을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.719-731
• /
• 2021

This study proposes a two-stage hybrid classification model for crop classification using multi-temporal remote sensing images; the model combines feature embedding by using an autoencoder (AE) with a convolutional neural network (CNN) classifier to fully utilize features including informative temporal and spatial signatures. Long short-term memory (LSTM)-based AE (LAE) is fine-tuned using class label information to extract latent features that contain less noise and useful temporal signatures. The CNN classifier is then applied to effectively account for the spatial characteristics of the extracted latent features. A crop classification experiment with multi-temporal unmanned aerial vehicle images is conducted to illustrate the potential application of the proposed hybrid model. The classification performance of the proposed model is compared with various combinations of conventional deep learning models (CNN, LSTM, and convolutional LSTM) and different inputs (original multi-temporal images and features from stacked AE). From the crop classification experiment, the best classification accuracy was achieved by the proposed model that utilized the latent features by fine-tuned LAE as input for the CNN classifier. The latent features that contain useful temporal signatures and are less noisy could increase the class separability between crops with similar spectral signatures, thereby leading to superior classification accuracy. The experimental results demonstrate the importance of effective feature extraction and the potential of the proposed classification model for crop classification using multi-temporal remote sensing images.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권6호
• /
• pp.2806-2825
• /
• 2018

Unsupervised learning has shown good performance on image, video and audio classification tasks, and much progress has been made so far. It studies how systems can learn to represent particular input patterns in a way that reflects the statistical structure of the overall collection of input patterns. Many promising deep learning systems are commonly trained by the greedy layerwise unsupervised learning manner. The performance of these deep learning architectures benefits from the unsupervised learning ability to disentangling the abstractions and picking out the useful features. However, the existing unsupervised learning algorithms are often difficult to train partly because of the requirement of extensive hyperparameters. The tuning of these hyperparameters is a laborious task that requires expert knowledge, rules of thumb or extensive search. In this paper, we propose a simple and effective unsupervised feature learning algorithm for image classification, which exploits an explicit optimizing way for population and lifetime sparsity. Firstly, a sparse target matrix is built by the competitive rules. Then, the sparse features are optimized by means of minimizing the Euclidean norm ($L_2$) error between the sparse target and the competitive layer outputs. Finally, a classifier is trained using the obtained sparse features. Experimental results show that the proposed method achieves good performance for image classification, and provides discriminative features that generalize well.

• 디지털산업정보학회논문지
• /
• 제13권4호
• /
• pp.91-98
• /
• 2017

Previous works for detecting arrhythmia have mostly used nonlinear method such as artificial neural network, fuzzy theory, support vector machine to increase classification accuracy. Most methods require higher computational cost and larger processing time. Therefore it is necessary to design efficient algorithm that classifies PVC(premature ventricular contraction) and decreases computational cost by accurately detecting minimal feature point based on only R peak through optimal R wave. We propose an optimal R wave detection and PVC classification method through extracting minimal feature point in IoT environment. For this purpose, we detected R wave through optimal threshold value and extracted RR interval and R peak pattern from noise-free ECG signal through the preprocessing method. Also, we classified PVC in realtime through RR interval and R peak pattern. The performance of R wave detection and PVC classification is evaluated by using record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.758% in R wave detection and the rate of 93.94% in PVC classification.

• 한국인터넷방송통신학회논문지
• /
• 제10권5호
• /
• pp.133-138
• /
• 2010

본 논문에서는 이미지에 대한 공간 특성(Spatial properties) 및 통계적 특성(Statistical properties)을 포함한 특징이미지를 구성하고, 지역 분산 크기를 이용한 공분산 행렬을 생성하여 텍스쳐 분류에 이용함으로서 조도(illumination) 및 노이즈(Noise) 그리고 회전(Rotation)에 강인한 텍스쳐 분류 방법을 제안한다. 또한 영역 합계의 빠른 연산을 위해 사용된 중간 이미지 표현인 적분 이미지(Integral Image)를 이용함으로서 텍스쳐 검출 프로세스의 수행 시간을 최소화 하는 방법을 제공한다. 제안한 방법의 성능 평가를 위해 브로다츠(Brodatz) 질감 이미지를 이용하여 잡음 추가 및 히스토그램 명세화 그리고 회전 이미지를 생성하여 실험하였으며, 96% 이상의 성능을 얻을 수 있었다.

• 한국정보처리학회논문지
• /
• 제3권6호
• /
• pp.1636-1645
• /
• 1996

본 논문에서는 패턴을 효과적으로 분류하기 위하여 화상자료의 특성인 이웃 화소 간의 종속성을 잘 표현해 주는 깁스확률장의 크리크를 바탕으로 2차원 조건부 모멘트 를 제안하였다. 이 알고리즘 구축은 공간정보를 갖는 조건부 모멘트를 이용하여 특정 벡터를 추출하는 과정과 패턴을 분류하는 과정으로 분리하여 생각한다. 특정벡터를 추출하는 과정은 하나의 패턴에 대해 깁스분포의 크리크로 표현된 파라미터를 추정한 다음, 2차원 조건부 모멘트들을 계산하여 특정벡터로부터 제안된 판별거리함수를 계 산하여 여러 원형 패턴 가운데 최소거리를 산출한 미지의 패턴을 원형패턴으로 분류 한다. 제안된 방법의 성능을 검증하기 위하여 대문자와 소문자 52자로 된 훈련 데이 타를 만들어 486 PC 66Mhz에서 실험을 한 결과 97.5% 이상의 분류성능이 있음을 밝혔 다.