• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.793-798
• /
• 2012

In this paper, we explored the new method for extracting feature from the electroencephalography (EEG) signal based on linear regression technique with the orthonormal polynomial bases. At first, EEG signals from electrodes around motor cortex were selected and were filtered in both spatial and temporal filter using band pass filter for alpha and beta rhymic band which considered related to the synchronization and desynchonization of firing neurons population during motor imagery task. Signal from epoch length 1s were fitted into linear regression with Legendre polynomials bases and extract the linear regression weight as final features. We compared our feature to the state of art feature, power band feature in binary classification using support vector machine (SVM) with 5-fold cross validations for comparing the classification accuracy. The result showed that our proposed method improved the classification accuracy 5.44% in average of all subject over power band features in individual subject study and 84.5% of classification accuracy with forward feature selection improvement.

• 대한전자공학회논문지SP
• /
• 제37권2호
• /
• pp.39-49
• /
• 2000

본 논문에서는 다중 클래스 데이터를 위한 특징 추출 방법을 최적화하는 기법을 제안한다 제안된 특징 추출 기법은 분류 오차에 기반한 방법으로 특징 공간(feature space)을 탐색하여 가우시안 최대우도 분류기 (Gaussian ML Classifier)의 분류오차(classification error)가 최소가 되도록 하는 특징벡터 집합을 구하는 방법이다 제안된 방법은 임의의 초기 특징벡터를 설정한 후 steepest descent 알고리즘을 적용하여 분류오차가 감소하는 방향으로 초기벡터를 갱신시킨다 본 논문에서는 순차탐색 및 전체탐색 두 가지의 방법을 제안하며 순차탐색은 추가로 특징벡터를 구하는 경우 이미 구해진 특징벡터를 포함하여 최소의 분류오차를 얻을 수 있는 특징벡터를 구한다 반면에 전체탐색 방법은 추가의 특징벡터를 구할 경우 새로운 초기 특징벡터 집합을 설정하여 이미 구해진 특징벡터를 포함하는 제약을 받지 않는다. 실험결과 제안된 두 가지 방법은 기존의 특징추출 방법보다 우수한 성능을 보여주고 있다.

• 대한의용생체공학회:의공학회지
• /
• 제20권4호
• /
• pp.435-442
• /
• 1999

본 연구에서는 PVC를 분류하기 위하여 웨이브렛 계수를 기반으로 하는 fuzzy-ART 네트워크를 설계하였다. 설계된 네트워크는 feature를 추출하는 부분과 fuzzy-ART 네트워크를 학습시키는 부분으로 구성된다. 우선 feature의 문턱치 구간을 설정하기 위하여 심전도 신호의 QRS를 검출하였고, 검출된 QRS는 Haar 웨이브렛을 이용한 웨이브렛 변환에 의해 주파수 분할하였다. 분할된 주파수 중에서 입력 feature를 추출하기 위하여 저주파 영역의 6번째 계수(D6)만을 선택하였다. D6신호는 입력 feature를 구성하기 위한 문턱치를 적용하여 fuzzy-ART 네트워크의 2진수 입력 feature로 전환하였고, PVC를 분류하기 위하여 fuzzy-ART네트워크를 학습시켰다. 본 연구의 성능을 평가하기 위하여 PVC가 포함된 MIT/BIH 데이터 베이스가 사용되었으며, fuzzy-ART 네트워크의 분류성능은 96.25%이었다.

• 전기전자학회논문지
• /
• 제18권4호
• /
• pp.536-543
• /
• 2014

Terrain classification is still a challenging issue in image processing, especially with high resolution satellite images. The well-known obstacles include low accuracy in the detection of targets, especially for the case of man-made structures, such as buildings and roads. In this paper, we present an efficient approach to classify and detect building footprints, foliage, grass and road from high resolution grayscale satellite images. Our contribution is to build a strong classifier using AdaBoost based on a combination of co-occurrence and Haar-like features. We expect that the inclusion of Harr-like feature improves the classification performance of the man-made structures, since Haar-like feature is extracted from corner features and rectangle features. Also, the AdaBoost algorithm selects only critical features and generates an extremely efficient classifier. Experimental result indicates that the classification accuracy of AdaBoost classifier is much higher than that of the conventional classifier using back propagation algorithm. Also, the inclusion of Harr-like feature significantly improves the classification accuracy. The accuracy of the proposed method is 98.4% for the target detection and 92.8% for the classification on high resolution satellite images.

• 전자공학회논문지SC
• /
• 제48권5호
• /
• pp.31-36
• /
• 2011

본 논문에서는 Mel-Frequency Cepstral Coefficient (MFCC), Decorrelated Filter Bank (DFB), Octave-based Spectral Contrast (OSC), Zero-Crossing Rate (ZCR), 그리고 Spectral Contract/Roll-Off를 복합 특징벡터로 결합하여 Support Vector Machine (SVM)을 이용한 음악 장르 분류 시스템을 설계하였다. 기존 방식에서는 전체 학습 데이터에 대한 특징벡터를 정규화를 한 후 SVM 모델을 생성하여 분류를 시행하였다. 본 논문에서는 비교 대상이 되는 한 쌍의 클래스에 대해서 One-Against-One (OAO) SVM으로 모델을 생성할 때 선택된 두 클래스의 특징벡터에 대해서만 정규화를 시행하는 방식을 제안한다. 기존 정규화 방식을 이용하면 단일 특징벡터로 OSC를 사용할 경우에는 60.8%, 복합 특징벡터를 모두 이용하는 경우에는 77.4%의 인식율을 얻을 수 있었다. 또한, 제안된 정규화 방식을 이용하면 OSC와 복합 특징벡터에 대해서 각각 8.2%와 3.3%의 추가적인 성능 향상을 얻을 수 있었다.

• 디지털콘텐츠학회 논문지
• /
• 제19권1호
• /
• pp.133-140
• /
• 2018

감성 분석에서 정확한 감성 분류는 중요한 연구 주제이다. 본 연구는 최근 많은 연구가 이루어지는 word2vec과 앙상블 방법을 이용하여 효과적으로 한국어 리뷰를 감성 분류하는 방법을 제시한다. 연구는 20 만 개의 한국 영화 리뷰 텍스트에 대해, 품사 기반 BOW 자질과 word2vec를 사용한 자질을 생성하고, 두 개의 자질 표현을 결합한 통합 자질을 생성했다. 감성 분류를 위해 Logistic Regression, Decision Tree, Naive Bayes, Support Vector Machine의 단일 분류기와 Adaptive Boost, Bagging, Gradient Boosting, Random Forest의 앙상블 분류기를 사용하였다. 연구 결과로 형용사와 부사를 포함한 BOW자질과 word2vec자질로 구성된 통합 자질 표현이 가장 높은 감성 분류 정확도를 보였다. 실증결과, 단일 분류기인 SVM이 가장 높은 성능을 나타내었지만, 앙상블 분류기는 단일 분류기와 비슷하거나 약간 낮은 성능을 보였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권4호
• /
• pp.498-504
• /
• 2004

본 논문은 자질 투영법을 사용한 새로운 문서 분류기를 제안한다. 제안된 문서 분류기는 학습 문서를 각 자질로의 투영으로써 표현한다. 문서를 위한 분류 작업은 투영된 각 자질로부터의 투표(voting)에 기인한다. 실험을 통해서 본 제안된 문서 분류기는 단순한 구조에도 불구하고 높은 성능을 보이고 있으며, 특히 기존의 문서 범주화 기법에서 높은 성능을 보여왔던 최근린법(k-NN)과 지지백터기계(SVM)와 비교했을 때 빠른 수행 속도와 오류 데이타가 많을 환경에서 높은 성능을 보인다는 장점이 있다. 또한 제안된 문서 분류기의 알고리즘이 매우 단순하기 때문에 분류기의 구현과 학습 과정이 쉽게 수행될 수 있다. 이러한 이유로 제안된 문서 분류기는 빠른 수행 속도와 견고성(robustness), 그리고 높은 성능을 요구하는 은서 범주화 응용 영역에 유용하게 사용될 수 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.629-634
• /
• 2009

실시간 시스템 적용에 있어서, 수동 소나 표적의 식별을 위한 특징정보 추출 및 스코어링 알고리즘은 다음과 같은 문제점들을 가지고 있다. 즉, 주파수 스펙트럼으로부터 PSR(Propeller Shaft Rate) 및 BR(Blade rate) 등의 특징정보를 실시간으로 구별하는 것은 매우 어렵기 때문에 정확하고 효율적인 특징정보 추출(extraction)법을 요구한다. 또한, 추출된 특징정보들로 구성된 식별 DB(DataBase)는 잡음 및 불완전한 구성을 갖기 때문에 강인하고 효과적인 특징정보 스코어링(scoring)법을 요구한다. 나아가, 구조와 파라메터에 있어서 용이한 설계 절차를 요구한다. 이러한 문제들을 해결하기 위해서 진화 전략(ES : Evolution Strategy) 및 퍼지(fuzzy) 이론을 이용하는 지능형 특징정보 추출 및 스코어링 알고리즘이 제안되었다. 제안된 알고리즘의 성능을 검증하기 위해서는 수동 소나 표적의 실시간 식별이 수행되었다. 시뮬레이션 결과는 제안된 알고리즘이 실시간 시스템 적용에서 존재하는 문제점들을 효과적으로 해결할 수 있음을 보여준다.

• 스마트미디어저널
• /
• 제12권3호
• /
• pp.30-37
• /
• 2023

Alzheimer's disease (AD) symptoms are being treated by early diagnosis, where we can only slow the symptoms and research is still undergoing. In consideration, using T1-weighted images several classification models are proposed in Machine learning to identify AD. In this paper, we consider the improvised feature selection, to reduce the complexity by using wrapping techniques and Restricted Boltzmann Machine (RBM). This present work used the subcortical and cortical features of 278 subjects from the ADNI dataset to identify AD and sMRI. Multi-class classification is used for the experiment i.e., AD, EMCI, LMCI, HC. The proposed feature selection consists of Forward feature selection, Backward feature selection, and Combined PCA & RBM. Forward and backward feature selection methods use an iterative method starting being no features in the forward feature selection and backward feature selection with all features included in the technique. PCA is used to reduce the dimensions and RBM is used to select the best feature without interpreting the features. We have compared the three models with PCA to analysis. The following experiment shows that combined PCA &RBM, and backward feature selection give the best accuracy with respective classification model RF i.e., 88.65, 88.56% respectively.

• 한국군사과학기술학회지
• /
• 제20권1호
• /
• pp.40-47
• /
• 2017

To classify the vehicle targets automatically using thermal images, there are usually two main categories of feature extraction method, local and shape feature extraction methods. Since thermal images have less texture information than color images, the shape feature extraction method is useful when the segmentation results are correct. However, if there are some errors in target segmentation, the shape feature may contain some errors, then the classification accuracy can be decreased. To overcome these problems, in this paper, we propose the segmentation reliability estimation method for target classification. The segmentation reliability can be estimated by using the difference information of average intensities and edge energies between the target and the background area. The estimated segmentation reliability is applied in the decision level fusion method of classification results using both shape and local features. Experiment results using the thermal images of the vehicle targets (main battle tank, armored personnel carrier, military truck, and an estate car) show that the proposed classification method and the segmentation reliability estimation method have a good performance in classification accuracy.