• 한국음향학회지
• /
• 제38권6호
• /
• pp.687-696
• /
• 2019

기존의 지진파 분류 특징은 강진에 초점이 맞추어져 있어서 미소지진과 같은 지진파는 다소 적합하지 않다. 본 연구에서는 강진과 더불어 미소지진, 인공지진, 잡음 분류에 적합한 특징 추출을 위해 주파수-시간 공간 내에서 히스토그램과 주성분 기반 특징 추출방법을 제안한다. 제안된 방법은 지진파의 주파수 관련 정보와 시간 관련 정보를 결합하는 방법을 적용한 히스토그램 기반 특징 추출방법과 주성분 기반 특징 추출방법을 이용하여 지진(강진, 미소지진, 인공지진)과 잡음, 미소지진과 잡음, 미소지진과 인공지진을 이진 분류한다. 2017년~2018년 최근 국내지진 자료와 분류 성능을 토대로 제안한 특징 추출방식의 효용성을 비교 평가한다.

• 대한원격탐사학회지
• /
• 제19권2호
• /
• pp.170-179
• /
• 2003

다중분광 영상의 정확한 지형지물 분류를 수행할 때 고려해야 할 중요한 요소중에 적절한 분류 클래스의 선정과 선정된 클래스의 분리도가 높아지도록 트레이닝 지역(training fields)을 잡는 것은 특히 중요하다. 최근에 이용되고 있는 위성탑재 하이퍼스펙트럴(hyperspectral) 영상은 많은 밴드를 포함하고 있기 때문에 데이터 처리가 어렵고, 잡음(noise)으로 인하여 다중분광 영상보다 분류 결과가 나쁜 경우도 나타난다. 특히 대상지역의 클래스에 따른 트레이닝 지역의 선정시 일부 클래스에서 하이퍼스펙트럴 밴드수에 비해 상대적으로 적은 수의 트레이닝 샘플로 인하여 공분산 행렬의 계산에 어려움이 따른다. 따라서 본 연구에서는 Hyperion 데이터를 이용한 분류를 수행하기 위하여 밴드 추출 방식을 알아보고, 분류영상의 정확도 평가를 통하여 밴드 추출의 효용성을 시험하였다. 밴드를 줄이는 또 다른 방법인 클래스간 분리도에 따른 최적 밴드를 추출하여 분류정확도를 평가하였다. 실험 결과, 밴드 추출이나 클래스 분리도에 따라 선택된 영상의 분류 정확도는 분류자(classifier)에 상관없이 전체 밴드를 사용한 원영상과 유사하게 나타났지만, 사용된 밴드수와 계산 시간은 단축되었다. 분류자는 MLC, SAM, ECHO의 3종류가 사용되었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.915-918
• /
• 2000

In this paper, we propose an efficient feature vector extraction and decision fusion methods for the automatic classification of power system disturbances. Here, FFT and WPT(wavelet packet transform) are und to extract an appropriate feature for classifying power quality disturbances with variable properties. In particular, the WPT can be utilized to develop an adaptable feature extraction algorithm using best basis selection. Furthermore. the extracted feature vectors are applied as input to the decision fusion system which combines the decisions of several classifiers having complementary performances, leading to improvement of the classification performance. Finally, the applicability of the proposed approach is demonstrated using some simulations results obtained by analyzing power quality disturbances data generated by using Matlab.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.175-177
• /
• 2003

This paper addresses a problem of classifying human breast cancer into its subtypes. A main ingredient in our approach is kernel machines such as support vector machine (SVM). kernel principal component analysis (KPCA). and kernel partial least squares (KPLS). In the task of breast cancer classification, we employ both SVM and KPLS and compare their results. In addition to this classification. we also analyze the patterns of clinical outcomes in the feature space. In order to visualize the clinical outcomes in low-dimensional space, both KPCA and KPLS are used. It turns out that these methods are useful to identify correlations between clinical outcomes and the nonlinearly protected expression profiles in low-dimensional feature space.

• Journal of Computing Science and Engineering
• /
• 제10권4호
• /
• pp.103-110
• /
• 2016

Emotion recognition is an important component of affective computing, and is significant in the implementation of natural and friendly human-computer interaction. An effective approach to recognizing emotion from text is based on a machine learning technique, which deals with emotion recognition as a classification problem. However, in emotion recognition, the texts involved are usually very short, leaving a very large, sparse feature space, which decreases the performance of emotion classification. This paper proposes to resolve the problem of feature sparseness, and largely improve the emotion recognition performance from short texts by doing the following: representing short texts with word cluster features, offering a novel word clustering algorithm, and using a new feature weighting scheme. Emotion classification experiments were performed with different features and weighting schemes on a publicly available dataset. The experimental results suggest that the word cluster features and the proposed weighting scheme can partly resolve problems with feature sparseness and emotion recognition performance.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1987년도 전기.전자공학 학술대회 논문집(II)
• /
• pp.1157-1159
• /
• 1987

A syntactic and semantic approach is used to make type classification based on feature points(whorl, delta, core) and the shape of flow line around feature points. The image is divided into 30 by 30 subregions which are represented in the average direction and 4-tuple direction component. Next the relaxation process with singularity detection and convergency checking is performed. A set of semantic languages is used to describe the major flow line around the extracted feature points. LR(1) parser and feature transfer function are used to recognize the coded flow patterns. The 72 fingerprint impressions is used to test the proposed approach and the rate of the classification is about 93 percentages.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2000년도 춘계종합학술대회
• /
• pp.402-405
• /
• 2000

본 논문에서는 근육의 움직임에 의해 유발되는 전기적 신호인 근전도(EMC) 신호를 신경회로망을 통해 분류하여 인체의 움직임을 파악하는 방법을 제안한다 신호분류를 위한 신경회로망으로 학습에 의해 스스로 출력뉴런을 구성하는 SOM을 사용하였으며, 실험과 시뮬레이션을 통해 제안한 방식의 효과를 확인하였다.

• 전기학회논문지
• /
• 제64권1호
• /
• pp.113-120
• /
• 2015

In this paper, we propose a feature extraction method using the stacked autoencoders which consist of restricted Boltzmann machines. The stacked autoencoders is a sort of deep networks. Restricted Boltzmann machines (RBMs) are probabilistic graphical models that can be interpreted as stochastic neural networks. In terms of pattern classification problem, the feature extraction is a key issue. We use the stacked autoencoders networks to extract new features which have a good influence on the improvement of the classification performance. After feature extraction, fuzzy k-nearest neighbors algorithm is used for a classifier which classifies the new extracted data set. To evaluate the classification ability of the proposed pattern classifier, we make some experiments with several machine learning data sets.

• 전자공학회논문지SC
• /
• 제38권4호
• /
• pp.31-36
• /
• 2001

본 논문에서는 근육의 움직임에 의해 유발되는 전기적 선호인 근전도(EMG) 신호를 신경회로망을 통해 분류하여 인체의 움직임을 파악하는 방법을 제안한다. 신호분류를 위한 신경회로망으로 학습에 의해 스스로 출력뉴런을 구성하는 SOM을 사용하였으며， 기존의 방식과 다르게 전처리 과정 없이 신호자세를 SOM의 입력으로 사용하여 패턴을 분류하는 간단한 방식이다. 실험과 시뮬레이션을 통해 제안한 방식의 유용성을 확인하였다.

• 한국정보처리학회논문지
• /
• 제6권5호
• /
• pp.1296-1302
• /
• 1999

In this paper, we propose an algorithms for the mounted PCB classification system using wavelet transform and ART2 neural network. The feature informations of a mounted PCB can be extracted from the coefficient matrix of wavelet transform adapted subband concept. As the preprocessing process, only the PCB area in the input image is extracted by histogram method and the feature vectors are composed of using wavelet transform method. These feature vectors are used as the input vector of ART2 neural network. In the experiment using 55 mounted PCB images, the proposed algorithm shows 100% classification rate at the vigilance parameter $\rho$=0.99. The proposed algorithm has some advantages of the feature extraction in the compressed domain and the simplification of processing steps.