• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1994년도 제11회 음성통신 및 신호처리 워크샵 논문집 (SCAS 11권 1호)
• /
• pp.364-367
• /
• 1994

In this paper, we carried out some experiments on the Korean vowel recognition using the fractal dimension of the speech signals. We chose the Mincowski-Bouligand dimensioni as the fractal dimension, and computed it using the morphological covering method. For our experiments, we used both the fractal dimension and the LPC cepstrum which is conventionally known to be one of the best parameters for speech recognition, and examined the usefulness of the fractal dimension. From the vowel recognition experiments under various consonant contexts, we achieved the vowel recognition error rats of 5.6% and 3.2% for the case with only LPC cepstrum and that with both LPC cepstrum and the fractal dimension, respectively. The results indicate that the incorporation of the fractal dimension with LPC cepstrum gies more than 40% reduction in recognition errors, and indicates that the fractal dimension is a useful feature parameter for speech recognition.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 추계 종합학술대회 논문집
• /
• pp.533-535
• /
• 2006

본 논문은 얼굴 인식에서 널리 사용되고 있는 PCA 기법에서 1, 2, 3차의 저차원의 특징 벡터를 배제하여 조명있는 얼굴의 인식률 변화를 실험하였다. 보편적으로 저차원 3개를 배제할 경우 조명에 강건한 얼굴 인식을 보인다고 하나, 저차원의 어느 부분이 조명에 크게 관여가되는지는 알려지지 않고 있다. 이에 본 연구에서는 1차, 2차, 3차 및 이를 조합하여 저차원의 조명에 대한 영향을 분석하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.65-70
• /
• 2013

최근 디지털 카메라 기술의 발전으로 이미지를 쉽게 생성할 수 있어 이를 활용한 컴퓨터 비전분야의 연구가 활발하게 진행되고 있다. 특히 디지털 이미지에서 특징점을 추출하고 이를 활용하는 연구가 활발하게 진행되고 있다. 이미지 스티칭은 여러 이미지에서 특징점을 추출하고 이를 정합하여 하나의 고해상도 이미지를 생성하는 것으로 군사용, 의료용뿐만 아니라 실생활의 다양한 분야에서 활용되고 있다. 본 논문에서는 특징점 기술자의 차원을 효과적으로 감소시켜 정확하면서도 빠르게 정합점을 찾을 수 있는 SURF 기반의 빠른 특징점 기술자 추출 및 정합을 이용한 효율적인 이미지 스티칭 기법을 제안한다. 추출된 특징점에서 불필요한 특징점을 분류하여 특징점 기술자를 생성한다. 이때 특징점 기술자의 연산량을 줄이면서도 효율적인 정합을 위해 기술자의 차원을 줄이고 방향 윈도우를 확장하였다. 실험 결과 특징점 정합 및 전체 이미지 스티칭 속도가 기존의 알고리즘보다 빠르면서도 자연스러운 스티칭된 이미지를 생성할 수 있었다.

• 인지과학
• /
• 제21권1호
• /
• pp.199-231
• /
• 2010

이 연구는 개념결합의 처리과정에 대한 관계-기반 접근과 차원-기반 접근의 설명을 대조하고, 그 함의를 고찰하고자 하였다. 실험 1에서는 두 가지 조망 중에서 차원-기반 접근을 채택하여 내재적/외재적 자질 간 구분을 통한 처리과정의 차이를 검토하였다. 내재적 자질에의 의존도가 높은 개념, 즉 내재적 개념이 수식개념으로 사용될 때, 개념결합의 해석이 촉진되는 경향이 나타났다. 이 결과는 개념결합의 처리는 성분개념 내부의 정보에 의해 결정된다는 개념-내적 설명의 타당성을 보여준다. 실험 2에서는 관계-기반 설명을 지지하는 Gagne(2000)의 결과를 차원-기반 설명으로 재분석해보기 위해 그의 연구에서 사용한 개념들의 외재성을 검토하였다. 관계적 개념결합 조건에서의 개념 외재성이 그렇지 않은 조건에 비해 높은 것으로 나타났다. 두 실험 결과는 차원-기반 설명과 관계-기반 설명이 개념결합에 실제로 관여하는 정보의 다양성에 의해 통합될 수 있는 가능성을 시사하였다. 논의에서는 이 연구가 개념결합 연구에서 갖는 함의와 추후 연구방향을 제시하였다.

• 한국멀티미디어학회논문지
• /
• 제4권6호
• /
• pp.518-523
• /
• 2001

미세한 차이를 고감도 식별하는 카오스 이론의 프랙탈 차원과 에농 시스템에서 발생하는 이상한 끌개(Strange Attractor)를 이용하여 문자 특징을 추출, 문자 인식에 적용하는 새로운 방법을 제안함으로써 일반문자 뿐만 아니라, 문자들의 유사성에 의해 오인식되는 혼동 문자를 프랙탈 차원 해석에 의해 해소하는 고정도 문자 인식 시스템을 구현한다. 먼저, 문자 영상으로부터 문자의 고유 성질을 나타내는 망 특징 및 투영 특징, 교차거리 특징 등을 1차 구한 후, 이들 특징을 시계열 데이터로 변환한 다음, 이를 본 논문에서 제안한 수정된 에농 시스템을 이용하여, KS C 5601 표준 한글 2,350자에 대 한 각각의 문자 어트랙터를 재구성한다. 다음 단계에서는 개별 문자 어트랙터의 혼돈도를 분석하기 위해 각각의 문자에 대하여, 프랙탈 차원을 나타내는 정보 차원값(Box-counting Dimension, Natural Measure, Information Bit, Information Dimension)을 계산하여 문자 영상의 최종 특징을 구한다. 실험결과 한글 2,350자에 대하여 99.49%은 분류율을 나타내어 제안된 방법의 유효성을 보였다.

• 한국정보통신학회논문지
• /
• 제16권1호
• /
• pp.33-40
• /
• 2012

본 논문은 생물 조기 경보 시스템을 구현하기 위한 방법을 제안한다. 이 시스템은 모니터링 데몬을 이용해 간헐적으로 데이터 사건을 생성하고, 이 데이터 집합으로부터 특징 매개변수들을 추출한다. 특징 매개변수는 6개의 변수(x/y 축 좌표, 거리, 절대 거리, 각도, 프랙털 차원)를 가지고 유도된다. 특히 프랙털 이론을 사용해 제안 알고리즘은 입력된 특징들이 독성 환경에 있는지 아닌지의 유기물 특성을 정의한다. 추출된 특징 데이터를 학습하기 위한 적절한 알고리즘을 위해 기계학습 분야에서 널리 쓰이는 확장된 학습 알고리즘(UChoo)을 사용한다. 그리고 본 알고리즘은 특징 집합들이 모니터링 데몬에 의해 주기적으로 추가된다는 BEWS의 특징을 극복하기 위해 확장된 데이터 표현 방법을 이용하는 학습 방법을 포함한다. 이 알고리즘에서 결정트리 분류기는 확장된 데이터 표현에서 가중치 매개변수를 사용하는 부류 분포 정보를 정의 한다. 실험 결과들은 제안된 BEWS가 환경적인 독성을 탐지하는데 이용 될 수 있음을 보인다.

• 제어로봇시스템학회논문지
• /
• 제12권7호
• /
• pp.666-670
• /
• 2006

This paper presents the novel feature selection method for Emotion Recognition, which may include a lot of original features. Specially, the emotion recognition in this paper treated speech signal with emotion. The feature selection has some benefits on the pattern recognition performance and 'the curse of dimension'. Thus, We implemented a simulator called 'IFS' and those result was applied to a emotion recognition system(ERS), which was also implemented for this research. Our novel feature selection method was basically affected by Reinforcement Learning and since it needs responses from human user, it is called 'Interactive feature Selection'. From performing the IFS, we could get 3 best features and applied to ERS. Comparing those results with randomly selected feature set, The 3 best features were better than the randomly selected feature set.

• 한국통신학회논문지
• /
• 제19권6호
• /
• pp.1140-1148
• /
• 1994

본 논문에서는 음성신호의 프랙탈 차원을 이용하여 한국어 모음인식 실험을 수행하였다. 프랙탈 차원은 Minkowski-Bouligand 차원을 사용하였으며, 형태학적 커버링(morphological covering) 방법을 이용하여 구하였다. 프렉탈 차원과 더불어 기존에 우수한 음성 인식 파라메타로 알려져 있는 LPC 켐스트럼(cepstrum)을 함께 사용하였으며, 프랙탈 차원의 음성인식에의 유용성 여부를 조사하였다. 다양한 자음환경에서의 모음인식 실험결과, LPC 켐스트럼 만을 사용하는 경우 및 프렉탈 차원과 LPC 켐스트럼을 함께 사용하는 경우의 모음 오인식율이 각각 5.6% 및 3.2%로 얻어졌다. 이는 LPC 켑스트럼에 프렉탈 차원을 추가함으로써 오인식되는 데이터가 40%이상 감소되는 결과이며, 프랙탈 차원이 음성인식에 있어서 유용한 특징 파라메터임을 보여준다.

• 한국통신학회:학술대회논문집
• /
• 한국통신학회 1991년도 추계종합학술발표회논문집
• /
• pp.77-80
• /
• 1991

This paper proposes a new feature extraction method which is effectively used in character recognition, and validate the effectiveness through various computational methods for similiarity degree. To get feature vectors used in this method, Hough transform is applied to character image, which is used for edge extraction in image processing. By that transformation technique, strokes could be extracted and feature vectors constructed suitably. The characteristic of this method is solving the difficulties in stroke extraction through transform space analysis, which is induced by noise and blurring, and representing high recognition rate 99.3% within 10 candidates in relative low dimension.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.294-297
• /
• 1996

This paper proposes the method to recognize of time series data based on the chaotic feature extraction. Features extract from time series data using the chaotic time series data analysis and the pattern recognition process is using a neural network classifier. In experiment, EEG(electroencephalograph) signals are extracted features by correlation dimension and Lyapunov experiments, and these features are classified by multilayer perceptron neural networks. Proposed chaotic feature extraction enhances recognition results from chaotic time series data.