• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권2호
• /
• pp.102-106
• /
• 2003

This paper describes a new pattern classifier neural network to extract the feature from a letter. The proposed pattern classifier is based on relative distance, which is measure between an input datum and the center of cluster group. So, the proposed classifier neural network is called relative neural network(RNN). According to definitions of the distance and the learning rule, the structure of RNN is designed and the pseudo code of the algorithm is described. In feature extraction of letter, RNN, in spite of deletion of learning rate, resulted in the identical performance with those of winner-take-all(WTA), and self-organizing-map(SOM) neural network. Thus, it is shown that RNN is suitable to extract the feature of a letter.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.9-11
• /
• 2005

We propose a new content-based image retrieval using a block color co-occurrence matrix (BCCM) and pattern correlogram. In the proposed method, the color feature vectors are extracted by using BCCM that represents the probability of the co-occurrence of two mean colors within blocks. Also the pattern feature vectors are extracted by using pattern correlogram which is combined with spatial correlation of pattern. In the proposed pattern correlogram method. after block-divided image is classified into 48 patterns with respect to the change of the RGB color of the image, joint probability between the same pattern from the surrounding blocks existing at the fixed distance and the center pattern is calculated. Experimental results show that the proposed method can outperform the conventional methods as regards the precision and the size of the feature vector dimension.

• 제어로봇시스템학회논문지
• /
• 제12권9호
• /
• pp.935-944
• /
• 2006

EMG pattern recognition is essential for the control of a multifunction myoelectric hand. The main goal of this study is to develop an efficient feature projection method for EMC pattern recognition. To this end, we propose a linear supervised feature projection that utilizes linear discriminant analysis (LDA). We first perform wavelet packet transform (WPT) to extract the feature vector from four channel EMC signals. For dimensionality reduction and clustering of the WPT features, the LDA incorporates class information into the learning procedure, and finds a linear matrix to maximize the class separability for the projected features. Finally, the multilayer perceptron classifies the LDA-reduced features into nine hand motions. To evaluate the performance of LDA for the WPT features, we compare LDA with three other feature projection methods. From a visualization and quantitative comparison, we show that LDA has better performance for the class separability, and the LDA-projected features improve the classification accuracy with a short processing time. We implemented a real-time pattern recognition system for a multifunction myoelectric hand. In experiment, we show that the proposed method achieves 97.2% recognition accuracy, and that all processes, including the generation of control commands for myoelectric hand, are completed within 97 msec. These results confirm that our method is applicable to real-time EMG pattern recognition far myoelectric hand control.

• 한국안전학회지
• /
• 제26권5호
• /
• pp.17-22
• /
• 2011

This study proposes feature extraction method of pattern recognition by evaluation of weld defects in weld zone of titanium. For this purpose, analysis objectives in this study are features of attractor quadrant and fractal dimension. Trajectory changes in the attractor indicated a substantial difference in fractal characteristics resulting from distance shifts such as porosity of weld zone. These differences in characteristics of weld defects enables the evaluation of unique characteristics of defects in the weld zone. In quantitative fractal feature extraction, feature values of 0.87 and 1.00 in the case of part of 0.5 skip distance and 0.72 and 0.93 in the case of part of 1.0 skip distance were proposed on the basis of fractal dimensions. Attractor quadrant point, feature values of 1.322 and 1.172 in the case of ${\phi}1{\times}3mm$ porosity and 2.264 and 307 in the case of ${\phi}3{\times}3mm$ porosity were proposed on the basis of distribution value. The Proposed feature extraction of pattern recognition in this study can be used for safety evaluation of weld zone in titanium.

• 한국인터넷방송통신학회논문지
• /
• 제10권5호
• /
• pp.179-185
• /
• 2010

본 논문에서는 특징 되먹임 알고리즘의 성능을 평가하기위해 특징되먹임 알고리즘의 성능에 가장 큰 영향을 주는 특징마스크를 검증한다. 특징 되먹임 기반 패턴 인식 방법은 PCALDA로 추출된 특징을 원 영역으로 역사상하여 인식에 중요한 부분을 추출하는 기법이다. 추출된 특징은 특징마스크의 형태로 원 영역으로 역사상 되므로, 특징마스크의 특징성능 검증에 대한 연구가 필수적이다. 본 논문에서는 Yale data 기반의 얼굴 인식에서 특징마스크를 검출하여 특징마스크에 따른 인식률 변화를 고찰하고 검출된 특징마스크의 성능을 검증한다.

• 한국멀티미디어학회논문지
• /
• 제18권11호
• /
• pp.1281-1288
• /
• 2015

Nongroup Cellular Automata(CA) having two trees in the state transition diagram of a CA is suitable for pattern classifier which divides pattern set into two classes. Maji et al. [1] classified patterns by using multiple attractor cellular automata as a pattern classifier with dependency vector. In this paper we propose a method of generation of a pattern classifier using feature vector which is the extension of dependency vector. In addition, we propose methods for finding nonreachable states in the 0-tree of the state transition diagram of TPMACA corresponding to the given feature vector for the analysis of the state transition behavior of the generated pattern classifier.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.119-126
• /
• 2005

본 논문에서는 영상의 블록 분류 특성에 적응적인 대표 컬러 히스토그램 (representative color histogram)과 방향성 패턴 히스토그램 (directional pattern histogram)을 이용한 새로운 내용 기반 영상 검색 방법 (content-based image retrieval)을 제안한다. 제안한 방법에서는 영상을 일정한 크기의 블록으로 나누고, 분할된 블록의 분류 특성에 따라 컬러와 패턴 특징 벡터를 추출한다. 먼저 분할된 블록을 채도 (saturation)에 따라 휘도 블록 또는 컬러 블록으로 분류한 후, 휘도 블록에 대해서는 블록 평균휘도 쌍의 히스토그램을 구하고, 컬러 블록에 대해서는 블록 평균 컬러 쌍 히스토그램을 구함으로써 블록 분류 특징에 따라 컬러 특징 벡터를 추출한다. 또한 블록 휘도 변화의 기울기 (gradient)를 계산하여 방향성 분류를 행한 후 히스토그램을 계산함으로써 블록 방향성 패턴 특징을 추출한다. 본 논문에서 제안한 영상 검색 방법의 성능을 평가하기 위해서 컴퓨터 모의실험을 행한 결과 제안한 방법이 기존의 방법들보다 정확도 (precision) 및 특징 벡터 차원 (feature vector dimension) 크기 등의 객관적인 측면에서 우수함을 확인하였다.

• 한국의류산업학회지
• /
• 제12권5호
• /
• pp.582-590
• /
• 2010

Garment design needs an iterative manipulation of 2D patterns to generate a final sloper. Traditionally there have been two kinds of design methodologies such as the flat pattern method and the pattern draping method. But today, it is possible to combine the advantages from the two methods due to the realistic cloth simulation techniques. We devised a new garment design system which starts from 3D initial drape simulation result and then modifies the garment by editing the 2D flat patterns synchronously. With this interactive methodology using real-time pattern deformation technique, the designer can freely change a pattern shape by watching its 3D outlook in real-time. Also the final garment data were given relative coordinates with respect to the human anthropometric feature points detected by an automatic body feature detection algorithm. Using the relative human body coordinate system, the final garments can be re-used to an arbitrary body data without repositioning in the drape simulation. A female shirt was used for an example and a 3D body scan data was used for an illustration of the feature point detection algorithm.

• 한국지능시스템학회논문지
• /
• 제16권4호
• /
• pp.466-471
• /
• 2006

패턴 인식 문제에서 중요한 전처리 과정 중 하나는 특정을 선택하거나 추출하는 부분이다. 특정을 추출하는 방법으로는 PCA가 보통 사용되고 특정을 선택하는 방법으로는 SFS 나 SBS 등의 방법들이 자주 사용되고 있다. 본 논문은 진화 연산 방법으로써 비선형 최적화 문제에서 유용하게 사용되어 지고 있는 유전자 알고리즘을 특정 선택에 적용하는 유전자 알고리즘 특정 선택 (Genetic Algorithm Feature Selection: GAFS)방법을 개발하여 다른 특징 선택 알고리즘과의 비교를 통해 본 알고리즘의 성능을 관찰한다.

• 한국통신학회논문지
• /
• 제14권4호
• /
• pp.348-359
• /
• 1989

본 논문은 [1]와 [2]에 의해 제안된 multitree 형상 인식 기법의 성능 개선에 관한 논문이다. Multitree 형상 인식 기법의 기본적인 생각은, Classifier 설계과정에서 각 특징별로 Binary Decision Tree 를 구성하고, 이들의 탐색 순서를 결정하며, 인식 과정에서는 앞에서 정한 탐색 순서에 의거하여, BDT(Binary Decision Tree)를 탐색해 나간다는 것이다. 이때 BDT를 추가하여 탐색하기 전에 그때까지 얻은 정보를 이용하여 입력 물체를 인식할 수 있는지에 대한 여부를 결정하며, 인식이 가능한 경우 BDT의 탐색을 멈추고, 인식이 불가능한 경우 BDT의 탐색을 계속해 나간다. 이 방법은 BDT를 각 특징별로 만들기 때문에 새로운 특징의 삭제나 첨가가 상당히 용이하며 인식에 사용되는 특징의 갯수가 감소하게 된다. 따라서 이 알고리즘은 특징의 수가 많거나 class수가 많을 경우 쉽게 이용될 수 있다. 본 논문은 각 특징에서 구한 근사화된 확률 분포로부터 입력 특징값에 대한 확률값을 구해 인식에 이용하였으며, 이 값을 이용한ㄴ 여러가지 인식 방법을 제안하였다. 그리고 Branch and Bound 방법을 사용하여 특징의 선택 순서와 탐색 범위를 구하였다. 위에서 제안한 것들을 실험한 결과 기존의 multitree형상 인식 기법보다 본 논문에서 제안한 기법의 성능이 향상되었다.