• 한국지능시스템학회논문지
• /
• 제18권5호
• /
• pp.685-691
• /
• 2008

퍼지 규칙기반 분류 시스템에서 위한 퍼지 분할 경계들의 선택은 중요하고 어려운 문제이다. 그래서 이들을 효과적으로 결정하기 위해서 신경망, 유전자알고리즘 등과 같은 학습과정에 기반을 둔 다양한 방법들이 제안되었고, 이전 연구에서는 이들 방법에 대한 문제점을 지적하고 이를 개선하기 위하여 중첩 형태에서 퍼지 분할을 결정할 수 있는 방법에 대해서 논의하였다. 본 논문에서는 이전 연구의 방법을 3가지 형태의 분류 경계들, 즉 비중첩, 중첩, 1점 인접 형태로 확장하였다. 또한 이들을 학습에 의존하지 않고 주어진 데이터로부터 얻어진 통계적 정보만을 사용하여 결정하는 방법을 제안하고, 이를 패턴 분류 문제에 적용하여 제안된 방법의 효용성을 보인다.

• 한국측량학회지
• /
• 제31권2호
• /
• pp.165-172
• /
• 2013

본 연구에서는 대표적인 영상 정합기법 중 하나인 SIFT 기법을 이용하여, 고해상도의 초분광 스트립 영상에 대하여 높은 품질의 모자이크 영상을 생성하고자 하였다. 이를 위해, 항공사진 촬영당시의 GPS/INS 정보를 이용하여 초기 기하보정된 AISA Eagle 초분광 영상에 대하여 실험을 진행하였다. 세 개의 스트립으로 구성된 초분광 영상 간의 정합쌍을 추출하여 변환모델식을 구성하였고, 모자이크 영상을 생성하였다. 특히, 고품질의 초분광 모자이크 영상을 생성하기 위하여, 초분광 영상 내의 대표 밴드를 선정하고, 이를 이용한 영상 정합기법의 결과들을 분석하여 최적의 대표 밴드를 결정하고자 하였다. 본 연구를 통해 생성된 모자이크 영상의 위치 정확도를 비교 평가하기 위해서, GPS/INS 시스템으로 기하보정된 AISA Eagle 초분광 영상을 이용하여 생성한 모자이크 영상과의 시각적 비교 평가를 수행하였으며, 본 연구에서 수행한 방법들의 효용성을 분석하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권4호
• /
• pp.427-431
• /
• 2010

다차원 척도법(multidimensional scaling)은 고차원의 데이터를 낮은 차원의 공간에 매핑(mapping)하여 데이터 간의 유사성을 표현하는 방법이다. 이는 주로 자질 선정 및 데이터를 시각화하는 데 이용된다. 그러한 다차원 척도법 중, 전통 다차원 척도법(classical multidimensional scaling)은 긴 수행 시간과 큰 공간을 필요로 하기 때문에 객체의 수가 많은 경우에 대해 적용하기 어렵다. 이는 유클리드 거리(Euclidean distance)에 기반한 $n{\times}n$ 상이도 행렬(dissimilarity matrix)에 대해 고유쌍 문제(eigenpair problem)를 풀어야 하기 때문이다(단, n은 객체의 개수). 따라서, n이 커질수록 수행 시간이 길어지며, 메모리 사용량 증가로 인해 적용할 수 있는 데이터 크기에 한계가 있다. 본 논문에서는 이러한 문제를 완화하기 위해 GPGPU 기술 중 하나인 CUDA와 분할-정복(divide-and-conquer)기법을 활용한 효율적인 다차원 척도법을 제안하며, 다양한 실험을 통해 제안하는 기법이 객체의 개수가 많은 경우에 매우 효율적일 수 있음을 보인다.

• 한국전자파학회논문지
• /
• 제28권12호
• /
• pp.982-992
• /
• 2017

본 논문에서는 유도탄 조우 시나리오를 고려한 W-대역 밀리미터파 탐색기의 지상 표적 식별을 위한 1차원 산란점 추출 기법을 소개하고, 편파 방향 및 조우 각도에 따른 산란점 추출 결과를 비교 분석하고자 한다. CST A-Solver를 이용해서 SBR(Shotting Bounce Racing)기법을 통해서 전차 표적의 표면과 모서리에 의한 산란을 각각 계산하였다. 편파에 따라 4-채널 RCS 데이터에 대해서 스펙트럼 추정 기법(spectral estimation technique)인 1차원 RELAX 알고리즘을 사용해서 각각의 산란점(scattering center)을 추출했고, 편파 방향과 관측 각도의 변화에 따른 산란점 추출 결과를 비교 분석하였다. 시뮬레이션 분석을 통해서 지상 표적에 대한 산란점 추출 결과를 W-대역 밀리미터파 탐색기의 표적 식별을 위한 특성 벡터로 활용 가능함을 확인하였다.

• 전자공학회논문지SC
• /
• 제48권6호
• /
• pp.43-50
• /
• 2011

바이오인식 기술은 패스워드나 IC 카드와 같이 분실의 우려가 없어 다양한 분야에 응용되고 있으나, 변조가 가능하며 측정방식에 따라 측정자에게 거부감을 줄 수 있다는 단점을 가지고 있다. 이러한 문제점을 해결하기 위해 심전도(ECG)를 이용한 바이오인식 기술에 대한 연구가 진행되고 있으나, 기존의 심전도 바이오인식기술은 심장질환을 측정하는 정형화된 심전도 리드 II 파형을 이용했기 때문에 바이오인식에는 적합하지 못했다. 따라서 본 논문에서는 심전도 리드 III 파형을 이용한 새로운 바이오인식 기술을 제안한다. 측정된 심전도 리드 III 파형은 잡음을 제거하기 위해 필터링을 한 후 AAV 알고리즘을 이용하여 파형의 정점을 찾고, 그 정점을 기준으로 원신호에서 파형을 분류하였다. 추출된 파형을 4가지 타입으로 정의하고 그를 기반으로 꼭짓점 및 세부파형모양, 파형진폭 및 간격 등 총 22가지의 특징들을 추출하였다. 추출된 특징은 오류역전파 신경회로 망인식기를 통해 분류되었다. 심전도 리드 III 파형을 이용한 바이오인식을 위해 31명의 측정자와 데이터베이스에 없는 5명의 측정자, 총 36명을 대상으로 심전도 바이오인식을 실험한 결과 특이도(specificity) 100%, 민감도(sensitivity) 95.59%, 정확도(accuracy) 99.17%의 특성을 보였다.

• 센서학회지
• /
• 제12권6호
• /
• pp.289-297
• /
• 2003

본 논문에서는 정신적 과제수행 동안 EEG 뇌파의 정확한 분류방법에 관하여 기술한다. 피험자는 실험 task에서 시각적 자극에 대한 반응, 문제의 해석, 손동작 제어와 키 선택을 수행한다. 선택시간을 감지하기 위하여 측정한 뇌파로부터 $\alpha$, $\beta$, $\theta$, $\gamma$를 분리하고 4가지의 특징들을 해석한파. 이 특징들을 분석하여 각 피험자별로 공통적인 특징플로 구성된 일반 규칙을 설정한다. 본 시스템의 신경망은 1개의 은닉층을 갖는 3층의 피드포워드 신경망 구조를 가지며 학습에는 역전파 학습 알고리즘을 이용하였다. 4명의 피험자를 대상으로 설정한 알고리즘들을 적용하여 평균 87% 분류 성공률을 보였다. 본 논문에서 제안한 방법은 인지적인 정신과제 판별을 위한 방법들과 결합하여 BCI 기술을 위한 기반 기술로 활용될 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권2호
• /
• pp.189-202
• /
• 2004

본 논문에서는 영상 입력 장치로 입력되는 영상 내의 수많은 정보 중에서 지각적으로 중요하다고 여겨지는 현저한(salient) 영역만을 탐지해내는 새로운 방법을 제안한다. 제안하는 방법은 인간이 가지고 있는 시각적 주의 기능에 기본 바탕을 두고 있으며, 영상을 구성하고 있는 정보의 특징에 기반을 두고 있다. 가장 먼저 인간의 시각적 주의 기능에 영향을 미친다고 알려져 있는 몇 가지 특징들이 입력되는 영상의 모든 영역에 걸쳐 추출되어 각각의 특징에 해당되는 특징지도들로 형성된다. 이렇게 형성된 각각의 특징지도들을 구성하고 있는 특징 값들은 이들 각각의 국부적인 경쟁력 특성에 의하여 영상의 각 영역에서의 중요도를 나타내는 값으로 변환되어 중요도지도를 형성하게 된다. 이러한 중요도지도들은 모두 통합되어 하나의 현저함지도를 생성하게 된다. 현저함지도는 영상 내 각 장소의 현저함 정도를 미리 계산된 특징들의 공간적 중요도 측정치에 따른 스칼라 값으로 표시함으로써 영상 내에서 가장 현저한 영역을 찾을 수 있도록 가이드 한다. 제안하는 방법에 의해 시스템을 구성하여 실험한 결과, 인간이 중요하다고 여겨지는 주요 영역을 만족스럽게 탐지해 냄을 알 수 있었다.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.111-118
• /
• 2024

In general network-based intrusion detection system is designed to detect malicious behavior directed at a network or its resources. The key goal of this paper is to look at network data and identify whether it is normal traffic data or anomaly traffic data specifically for accounting information systems. In today's world, there are a variety of principles for detecting various forms of network-based intrusion. In this paper, we are using supervised machine learning techniques. Classification models are used to train and validate data. Using these algorithms we are training the system using a training dataset then we use this trained system to detect intrusion from the testing dataset. In our proposed method, we will detect whether the network data is normal or an anomaly. Using this method we can avoid unauthorized activity on the network and systems under that network. The Decision Tree and K-Nearest Neighbor are applied to the proposed model to classify abnormal to normal behaviors of network traffic data. In addition to that, Logistic Regression Classifier and Support Vector Classification algorithms are used in our model to support proposed concepts. Furthermore, a feature selection method is used to collect valuable information from the dataset to enhance the efficiency of the proposed approach. Random Forest machine learning algorithm is used, which assists the system to identify crucial aspects and focus on them rather than all the features them. The experimental findings revealed that the suggested method for network intrusion detection has a neglected false alarm rate, with the accuracy of the result expected to be between 95% and 100%. As a result of the high precision rate, this concept can be used to detect network data intrusion and prevent vulnerabilities on the network.

• 전자공학회논문지CI
• /
• 제43권4호
• /
• pp.88-102
• /
• 2006

멀티미디어 정보 검색에서 멀티미디어 데이터는 고차원 공간상의 벡터로 표현된다. 이러한 특정 벡터를 효율적으로 검색하기 위하여 다양한 색인 기법이 제안되어 왔다. 그러나 특정 벡터의 차원이 증가하면서 색인 기법의 효율성이 급격히 떨어지는 차원의 저주 문제가 발생한다. 차원의 저주 문제를 해결하기 위하여 색인하기 이전에 원 특정 벡터를 저차원 공간상의 벡터로 사상하는 차원 축소 기법이 제안된 바 있다. 본 연구에서는 벡터의 놈과 각도 성분을 이용하여 유클리드 거리를 근사하는 함수를 기반으로 하는 새로운 차원 축소 기법을 제안한다. 먼저, 유클리드 거리 근사를 위하여 추정된 각도의 오차의 발생 원인을 분석하고 이 오차를 줄이기 위한 기본 방향을 제시한다. 또한, 고차원 특정 벡터를 다수의 특징 서브 벡터들의 집합으로 분리하고 각 특징 서브 벡터로부터 놈과 각도 성분을 근사하여 차원을 축소하는 새로운 기법을 제안한다. 각도 성분을 정확하게 근사하기 위해서는 올바른 기준 벡터의 설정이 필수적이다. 본 연구에서는 최적 기준 벡터의 조건을 제시하고, Levenberg-Marquardt 알고리즘을 이용하여 기준 벡터를 선정하는 방법을 제안한다. 또한, 축소된 저차원 공간상의 벡터틀을 위한 새로운 거리 함수를 정의하고, 이 거리 함수가 유클리드 거리 함수의 하한 함수가 됨을 이론적으로 증명한다. 이는 제안된 기법이 착오 기각의 발생을 허용하지 않으면서 효과적으로 차원을 줄일 수 있음을 의미하는 것이다. 끝으로, 다양한 실험에 의한 성능 평가를 통하여 제안하는 방법의 우수성을 규명한다.

• 대한전자공학회논문지SP
• /
• 제47권3호
• /
• pp.11-22
• /
• 2010

본 논문은 컨텍스트 기반의 지능형 영상 감시 시스템 구현에 관한 연구로써 기존 연구의 시공간적 제약성 및 실시간 처리가 어려운 단점을 보완하여 초당 30 프레임으로 이루어져 있는 저해상도 동영상(320*240)을 대상으로 다양한 환경에서 실시간 처리가 가능한 움직임 검출 및 장면 분석 알고리즘을 제안하고 이를 이용해 동영상 감시 시스템을 구축한다. 먼저 장면 분석을 수행하기 위한 전처리 과정인 움직임 검출 알고리즘에서는 연속된 프레임 중 의미 없는 유사 프레임과 배경을 제거하고 움직임 영역만을 검출하기 위해 웨이브렛 변환과 에지 히스토그램을 이용하여 샷의 경계를 검출한다. 다음으로 키프레임 선정 파라미터에 의해 샷 경계 내 대표 키프레임을 선정하며, 에지 히스토그램 및 수학적 형태론을 이용하여 움직임 영역만을 검출한다. 장면 분석 알고리즘에서는 검출된 객체의 수직 수평 비율과 질량 중심을 통해 재구성된 허프 변환 후의 각도를 이용해 독립 객체 분석을 수행하며, '서다, 걷다, 눕다, 앉다'의 4가지 기본 상황 정보를 정의한다. 또한 각 상황의 연결 상태 추정을 통해 일반 상황 및 위급 상황으로 구성되는 단순 상황 모델을 정의함으로써 장면 분석을 수행하며, 제안된 알고리즘의 실시간 처리 가능성을 확인하기 위해 시스템을 구성한다. 제안된 시스템은 저해상도 영상을 대상으로 인식률 면에서 평균 92.5%의 성능을 보였으며, 처리속도는 프레임 당 평균 0.74초로 실시간 처리가 가능함을 확인하였다.