• 디지털콘텐츠학회 논문지
• /
• 제18권3호
• /
• pp.457-463
• /
• 2017

주문형 비디오 서비스는 방송사 입장에서 기존 수신료와 광고 기반의 수익모델 외에 추가적인 수익모델을 제공하기 때문에 각 방송사들은 자신만의 주문형 비디오 서비스를 개발하고 매출 증대를 위하여 빈번하게 개선 작업을 수행하고 있기 때문에 개발업체는 주문형 비디오 서비스 개발의 효율성을 높이는 방법을 모색하고 있다. 본 연구는 이와 같은 개발업체의 요구를 근거로 주문형 비디오 서비스 개발에 피처지향 분석모델을 적용하기 위한 기반 연구를 수행하였다. 피처지향 분석모델은 다 수의 사례연구들을 통해 선택적 기능들이 많은 소프트웨어의 사용자 요구사항 분석에 효율적인 방법으로 인정받고 있다. 본 논문은 미국 카네기 멜론대학 SEI에서 개발한 FODA (Feature-Oriented Domain Analysis)를 활용하여 주문형 비디오 서비스의 피처모델을 개발하고, 피처모델에서 규명된 피처들과 피처들 간 논리적 관계를 바탕으로 주문형 비디오 서비스의 기능들을 명세하고, 그 기능들을 테스트할 수 있는 테스트케이스들을 설계하였다. 이런 일련의 연구는 주문형 비디오 서비스 개발에 피처지향 분석모델을 적용하기 위한 토대를 이룬다.

• 한국컴퓨터정보학회논문지
• /
• 제13권5호
• /
• pp.53-67
• /
• 2008

현재 유사 도메인에 대한 feature 모델과 class 모델간의 재사용을 위해, 모델 차원에서 상호변환 연구와 두 모델간 온톨로지를 이용한 변환 연구가 있으나, 메타모델을 통한 일관성 있는 변환이 되지 못하며, 각 모델이 가진 변환 대상 모델링 요소가 충분치 않고, 특히, 자동 변환 알고리즘 및 지원 툴을 제공하지 않음으로써 모델간 재사용의 저하를 초래하고 있다. 본 논문에서는 메타모델 상에서 온톨로지를 사용한 feature 모델을 class 모델로의 변환 방법을 제시한다. 이를 위해, feature 모델, class 모델 및 온톨로지에 대한 메타모델을 재정의하고, 각 메타모델별 모델링 요소에 대한 속성을 정의한다. 이 속성들에 기반하여 feature 모델과 온톨로지 간 그리고 온톨로지와 class 모델간의 변환 규칙 프로파일을 집합 이론과 명제논리로 정의한다. 이러한 변환의 자동화 구축을 위해 변환 알고리즘을 생성하고, 지원 툴을 구현한다. 제시한 변환규칙 및 툴을 사용해 전자 결재시스템을 통해 실제 적용한다. 기대효과로써, 기 구축된 feature 모델을 class모델로 변환하여 상이한 개발방법간에 생성된 모델을 재사용을 할 수 있다. 특히, 온톨로지를 사용해서 의미적 변환의 모호성을 해소시킬 수 있으며, 변환의 자동화 및 모델간 일관성을 유지시켜줄 수 있다.

• 대한원격탐사학회지
• /
• 제23권5호
• /
• pp.401-408
• /
• 2007

Animated anaglyph is the most cost-effective method for 3D stereo visualization of virtual or actual 3D geo-based data model. Unlike 3D anaglyph scene generation using paired epipolar images, the main data sets of this study is the multi-typed 3D feature model containing 3D shaped objects, DEM and satellite imagery. For this purpose, a prototype implementation for 3D animated anaglyph using OpenGL API is carried out, and virtual 3D feature modeling is performed to demonstrate the applicability of this anaglyph approach. Although 3D features are not real objects in this stage, these can be substituted with actual 3D feature model with full texture images along all facades. Currently, it is regarded as the special viewing effect within 3D GIS application domains, because just stereo 3D viewing is a part of lots of GIS functionalities or remote sensing image processing modules. Animated anaglyph process can be linked with real-time manipulation process of 3D feature model and its database attributes in real world problem. As well, this approach of feature-based 3D animated anaglyph scheme is a bridging technology to further image-based 3D animated anaglyph rendering system, portable mobile 3D stereo viewing system or auto-stereo viewing system without glasses for multi-viewers.

• 전자공학회논문지CI
• /
• 제46권1호
• /
• pp.121-127
• /
• 2009

본 논문은 다단계 특징벡터를 이용한 분류기 모델(Multistage Feature-based Classification Model: MFCM)을 제안하는데, MFCM은 주어진 데이터에서 추출된 특징벡터 전체를 한 번에 이용하지 않고, 같은 성질들의 특징벡터들끼리 모아서, 여러 단계에 걸쳐서 분류에 이용한다. 학습단계에서, 같은 성질을 가지는 특징벡터 그룹 각각을 이용하는 국지적 분류기의 분류 정확도 산출을 통해 각 특징벡터그룹의 기여도를 측정한다. 분류단계에서는 각 특징벡터그룹의 기여도에 따라 차등적으로 가중치를 적용하여 최종적인 분류결론을 이끌어 낸다. 본 논문에서는 MFCM의 개념을 기존의 몇 가지 분류 알고리즘에 적용하고, 음악 장르 분류 문제에 응용하여, 제안된 알고리즘의 유용성에 관한 실험을 수행하였다. 실험의 결과 제안된 MFCM을 이용하는 분류기는 기존의 알고리즘과 비교하여 분류정확도에서 평균적으로 7%-13%의 성능향상을 보여준다.

• Journal of information and communication convergence engineering
• /
• 제20권1호
• /
• pp.31-40
• /
• 2022

Coronary heart disease (CHD) is a comorbidity of COVID-19; therefore, routine early diagnosis is crucial. A large number of examination attributes in the context of diagnosing CHD is a distinct obstacle during the pandemic when the number of health service users is significant. The development of a precise machine learning model for diagnosis with a minimum number of examination attributes can allow examinations and healthcare actions to be undertaken quickly. This study proposes a CHD diagnosis model based on feature selection, data balancing, and ensemble-based classification methods. In the feature selection stage, a hybrid SVM-GA combined with fast correlation-based filter (FCBF) is used. The proposed system achieved an accuracy of 94.60% and area under the curve (AUC) of 97.5% when tested on the z-Alizadeh Sani dataset and used only 8 of 54 inspection attributes. In terms of performance, the proposed model can be placed in the very good category.

• ETRI Journal
• /
• 제41권2호
• /
• pp.235-241
• /
• 2019

In this paper, we propose a rank-weighted reconstruction feature to improve the robustness of a feed-forward deep neural network (FFDNN)-based acoustic model. In the FFDNN-based acoustic model, an input feature is constructed by vectorizing a submatrix that is created by slicing the feature vectors of frames within a context window. In this type of feature construction, the appropriate context window size is important because it determines the amount of trivial or discriminative information, such as redundancy, or temporal context of the input features. However, we ascertained whether a single parameter is sufficiently able to control the quantity of information. Therefore, we investigated the input feature construction from the perspectives of rank and nullity, and proposed a rank-weighted reconstruction feature herein, that allows for the retention of speech information components and the reduction in trivial components. The proposed method was evaluated in the TIMIT phone recognition and Wall Street Journal (WSJ) domains. The proposed method reduced the phone error rate of the TIMIT domain from 18.4% to 18.0%, and the word error rate of the WSJ domain from 4.70% to 4.43%.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.281-284
• /
• 2017

최근 임베디드 시스템 개발이 Model Driven Engineering 방식으로 변화하면서 요구사항과 모델 간의 추적성을 보장하는 것이 매우 중요해졌다. 이 논문에서는 기존의 FDD(Feature Driven Development)와 FOSE(Feature Oriented Software Engineering) 방법론에 적용된 feature 개념을 재정의하여 이를 AUTOSAR platform에 적용하는 방법을 제시하며 요구사항부터 model, code까지 추적성을 검증한다.

• ETRI Journal
• /
• 제44권3호
• /
• pp.462-475
• /
• 2022

Although researchers have proposed numerous techniques for speech emotion recognition, its performance remains unsatisfactory in many application scenarios. In this study, we propose a speech emotion recognition model based on a genetic algorithm (GA)-decision tree (DT) fusion of deep and acoustic features. To more comprehensively express speech emotional information, first, frame-level deep and acoustic features are extracted from a speech signal. Next, five kinds of statistic variables of these features are calculated to obtain utterance-level features. The Fisher feature selection criterion is employed to select high-performance features, removing redundant information. In the feature fusion stage, the GA is is used to adaptively search for the best feature fusion weight. Finally, using the fused feature, the proposed speech emotion recognition model based on a DT support vector machine model is realized. Experimental results on the Berlin speech emotion database and the Chinese emotion speech database indicate that the proposed model outperforms an average weight fusion method.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권8호
• /
• pp.2787-2800
• /
• 2022

The aging society increases emergency situations of the elderly living alone and a variety of social crimes. In order to prevent them, techniques to detect emergency situations through voice are actively researched. This study proposes CutPaste-based anomaly detection model using multi-scale feature extraction in time series streaming data. In the proposed method, an audio file is converted into a spectrogram. In this way, it is possible to use an algorithm for image data, such as CNN. After that, mutli-scale feature extraction is applied. Three images drawn from Adaptive Pooling layer that has different-sized kernels are merged. In consideration of various types of anomaly, including point anomaly, contextual anomaly, and collective anomaly, the limitations of a conventional anomaly model are improved. Finally, CutPaste-based anomaly detection is conducted. Since the model is trained through self-supervised learning, it is possible to detect a diversity of emergency situations as anomaly without labeling. Therefore, the proposed model overcomes the limitations of a conventional model that classifies only labelled emergency situations. Also, the proposed model is evaluated to have better performance than a conventional anomaly detection model.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4028-4042
• /
• 2021

Aiming at the problem of software defect prediction difficulty caused by insufficient software defect marker samples and unbalanced classification, a semi-supervised software defect prediction model based on a tri-training algorithm was proposed by combining feature normalization, over-sampling technology, and a Tri-training algorithm. First, the feature normalization method is used to smooth the feature data to eliminate the influence of too large or too small feature values on the model's classification performance. Secondly, the oversampling method is used to expand and sample the data, which solves the unbalanced classification of labelled samples. Finally, the Tri-training algorithm performs machine learning on the training samples and establishes a defect prediction model. The novelty of this model is that it can effectively combine feature normalization, oversampling techniques, and the Tri-training algorithm to solve both the under-labelled sample and class imbalance problems. Simulation experiments using the NASA software defect prediction dataset show that the proposed method outperforms four existing supervised and semi-supervised learning in terms of Precision, Recall, and F-Measure values.