• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 학술대회 논문집 정보 및 제어부문
• /
• pp.178-180
• /
• 2004

In this work, we propose new method of sigma filtering for efficient filtering and preserving edge regions in DCT Domain. In block-based image compression technique, the image is first divided into non-overlapping $8{\times}8$ blocks. Then, the two-dimensional DCT is computed for each $8{\times}8$ block. Once the DCT coefficients are obtained, they are quantized using a specific quantization table. Quantization of the DCT coefficients is a lossy process, and in this step, noise is added. In this work, we combine IDCT matrix and filter matrix to a new matrix to simplify filtering process to remove noise after IDCT in spatial domain, for each $8{\times}8$ DCT coefficient block, we determine whether this block is edge or homogeneous region. If this block is edge region, we divide this $8{\times}8$ block into four $4{\times}4$ sub-blocks, and do filtering process for sub-blocks which is homogeneous region. By this process, we can remove blocking artifacts efficiently preserving edge regions at the same time.

• Journal of Electrical Engineering and Technology
• /
• 제10권5호
• /
• pp.2197-2204
• /
• 2015

In recent years, medical image diagnosis has growing significant momentous in the medicinal field. Brain and lung image of patient are distorted with salt and pepper noise is caused by moving the head and chest during scanning process of patients. Reconstruction of these images is a most significant field of diagnostic evaluation and is produced clearly through techniques such as linear or non-linear filtering. However, restored images are produced with smaller amount of noise reduction in the presence of huge magnitude of salt and pepper noises. To eliminate the high density of salt and pepper noises from the reproduction of images, a new efficient fuzzy based median filtering algorithm with a moderate elapsed time is proposed in this paper. Reproduction image results show enhanced performance for the proposed algorithm over other available noise reduction filtering techniques in terms of peak signal -to -noise ratio (PSNR), mean square error (MSE), root mean square error (RMSE), mean absolute error (MAE), image enhancement factor (IMF) and structural similarity (SSIM) value when tested on different medical images like magnetic resonance imaging (MRI) and computer tomography (CT) scan brain image and CT scan lung image. The introduced algorithm is switching filter that recognize the noise pixels and then corrects them by using median filter with fuzzy two-sided π- membership function for extracting the local information.

• 정보과학회 논문지
• /
• 제44권6호
• /
• pp.621-627
• /
• 2017

협업필터링은 사용자들이 평가한 항목들의 유사성을 기반으로 평가되지 않은 항목을 효과적으로 추천해주는 기법이다. 기존에는 사용자가 평가하지 않은 항목 중 상위 N개 항목의 추천 정확도를 높이기 위하여 사용자의 항목의 대한 상대적 선호도를 반영하는 쌍 기반 선호도(pair-wise preference)와 목록 기반 선호도(list-wise preference)가 제안되었다. 하지만 이러한 방법들은 사용자가 평가한 항목 간의 상대적인 선호도를 표현하는데 한계가 있으며, 각각의 항목들의 중요도를 반영할 수 없는 단점이 있다. 본 논문에서는 유사도 및 순위 값을 계산할 때 평점 선호도 표현 방법과 역 사용자 빈도수(inverse user frequency)를 이용하여 사용자의 잠재된 선호도를 표현하는 새로운 방법을 제안한다. 제안 방법을 메모리 기반 협업필터링에 적용하여 비교한 결과 기존 방법보다 최대 2배 이상 정확도가 향상되는 것을 확인할 수 있었다.

• 전자공학회논문지 IE
• /
• 제49권2호
• /
• pp.75-81
• /
• 2012

본 논문에서는 흐려지고 노이즈가 부가되어 열화된 아날로그 의학영상을 복원시키기 위하여 복원기법이 적용되었다. 열화함수에 의해 흐려지고 노이즈가 낀 열화영상의 복원을 위해서 역필터링, 위너필터링에 의한 선형복원기법과 Lucy-Richardson 알고리듬에 의한 비선형 반복 복원기법이 사용되었다. 더욱이, 복원영상의 화질을 평가하기 위해서 주관적 평가방식인 ROC 곡선이 사용되었다. 상수비를 사용한 위너필터링은 역필터링에 비하여 좋은 복원영상을 얻었으나, 진단능력을 향상시키지는 못하였다. Lucy-Richardson 알고리듬이 사용된 복원영상은 가장 우수한 성능을 나타냈고, 감도와 특이도가 열화영상보다 15[%] 만큼 개선되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2003년도 추계종합학술대회
• /
• pp.453-456
• /
• 2003

빠른 질의 처리를 요구하는 공간 데이터베이스 시스템은 주로 최소경계사각형을 이용한 여과단계를 수행한 후 후보 객체에 대해 정제 단계를 수행한다. 대부분의 공간 연산은 빠른 여과 단계를 요구하지만, 처리 능력이 떨어지는 단말기에서는 여과율을 높여 정제 단계의 수행 횟수를 줄이는 것이 필수적이다. 그리고 메모리 용량이 부족한 모바일 단말기는 최소경계사각형을 간략히 표현해야 한다. 이 논문에서는 멀티 플랫폼 환경에서 공간 연산의 효율적인 여과 단계를 위한 공간 객체의 다양한 근사 표현 방법을 제안한다. 또한 2차원 공간 색인의 80%이상을 차지하는 최소 경계 사각형 정보를 압축하기 위한 방법을 제안한다. 그리고 표현 용량과 여과 효율 및 여과 처리 속도 측면에서 각 방법의 장단점을 분석한다.

• International Journal of Computer Science & Network Security
• /
• 제22권6호
• /
• pp.339-345
• /
• 2022

Outcome-based education (OBE) is a tried-and-true teaching technique based on a set of predetermined goals. Program Educational Objectives (PEOs), Program Outcomes (POs), and Course Outcomes (COs) are the components of OBE. At the end of each year, the Program Outcomes are evaluated, and faculty members can submit many recommended measures which dependent on the relationship between the program outcomes and its courses outcomes to improve the quality of program and hence the overall educational program. When a vast number of courses are considered, bad actions may be proposed, resulting in unwanted and incorrect decisions. In this paper, a recommender system, using collaborative filtering and association rules algorithms, is proposed for predicting the best relationship between the program outcomes and its courses in order to improve the attributes of the graduates. First, a parallel algorithm is used for Collaborative Filtering on Data Model, which is designed to increase the efficiency of processing big data. Then, a parallel similar learning outcomes discovery method based on matrix correlation is proposed by mining association rules. As a case study, the proposed recommender system is applied to the Computer Information Systems program, College of Computer Sciences and Information Technology, Al-Baha University, Saudi Arabia for helping Program Quality Administration improving the quality of program outcomes. The obtained results revealed that the suggested recommender system provides more actions for boosting Graduate Attributes quality.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권11호
• /
• pp.3050-3063
• /
• 2023

Recommendation systems provide personalized products or services to online users by mining their past preferences. Collaborative filtering is a popular recommendation technique because it is easy to implement. However, with the rapid growth of the number of users in recommendation systems, collaborative filtering suffers from serious scalability and sparsity problems. To address these problems, a novel collaborative filtering recommendation algorithm is proposed. The proposed algorithm partitions the users using affinity propagation clustering, and searches for k nearest neighbors in the partition where active user belongs, which can reduce the range of searching and improve real-time performance. When predicting the ratings of active user's unrated items, mean deviation method is used to impute values for neighbors' missing ratings, thus the sparsity can be decreased and the recommendation quality can be ensured. Experiments based on two different datasets show that the proposed algorithm is excellent both in terms of real-time performance and recommendation quality.

• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.835-840
• /
• 2016

몬테카를로 렌더링은 사진과 흡사한 이미지를 렌더링하는 데 널리 쓰이는 기술이다. 그러나 이 기술로 고품질의 이미지를 얻으려면 픽셀 당 샘플의 수를 증가시켜야 하며, 필연적으로 긴 렌더링 시간을 필요로 한다. 이 문제를 풀기 위하여, 이미지 필터링 기술을 적용할 수 있다. 이는 적은 샘플 수로, 노이즈가 존재하는 렌더링 결과를 빠른 시간 내에 구한 뒤, 필터링을 적용하여 추가적인 샘플 없이 정답 이미지에 근사하는 부드러운 이미지를 얻는 방법이다. 본 논문에서는 에이트러스 웨이블릿필터에 스테인의 공평 에러 추정법(SURE)을 적용하여, 실시간에 가까운 속도로 렌더링한 이미지의 노이즈를 제거하는 방법을 제안한다. 슈어(SURE)를 이용하여 에이트러스 웨이블릿 필터의 필터링으로 인한 에러를 추정할 수 있고, 이를 통하여 에러를 줄이는 방향으로 웨이블릿의 계수를 정할 수 있다. 본 연구진은 이 필터링 방법을 최신 실시간 광선추적법 시스템인 엠브리(embree)에 적용하여 성능을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권12호
• /
• pp.1672-1683
• /
• 2004

추천 시스템은 일상의 정보를 필터링 해주는 웹 지능화 기술 중의 하나이다. 현재까지 협력기반 (사회기반) 추천 시스템, 내용기반 추천시스템과 이들의 장점을 혼합한 추천시스템들이 개발되어 왔다. 본 논문에서는 클러스터링 기법을 항목기반 협력필터링 틀에 적용한 일명 ICHM이라 불리는 새로운 형태의 혼합 추천 시스템을 소개한다. 이 방법은 항목의 내용 정보를 협력필터링 틀 안에 통합시킴으로써 평가 데이타의 희박성을 줄일 수 있을 뿐만 아니라 새로운 항목 추천 시 발생하는 문제점을 해결할 수 있다. ICHM 방법의 특성 및 성능을 평가하기 위하여 MovieLense 데이타를 이용한 다양한 실험을 하였다. 실험 결과, ICHM 방법이 항목기반 협력 필터링의 예측 질을 향상시킬 뿐만 아니라 새로운 항목 추천 시에도 아주 유용함을 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제16B권1호
• /
• pp.55-62
• /
• 2009

협업여과는 추천시스템에서 널리 사용되는 기법으로 다른 사용자의 평가를 기반으로 아이템을 추천하는 기법이다. 사용자 데이터베이스를 이용하는 메모리기반 협업여과에는 사용자기반 기법과 아이템기반 기법이 있다. 사용자기반 협업여과는 유사한 선호도를 가지는 이웃사용자들의 선호도를 바탕으로 특정 아이템에 대한 선호도를 예측하는 반면, 아이템기반 협업여과는 아이템들의 유사도를 바탕으로 특정 사용자의 선호도를 예측한다. 본 논문에서는 추천의 성능을 향상시키기 위하여 이웃사용자와 이웃아이템 크기의 비율을 가중치로 하여 사용자기반 예측값과 아이템기반 예측값을 결합함으로써 최종 예측값을 생성하는 결합예측기법을 제안한다. MovieLens 데이터 셋과 BookCrossing 데이터 셋을 이용한 실험을 통해 본 논문에서 제안한 결합예측기법이 영화와 책에 대하여 사용자기반과 아이템기반보다 예측의 정확성을 향상시킴을 보인다.