• 한국멀티미디어학회논문지
• /
• 제11권5호
• /
• pp.597-609
• /
• 2008

기존의 배경 모델링 방법은 배경 모델의 반복적 갱신(recursive update)으로 인해 배경보다 객체가 더 자주 등장하는 혼잡한 환경에서는 정확한 배경 모델링을 생성하기 어려운 문제를 지니고 있다. 본 논문은 이러한 기존 방법의 문제를 해결하기 위해 기존의 혼합 Gaussian 모델을 기반으로 하는 적응적 배경 모델링 방법을 제안한다. 제안한 방법은 영상 내 전경 영역의 비율에 따라 배경 모델의 학습 비율을 적응적으로 조절한다. 따라서, 혼잡 상황에서는 배경 모델의 갱신을 억제하여 배경 모델을 잘 유지시키는 것이 가능하다. 실험을 통해 제안한 방법이 일반적인 상황의 영상에서는 기존 방법과 유사한 정확도를 보이지만 혼잡한 상황에서는 기존 방법과 비교하여 배경 제거를 효과적으로 수행하는 것을 확인하였으며, 또 정확도 측정 결과 혼잡한 상황의 영상에서 기존 방법과 비교하여 F 값이 5-10% 가량 향상함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.89-90
• /
• 2008

AWGN(Addictive white gaussian noise)에 의해 영상은 자주 훼손되곤 한다. 최근 이를 복원하기위해 웨이블릿(Wavelet) 영역에서의 베이시안(Bayesian) 추정법이 연구되고 있다. 웨이블릿 변환된 영상 신호의 밀도 함수(pdf)는 표족한 첨두와 긴 꼬리(long-tail)를 갖는 경망이 있다. 이러한 사전 밀도 함수(a priori probability density function)를 상황에 적합하게 추정한다면 좋은 성능의 복원 결과를 얻을 수 있다. 빈번이 제안되는 릴도 함수로 가우시안(Gaussian) 분포 참수와 라플라스(Laplace) 분포 함수가 있다. 이들 각각의 모델은 훌륭히 변환 계수들을 모델링하며 나름대로의 장점을 나타낸다. 본 연구에서는 가우시안 분포와 라플라스(Laplace) 분포의 혼합 분포 모델을 밀도 함수로 제안하여, 이 들의 장점을 종합하였다. 이를 MAP(Maximum a Posteriori) 추정 방법에 적용하여 잡음을 제거 하였다. 그 결과 기존의 알고리즘에 비해 시각적인 면(Visual aspect), 수치적인 면(PSNR), 그리고 연산량(Complexity) 측면에서 망상된 결과를 얻었다.

• 한국도로학회논문집
• /
• 제14권3호
• /
• pp.77-85
• /
• 2012

자동사고검지 알고리즘의 대부분은 사고가 발생했을 때 사고로 검지하지 못하고, 혼잡으로 검지하는 경우가 많다는 문제점을 가지고 있다. 또한 교통정보센터 운영자들은 교통사고검지시스템을 운영하면서 대부분 CCTV 육안감시 또는 운전자들의 신고에 의존하여 사고처리를 하고 있는 실정이다. 그 이유는 현재 운영되고 있는 교통사고검지시스템에서는 실제 사고가 아닌데도 불구하고, 사고라는 오검지 경고가 많이 발생되어 시스템 전체의 신뢰도가 떨어진다는 문제점이 있기 때문이다. 다시 말해 교통사고검지시스템의 알고리즘은 검지율(Detection probability)이 높아야 함과 동시에, 오검지율(False alarm probability)은 낮아야 하고, 정확한 사고지점과 시간을 검지해 낼 수 있어야 한다. 이에 본 연구는 검지율을 높이고 동시에, 오검지율을 낮추는 방법으로 기 개발된 가우시안 혼합모델(Gaussian Mixture Model)과 개별차량 Tracking을 이용하여 개발한 사고검지 알고리즘을 교통정보센터 관리시스템(Center Management System)에 적용하고, 실제 교통상황에서 사고검지율과 오검지의 빈도를 측정하여 그 효과를 검증 및 평가하고자 한다.

• 한국음향학회지
• /
• 제28권3호
• /
• pp.268-272
• /
• 2009

본 논문에서는 화자확인을 위해서 가우시안혼합모델에 forgetting factor를 갖는 점진적 강인적응 방법을 제안하였다. 화자인식 시스템에서 적은 양의 데이터로 좋은 성능을 얻기 위하여 화자모델 적응방법이 사용되고 있다. 그러나, 현재 사용되고 있는 적응방법은 불규칙한 발성변화와 잡음 같은 이씨에 취약하고, 그것은 부정확한 화자모델을 만들 수 있다. 또한 시간이 지날수록 모델에 새로운 데이터가 적응되는 비율이 줄어들게 되는 문제점이 있다. 제안된 알고리즘은 가우시안혼합모델을 이용한 화자모델에서 이상치에 의한 왜곡과 새로운 데이터에 대한 적응 비율을 일정이상으로 유지할 수 있도록 하기 위하여 점진적 강인적응 방법을 제안하였다. 점진적 강인적응은 화자인식에서 적은 양의 데이터로 등록하고 테스트된 새로운 데이터로 모델을 적응시키는 방법이다. 실험결과는 7개월에 걸쳐서 수집된 데이터로부터 제안된 방법이 이상치에 강인하고 새로운 데이터의 적응 비율을 일정하게 유지시킴을 보였다.

• 한국정보통신학회논문지
• /
• 제19권5호
• /
• pp.1047-1054
• /
• 2015

본 논문에서는 음성 인식 성능 향상을 위해 미전사된 음성 데이터베이스를 이용한 효과적인 음향 모델 변환 기법을 기술한다. 본 논문에서 기술하는 모델 변환 기법에서는 기존의 적응 기법을 이용하여 환경에 적응된 GMM을 얻는다. HMM의 가우시안 요소와 유사한 요소를 선택하여 선택된 가우시안 요소의 변환 벡터를 구하고 이를 평균 파라미터 변환에 이용한다. GMM 적응 기반의 모델 변환 기법을 기존의 MAP, MLLR 적응 기법과 결합하여 적용한 결과, 자동차 잡음과 음성 Babble 잡음 환경에서 기존의 MAP, MLLR을 단독으로 사용할 경우보다 높은 음성 인식성능을 나타낸다. 온라인 음향 모델 적응 실험에서도 MLLR과 결합할 경우 기존의 MLLR을 단독으로 사용할 때보다 효과적인 모델 적응 성능을 나타낸다. 이와 같은 결과는 본 논문에서 소개한 GMM 적응 기반의 모델 변환 기법을 채용함으로써 미전사된 음성 데이터베이스를 음향 모델 적응 기법에 효과적으로 활용할 수 있음을 입증한다.

• 한국산학기술학회논문지
• /
• 제13권2호
• /
• pp.817-821
• /
• 2012

본 논문에서는 환경음 인식에 GMM(Gaussain mixture model)을 이용할 때 MDL(minimum description length)와 BIC(Bayesian information criterion) 모델선택 기준을 이용하여 최적의 혼합모델 개수를 결정하는 방법에 대해 다루었다. 실험은 모두 9가지 종류의 환경음으로부터 12차 MFCC(mel-frequency cepstral coefficients) 특징 27747개를 추출하고 이를 GMM으로 분류하였다. 각 환경음 클래스의 최적 혼합모델 개수를 추정 하기위해 MDL과 BIC를 적용하고 그 결과를 고정 개수의 혼합모델을 사용한 경우와 비교하였다. 실험 결과에 따르면 혼합모델 선택 방법을 적용한 경우가 그렇지 않은 경우에 비해 거의 유사한 인식성능을 유지하면서 계산복잡도는 BIC와 MDL를 통해 각각 17.8%와 31.7%가 감소하는 것을 확인하였다. 이는 GMM을 이용한 환경음 인식에서 BIC와 MDL 적용을 통해 계산복잡도를 효과적으로 감소시킬 수 있음을 보여준다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.395-406
• /
• 2017

전력 공급 시스템의 효율적인 운영을 위해 전력수요예측은 필수적이다. 본 연구에서는 군집분석과 분류분석을 이용하여 일 단위 시간별 전력수요량 시계열 패턴의 유형을 살펴보고자 한다. 전력거래소에서 수집된 2008년 1월 1일부터 2012년 12월 31일까지의 일 단위 시간별 전력수요량 데이터를 추세성분, 계절성분, 오차 성분으로 구성된 시계열 자료로 변환하여 사용하였다. 추세성분을 제거한 시계열 자료의 패턴을 구분하기 위한 군집 분석방법은 k-평균 군집분석 (k-means), 가우시안혼합모델 혼합 모델 군집분석 (Gaussian mixture model), 함수적 군집분석 (functional clustering)을 고려하였다. 주성분분석을 통해 24시간 자료를 2개의 요인로 축소한 후 k-평균 군집분석과 가우시안 혼합 모델, 함수적 군집분석을 수행하였다. 군집분석 결과를 토대로 2008년부터 2011년까지 총 4년간 데이터를 4가지 분류분석방법인 의사결정나무, RF (random forest), Naive bayes, SVM (support vector machine)을 통해 훈련시켜 2012년 군집을 예측하였다. 분석 결과 가우시안 혼합 분포기반 군집분석과 RF를 이용한 군집예측 결과의 성능이 가장 우수하였다.

• 한국컴퓨터정보학회논문지
• /
• 제15권1호
• /
• pp.177-183
• /
• 2010

연속 어휘 인식 시스템에서는 통계적 방법에 의한 어휘 인식을 수행하기 위하여 확률분포를 이용하며 이는 음소 단위의클러스터링을사용하여모델링하여샘플들을기반으로 확률 파라미터를 추정한다. 어휘 검색 시 추정된 확률 파라미터로부터 인식 결과를 나타내는데 미리 정의되지 않은 음소와 추가되어진 음소로부터 인식률이 저하되는 문제점이 발생하며, 하나의 클러스터링으로 모델링하므로 가우시안 모델이 정확성을 확보하지 못한다는 단점이 있다. 이를 개선하기 위하여 확률 분포의 혼합 가우시안 모델을 최적화하여 유사도를 기반으로 Euclidean과 Bhattacharyya 거리 측정 방법을 혼합한 군집화 모델을 제안하고, 군집화된 모델에서 음소 단위로 확률 모델을 탐색할 수 있는 시스템을 모델링하였다. 본 논문에서 제안한 시스템을 적용한 결과 시스템 성능에서 어휘 종속 인식률은 98.63%, 어휘 독립 인식률은 97.91%의 인식률을 나타내었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (1)
• /
• pp.130-132
• /
• 2005

초고속 네트워크의 폭발적인 확산과 함께 네트워크 침입 사례 또한 증가하고 있다. 이를 검출하기 위한 방안으로 침입 탐지 시스템에 대한 관심과 연구 또한 증가하고 있다. 네트워크 침입을 탐지위한 방법으로 기존의 알려진 공격을 찾는 오용 탐지와 비정상적인 행위를 탐지하는 방법이 존재한다. 본 논문에서는 이를 혼합한 하이브리드 형태의 새로운 침입 탐지 시스템을 제안한다. 기존의 혼합된 방식과는 다르게 네트워크 데이터의 모델링과 탐지를 위해 가우시안 혼합 모델을 사용한다. 가우시안 혼합 모델에 기반한 침입 탐지 시스템의 성능을 평가하기 위해 DARPA'99 데이터에 적용하여 실험하였다. 실험 결과 정상과 공격은 확연히 구분되는 결과를 나타내었으며, 공격 간의 분류도 상당 수 가능하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.550-551
• /
• 2018

바이오마커는 체내의 상태 및 변화를 파악할 수 있는 지표이다. 이는 암을 비롯한 다양한 질병에 대하여 진단하는데 활용도가 높은 것으로 알려져 있으나, 새로운 바이오마커를 찾아내기 위한 임상 실험은 많은 시간과 비용을 소비되며, 모든 바이오마커가 실제 질병을 진단하는데 유용하게 사용되는 것은 아니다. 따라서 본 연구에서는 자연어처리 기술을 활용해 바이오마커를 발굴할 때 요구되는 많은 시간과 비용을 줄이고자 한다. 이 때 다양한 의미를 가진 어휘들이 해당 질병과 연관성이 높은 것으로 나타나며, 이들을 분류하는 것은 매우 어렵다. 따라서 우리는 Word2Vec과 가우시안 혼합 모델을 사용하여 바이오마커를 분류하고자 한다. 실험 결과, 대다수의 바이오마커 어휘들이 하나의 군집에 나타나는 것을 확인할 수 있었다.