• 감성과학
• /
• 제13권4호
• /
• pp.769-776
• /
• 2010

20~23세의 한국 여자대학생을 대상으로 아름다운 손에 대한 손의 형태적 특성과 감성과의 상관관계를 평가하였다. 감성평가 방법으로 손의 아름다움을 각각 10 등급으로 분류하고 이를 손의 형태학적 특성과 감성평가 등급파의 상관관계를 정성적 및 정량적으로 분석하는 방법을 적용하였다. 감성평가에 가장 많은 영향을 미치는 인자는 손 길이와 손 폭의 비이었고, 손 길이와 손가락 길이 및 손가락 굵기의 비율도 많은 영향을 주었다. 반면에 손 갈이와 손톱 길이의 비와 손가락 길이와 손톱 길이의 비는 감성평가에 마치는 영향이 상대적으로 미미하였다. 높은 감성평가를 받은 손(아름다운 손)의 특정은 손, 손가락 및 손톱의 길이가 모두 길고, 손과 손가락의 폭이 좁으며, 특히 낮은 감성평가를 받은 손에 비해 상대적으로 손톱의 길이가 모두 길고, 손과 손가락의 폭이 좁으며, 특히 낮은 감성평가를 받은 손에 비해 상대적으로 손톱의 길이가 더 길었다. 결과적으로 손의 모든 형태학적 특성들이 종합적으로 감성에 영향을 미친다는 것을 알 수 있었다. 이러한 연구 결과는 손의 형태학적 특성을 감성적으로 평가한 최초의 정량 및 정성적 보고로 손의 미적 요소에 관한 기초자료를 구축하였고, 이들 정보들은 손과 관련된 다양한 뷰티산업 제품 및 서비스 분야에 활용이 가능하다.

• 대한음성학회지:말소리
• /
• 제60호
• /
• pp.145-164
• /
• 2006

This paper proposes class histogram equalization (CHEQ) to compensate noisy acoustic features for robust speech recognition. CHEQ aims to compensate for the acoustic mismatch between training and test speech recognition environments as well as to reduce the limitations of the conventional histogram equalization (HEQ). In contrast to HEQ, CHEQ adopts multiple class-specific distribution functions for training and test environments and equalizes the features by using their class-specific training and test distributions. According to the class-information extraction methods, CHEQ is further classified into two forms such as hard-CHEQ based on vector quantization and soft-CHEQ using the Gaussian mixture model. Experiments on the Aurora 2 database confirmed the effectiveness of CHEQ by producing a relative word error reduction of 61.17% over the baseline met-cepstral features and that of 19.62% over the conventional HEQ.

• 대한음성학회지:말소리
• /
• 제55권
• /
• pp.131-142
• /
• 2005

A mismatch between the training and the test conditions often causes a drastic decrease in the performance of the speech recognition systems. In this paper, non-linear transformation techniques based on histogram equalization in the acoustic feature space are studied for reducing the mismatched condition. The purpose of histogram equalization(HEQ) is to convert the probability distribution of test speech into the probability distribution of training speech. While conventional histogram equalization methods consider only the probability distribution of a test speech, for noise-corrupted test speech, its probability distribution is also distorted. The transformation function obtained by this distorted probability distribution maybe bring about miss-transformation of feature vectors, and this causes the performance of histogram equalization to decrease. Therefore, this paper proposes a new method of calculating noise-removed probability distribution by using assumption that the CDF of noisy speech feature vectors consists of component of speech feature vectors and component of noise feature vectors, and this compensated probability distribution is used in HEQ process. In the AURORA-2 framework, the proposed method reduced the error rate by over $44\%$ in clean training condition compared to the baseline system. For multi training condition, the proposed methods are also better than the baseline system.

• 한국음향학회지
• /
• 제33권1호
• /
• pp.68-74
• /
• 2014

이전 연구에서 퍼지 C-Means의 중심 데이터로 이루어진 보조 데이터를 이용한 히스토그램 등화기법을 제안하였다. 보조 데이터를 이용한 히스토그램 등화기법은 사용하는 참조 집합의 크기에 따라 화자 식별 성능에 영향을 받는다. 그러나 인식 시점에서 최적의 파라미터를 찾기는 어렵다. 이 문제를 해결하기 위해 본 논문에서는 화자 식별을 위한 다수 투표 방식에 기반을 둔 보조 데이터를 이용한 히스토그램 등화기법을 제안한다. 다수 투표 기반의 제안한 방법은 여러 종류의 보조 데이터를 이용한 히스토그램 등화기법으로 입력 음성을 분류한다. 본 연구에서 제안한 방법을 CMN(Cepstral Mean Normalization), MVN(Mean and Variance Normalization), HEQ(Histogram Equalization)와 같은 기존의 특징 정규화 방법 및 보조 데이터를 이용한 히스토그램 등화기법과 비교한다.

• 말소리와 음성과학
• /
• 제4권2호
• /
• pp.79-86
• /
• 2012

In this paper, we propose a novel approach to improve histogram equalization for speaker identification. Our method collects all speech features of UBM training data to make a reference distribution. The ranks of the feature vectors are calculated in the sorted list of the collection of the UBM training data and the test data. We use the ranks to perform order-based histogram equalization. The proposed method improves the accuracy of the speaker recognition system with short utterances. We use four kinds of speech databases to evaluate the proposed speaker recognition system and compare the system with cepstral mean normalization (CMN), mean and variance normalization (MVN), and histogram equalization (HEQ). Our system reduced the relative error rate by 33.3% from the baseline system.

• 한국보육학회지
• /
• 제17권2호
• /
• pp.99-114
• /
• 2017

본 연구는 부모-유아 상호작용, 또래상호작용, 교사-유아 상호작용이 유아의 사회적 유능감과 언어 및 문해능력에 미치는 영향을 살피는 것에 있다. 연구대상은 한국아동패널 7차년도 데이터의 1203명 이였다. '사회적 유능감 검사도구', 'SECCYD', 'HEQ', 'PIPPS', '교사-유아 상호작용 검사도구' 들을 통해 연구자료를 수집하였고 수집된 자료는 Pearson 적률상관과 단계적 중다회귀분석을 통해 검증하였다. 연구결과, 유아의 사회적 유능감과 부모-유아 상호작용, 또래상호작용, 교사-유아 상호작용 간에 정적상관이 있는 것으로 밝혀졌다. 전체 인지능력을 가장 강력하게 예측한 변인은 자기조절로 나타났고 이어서 언어능력이 추가적 예측변인으로 밝혀졌다. 또한 언어 및 문해능력과 또래상호작용, 교사-유아 상호작용 간에 정적상관이 있는 것으로 밝혀졌다. 사회적 유능감을 가장 강력하게 예측하는 변인으로는 부모-유아 상호작용이 나타났으며 또래상호작용이 추가적인 예측력이 있는 것으로 나타났다. 언어 및 문해능력을 가장 강력하게 예측하는 예측변인으로는 또래상호작용이 나타났으며 교사-아동상호작용이 추가적인 예측변인으로 나타났다.

• Nuclear Engineering and Technology
• /
• 제27권5호
• /
• pp.775-783
• /
• 1995

CANDU원자로에서 압력관의 건전성을 향상시키기 위한 방안으로 압력관의 두께를 증가시키는 방법과 압력관 제조공정에서 초기수소농도를 줄이는 방법이 연구중에 있다. 본 연구에서는 압력관 두께증가가 가동중 압력관의 안전여유도에 미치는 영향과 새로운 압력관의 낮은 수소농도가 파손의 주원인인 DHC에 미치는 영향에 대해 연구하였다. 가동중 압력관에 날카로운 결함이 발생할 경우 5.2mm두꺼운 압력관은 안전여유도 관점에서 현행 2mm 압력 관에 비해 25% 증가효과를 보이는 것으로 나타났다. LBB평가에서도 두꺼운 압력관은 DHC 발생에 필요한 초기균열 길이 (a), 중수누설 감지 시점에서의 균열길이 (Lp), 중수누설후 압력관 파단까지의 허용시간(t)등에서 많은 이점이 있는 것으로 평가되었으며, 또한 LOCA시 압력관 파단관점에서도 유익한 것으로 나타났다. 여러가지 다른 두께 및 다른 초기수소농도를 갖는 압력관을 대상으로 20년 가동후의 총 누적 수소량을 계산한 결과, 5ppm의 초기 수소량을 갖고 두께가 5.2 mm인 압력관이 가장 우수한 저항성을 보였다. 결함 성장평가에 있어서 초기에 낮은 수소량을 갖는 압력관은 20년 가동후에도 수소화물의 석출이 일어나는 TSS 도달 온도가 낮게 유지되며 냉각시 균열성장량도 매우 적은 것으로 나타났다.