• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.624-630
• /
• 2010

심전도 신호는 일반적으로 200Hz 이상의 주파수로 표본화 되므로 효율적인 저장 및 전송을 위해서는 진단에 중요한 정보를 손실 없이 압축하는 방법이 필요하다. 본 논문에서는 곡률을 이용하여 진단에 중요한 정보인 특징점에 기반한 심전도 신호 압축 방법을 제안한다. 제안한 방식은 심전도 신호의 중요 구성요소인 P, Q, R, S, T파의 특징점이 다른 정점에 비해 곡률 값이 크므로 곡률의 국부적 극값을 이용하여 정점을 추출하였다. 또한 신호의 복원 오차를 최소화하기 위하여 순환적정점 선택 방법에 따른 정점을 특징점으로 추가한다. MIT-BIH 부정맥 데이터베이스에 있는 심전도 신호에 대한 실험을 통하여 선택한 정점들이 심전도 신호의 특징점을 모두 포함하고 있으며, 압축의 효율성도 AZTEC 방식 보다 높다는 것을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권3호
• /
• pp.794-814
• /
• 2012

We propose a novel method for improving Wi-Fi positioning accuracy while reducing the energy consumption of mobile devices. Our method presents three contributions. First, we jointly and intelligently select the optimal subset of access points for positioning via maximum mutual information criterion. Second, we further propose local discriminant embedding algorithm for nonlinear discriminative feature extraction, a process that cannot be effectively handled by existing linear techniques. Third, to reduce complexity and make input signal space more compact, we incorporate clustering analysis to localize the positioning model. Experiments in realistic environments demonstrate that the proposed method can lower energy consumption while achieving higher accuracy compared with previous methods. The improvement can be attributed to the capability of our method to extract the most discriminative features for positioning as well as require smaller computation cost and shorter sensing time.

• International Journal of Contents
• /
• 제11권3호
• /
• pp.47-53
• /
• 2015

Visual object tracking is a fundamental problem in the field of computer vision, as it needs a proper model to account for drastic appearance changes that are caused by shape, textural, and illumination variations. In this paper, we propose a feature-based visual-object-tracking method with a sparse representation. Generally, most appearance-based models use the gray-scale pixel values of the input image, but this might be insufficient for a description of the target object under a variety of conditions. To obtain the proper information regarding the target object, the following combination of features has been exploited as a corresponding representation: First, the features of the target templates are extracted by using the HOG (histogram of gradient) and LBPs (local binary patterns); secondly, a feature-based sparsity is attained by solving the minimization problems, whereby the target object is represented by the selection of the minimum reconstruction error. The strengths of both features are exploited to enhance the overall performance of the tracker; furthermore, the proposed method is integrated with the particle-filter framework and achieves a promising result in terms of challenging tracking videos.

• International Journal of Computer Science & Network Security
• /
• 제21권9호
• /
• pp.212-222
• /
• 2021

Multiple waves of COVID-19 highlighted one crucial aspect of this pandemic worldwide that factors affecting the spread of COVID-19 infection are evolving based on various regional and local practices and events. The introduction of vaccines since early 2021 is expected to significantly control and reduce the cases. However, virus mutations and its new variant has challenged these expectations. Several countries, which contained the COVID-19 pandemic successfully in the first wave, failed to repeat the same in the second and third waves. This work focuses on COVID-19 pandemic control and management in Saudi Arabia. This work aims to predict new cases using deep learning using various important factors. The proposed method is called Deep Learning and Dynamic Weighing-based (DLDW) COVID-19 cases prediction method. Special consideration has been given to the evolving factors that are responsible for recent surges in the pandemic. For this purpose, two weights are assigned to data instance which are based on feature importance and dynamic weight-based time. Older data is given fewer weights and vice-versa. Feature selection identifies the factors affecting the rate of new cases evolved over the period. The DLDW method produced 80.39% prediction accuracy, 6.54%, 9.15%, and 7.19% higher than the three other classifiers, Deep learning (DL), Random Forest (RF), and Gradient Boosting Machine (GBM). Further in Saudi Arabia, our study implicitly concluded that lockdowns, vaccination, and self-aware restricted mobility of residents are effective tools in controlling and managing the COVID-19 pandemic.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권6호
• /
• pp.95-102
• /
• 2019

본 글은 주로 호젠기 감독님은 창작한 영화 작품 <훈>과 <그 산, 저 사람> 두 편을 연구한다. 세 부분으로 호젠기 감독님 향토를 소재로 한 영화의 미학적 스타일을 전면적으로 연구하다: 제1부는 향토 장르 영화의 특징을 논술한다. 각각 영화의 제재 선택, 주제 표현, 인물 만들기 및 감정 표현에서 논술을 전개한다. 제2부는 작품의 화면, 소리, 색채의 세 가지 측면에서 각각 논술을 펼쳐 향토 장르 영화의 미학적인 풍격을 한층 더 반영하였다. 제3부는 향토 장르 영화 발전 과정에서의 당혹스러움과 그것이 어떻게 발전했는지를 분석한다. 본 눈문은 호젠기의 향토영화 미학적 스타일을 분석해 중국 향토영화의 발전에 대한 가치와 시사점을 제시한다.

• 한국컴퓨터정보학회논문지
• /
• 제18권4호
• /
• pp.19-26
• /
• 2013

의사 샘플 신경망은 학습 샘플의 수가 적은 경우 학습된 신경망이 국부 최적해에 빠져 성능이 저하되는 것을 보완하기 위해 기존 샘플들로부터 의사 샘플을 생성하고 이를 통해 해공간을 평탄화 시킴으로써 학습된 신경망의 성능을 향상시킬 수 있는 신경망의 변형이다. 이는 학습 샘플의 양에 관한 문제로 이 논문에서는 이에 더해 학습 샘플의 질을 향상시킴으로써 학습된 신경망의 성능을 더욱 높일 수 있는 방법을 제시하였다. 잡음이 적게 포함된 전형적인 학습 샘플들만이 주어지고 입력 특징 중 출력과 연관성이 높은 특징만을 사용함으로써 학습된 신경망의 성능을 높일 수 있음은 자명하다. 따라서 이 논문에서는 커널밀도 추정을 통해 비전형적인 학습샘플을 제거하고 입력값이 출력값에 미치는 영향을 나타내는 연관성 척도를 사용하여 연관성이 적은 특징을 제거함으로써 의사 샘플 신경망의 성능을 향상시킬 수 있음을 보였다. 제시한 방법의 유효성은 토석류 데이터를 이용한 실험을 통해 확인할 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권3호
• /
• pp.539-557
• /
• 2013

A novel multifocus image fusion algorithm based on NSCT is proposed in this paper. In order to not only attain the image focusing properties and more visual information in the fused image, but also sensitive to the human visual perception, a local multidirection variance (LEOV) fusion rule is proposed for lowpass subband coefficient. In order to introduce more visual saliency, a modified local contrast is defined. In addition, according to the feature of distribution of highpass subband coefficients, a direction vector is proposed to constrain the modified local contrast and construct the new fusion rule for highpass subband coefficients selection The NSCT is a flexible multiscale, multidirection, and shift-invariant tool for image decomposition, which can be implemented via the atrous algorithm. The proposed fusion algorithm based on NSCT not only can prevent artifacts and erroneous from introducing into the fused image, but also can eliminate 'block effect' and 'frequency aliasing' phenomenon. Experimental results show that the proposed method achieved better fusion results than wavelet-based and CT-based fusion method in contrast and clarity.

• 전자공학회논문지CI
• /
• 제48권4호
• /
• pp.21-26
• /
• 2011

특징 순위 방법은 데이터에 대한 정보와 관련된 특징을 구별하는데 유용하게 사용된다. 본 논문에서는 혈소판으로부터 측정된 라만 스펙트럼에서 퇴행성 뇌신경질환과 혈관성 인지증의 분류에 특징 순위를 이용하는 방법을 제안하였다. 퇴행성 뇌신경 질환인 알츠하이머병(Alzheimer's disease)과 파킨슨병(Parkinson's disease) 그리고 혈관성 인지증(vascular dementia)을 유도한 실험용 쥐의 혈소판에서 측정한 스펙트럼은 가우시안 모델을 이용한 커브 피팅으로 노이즈를 제거하고 로컬 최저점에 선형 보간법(linear interpolation)으로 배경 잡음을 제거한다. 전처리 과정을 수행한 스펙트럼에서 분류정확도와 계산복잡도를 개선하기 위해 특징 순위 방법을 이용하여 주요 특징을 선택하였다. 선택된 특징들은 PCA(principal component analysis) 방법으로 변환하여 주성분의 수를 변화시키며 MAP(maximum a posteriori)으로 분류하고 전체 특징을 사용한 경우의 분류 결과와 비교하였다. 실험 결과에서 제안한 방법을 적용한 모든 실험에서 분류 시스템의 계산복잡도를 현저하게 감소시키고 분류정확도는 부분적으로 증가하였다. 특히 파킨슨병과 정상을 분류하는 실험에서 제안한 방법이 전체 특징을 사용한 경우보다 모든 주성분의 수에서 분류정확도가 높았으며 평균 1.7 %의 성능이 향상되었다. 이 결과에서 분류정확도와 계산복잡도의 개선을 고려하면 제안한 방법이 혈소판 라만 스펙트럼에서 퇴행성 뇌신경질환과 혈관성 인지증의 분류 시스템에 효율적으로 사용될 수 있음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권6호
• /
• pp.1828-1847
• /
• 2014

Coordinated multi-point (CoMP) transmission has been regarded as a potential technology for LTE-Advanced. In frequency division duplexing systems, channel quantization is applied for reporting channel state information (CSI). Considering the dynamic number of cooperation base stations (BSs), asymmetry feature of CoMP channels and high searching complexity, simply increasing the size of the codebook used in traditional multiple antenna systems to quantize the global CSI of CoMP systems directly is infeasible. Per-cell codebook based channel quantization to quantize local CSI for each BS separately is an effective method. In this paper, the theoretical upper bounds of system throughput are derived for two codeword selection schemes, independent codeword selection (ICS) and joint codeword selection (JCS), respectively. The feedback overhead and selection complexity of these two schemes are analyzed. In the simulation, the system throughput of ICS and JCS is compared. Both analysis and simulation results show that JCS has a better tradeoff between system throughput and feedback overhead. The ICS has obvious advantage in complexity, but it needs additional phase information (PI) feedback for obtaining the approximate system throughput with JCS. Under the same number of feedback bits constraint, allocating the number of bits for channel direction information (CDI) and PI quantization can increase the system throughput, but ICS is still inferior to JCS. Based on theoretical analysis and simulation results, some recommendations are given with regard to the application of each scheme respectively.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권10호
• /
• pp.2632-2649
• /
• 2012

Most approaches to human action recognition is limited due to the use of simple action datasets under controlled environments or focus on excessively localized features without sufficiently exploring the spatio-temporal information. This paper proposed a framework for recognizing realistic human actions. Specifically, a new action representation is proposed based on computing a rich set of descriptors from keypoint trajectories. To obtain efficient and compact representations for actions, we develop a feature fusion method to combine spatial-temporal local motion descriptors by the movement of the camera which is detected by the distribution of spatio-temporal interest points in the clips. A new topic model called Markov Semantic Model is proposed for semantic feature selection which relies on the different kinds of dependencies between words produced by "syntactic " and "semantic" constraints. The informative features are selected collaboratively based on the different types of dependencies between words produced by short range and long range constraints. Building on the nonlinear SVMs, we validate this proposed hierarchical framework on several realistic action datasets.