• Proceedings of the KIEE Conference
• /
• 1988.07a
• /
• pp.7-9
• /
• 1988

K-means iteration method is generally used for creating the templates in speaker-independent isolated-word recognition system. In this paper the initialization method of initial centers is proposed. The concepts are sorting and trace segmentation. All the tokens are sorted and segmented by trace segmentation so that initial centers are decided. The performance of this method is evaluated by isolated-word recognition of Korean digits. The highest recognition rate is 97.6%.

• Kyungpook Mathematical Journal
• /
• v.45 no.1
• /
• pp.73-85
• /
• 2005

In this paper a criterion for $L^1-convergence$ of a new modified sine sums is obtained by using $Ces{\grave{a}}ro$ means of integral and non-integral orders.

• Proceedings of the KIEE Conference
• /
• 2006.04a
• /
• pp.90-92
• /
• 2006

기존의 Support Vector Data Description (SVDD) 방법은 학습 데이터의 개수가 증가함에 따라 학습 시간이 지수 함수적으로 증가하므로, 대량의 데이터를 학습하는 데에는 한계가 있었다. 본 논문에서는 학습 속도를 빠르게 하기 위해 K-means clustering 알고리즘을 이용하는 SVDD 알고리즘을 제안하고자 한다. 제안된 알고리즘은 기존의 decomposition 방법과 유사하게 K-means clustering 알고리즘을 이용하여 학습 데이터 영역을 sub-grouping한 후 각각의 sub-group들을 개별적으로 학습함으로써 계산량 감소 효과를 얻는다. 이러한 sub-grouping 과정은 hypersphere를 이용하여 학습 데이터를 둘러싸는 SVDD의 학습 특성을 훼손시키지 않으면서 중심점으로 모여진 작은 영역의 학습 데이터를 학습하도록 함으로써, 기존의 SVDD와 비교하여 학습 정확도의 차이 없이 빠른 학습을 가능하게 한다. 다양한 데이터들을 이용한 모의실험을 통하여 그 효과를 검증하도록 한다.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.5
• /
• pp.951-958
• /
• 2010

In this paper, we obtain the restricted maximum likelihood estimators (RMLE's) for means in normal distributions with the ordered mean constraints. The biases and mean squared errors (MSE's) of these RMLE's are approximated by Mote Carlo methods. In every case a substantial savings in MSE is obtained at the expense of a small loss in bias when using RMLE's instead of the unrestricted MLE's.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.6
• /
• pp.1449-1454
• /
• 2013

There are many methods for measuring the difference between two location parameters. In this paper, statistics are proposed in order to estimate the difference of two location parameters. The statistics are designed not using the means, variances, signs and ranks, but with the cumulative distribution functions. Hence these are measured as the differences in the area between two univariate cumulative distribution functions. It is found that the difference in the area between two empirical cumulative distribution functions is the difference of two sample means, and its integral is also the difference of two population means.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.598-600
• /
• 2000

영상에 존재하는 객체들을 인식하기 위해서는 먼저 영상의 영역 분할이 필요하다. 통계적 모델을 이용한 영상의 영역 분할은 미리서 분할하고자 하는 클러스터의 수를 결정한 후 이를 토대로 영상을 분할하게 된다. 그러나 영상마다 특성상 분할하고자 하는 클러스터 수가 다를 경우 이를 수동적으로 해주는 것은 비능률적이다. 따라서 본 논문은 영상의 영역 분할에 통계적 모델에서 미리 결정해줘야 하는 클러스터의 수 문제를 자동으로 검출하고 퍼지 c-Means 클러스터링 알고리즘을 통한 영상의 영역 분할 시 노이즈 문제를 이웃한 픽셀들의 멤버쉽 값을 평균화함으로써 해결하는 방법을 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.3-4
• /
• 2008

본 논문에서 k-means 군집화 알고리즘을 효율적으로 적용하는 방법을 제안했다. 제안하는 알고리즘의 특징을 속도 향상을 위해 예측 데이터를 이용한 것이다. 군집화 알고리즘의 각 단계에서 군집을 변경할 데이터만 최인접 군집을 계산함으로써 계산 시간을 줄일 수 있었다. 제안하는 알고리즘의 성능 비교를 위해서 KMHybrid 와 비교했다. 제안하는 알고리즘은 데이터의 차원이 큰 경우에 KMHybrid 보다 높은 속도 향상을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.336-339
• /
• 2008

우리가 사용하는 데이터베이스 내에는 많은 양의 데이터 들이 들어 있으며, 계속적으로 그 양은 늘어나고 있다. 이러한 데이터들로부터 질의를 통해 얻을 수 있는 기본적이고 단순한 정보들과 달리 고급 정보를 얻게 해주는 방법이 데이터 마이닝이다. 데이터 마이닝의 기법 중에서 본 논문에서는 k-means 알고리즘을 사용하여 트랜잭션을 클러스터링 함으로써 데이터베이스의 트랜잭션 수를 줄여 연관규칙의 대표적인 알고리즘인 Apriori 알고리즘의 단점인 트랜잭션 스캔으로 인한 성능 저하를 개선하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.1087-1088
• /
• 2020

본 논문에서는 특징 추출 분석, 관심 영역을 추출하기 위한 몇 가지 종래의 이미지 전처리 방법과 K-means 클러스터링 및 이미지 분할방법을 통해서 얻어진 결과를 정상적인 세포와 비정상 세포를 추출하는 기법을 제안한다. 그 결과 97.8% 분류로 우수한 성능을 보여주었다.

• The Korean Journal of Applied Statistics
• /
• v.23 no.3
• /
• pp.595-607
• /
• 2010

This paper addresses the problem of reducing the speckle noise in SAR images by wavelet transformation, using a non-local means(NLM) filter originated for Gaussian noise removal. Log-transformed SAR image makes multiplicative speckle noise additive. Thus, non-local means filtering and wavelet thresholding are used to reduce the additive noise, followed by an exponential transformation. NLM filter is an image denoising method that replaces each pixel by a weighted average of all the similarly pixels in the image. But the NLM filter takes an acceptable amount of time to perform the process for all possible pairs of pixels. This paper, also proposes an alternative strategy that uses the t-test more efficiently to eliminate pixel pairs that are dissimilar. Extensive simulations showed that the proposed filter outperforms many existing filters terms of quantitative measures such as PSNR and DSSIM as well as qualitative judgments of image quality and the computational time required to restore images.