• 한국전산구조공학회논문집
• /
• 제35권2호
• /
• pp.101-107
• /
• 2022

본 논문에서는 지오폴리머의 상변화를 관찰하기 위하여 나노인덴테이션 데이터를 가우시안 믹스쳐 모델로 분석하는 방법을 제시하였다. 지오폴리머는 일반 시멘트 대비 CO₂ 발생량을 줄일 수 있어 시멘트 대체 재료로써 많은 연구가 이루어지고 있다. 기존 연구들로부터 최적의 실리콘/알루미늄 비율을 찾았으나 1.8 초과에서 압축강도 저하의 원인은 아직 불분명하다. 본 연구에서는 실리콘/알루미늄 비율이 재료에 미치는 영향을 조사하고자 나노인덴테이션 실험을 수행하였다. 실험 결과를 가우시안 믹스쳐 모델로 상분석하였고, 실리콘/알루미늄 비율이 증가할수록 재료가 균질거동을 하는 것을 관찰할 수 있었다. 본 연구결과는 강도저하를 규명하는데 직접적인 근거로 활용될 수 있을 것으로 기대된다.

• 한국지능시스템학회논문지
• /
• 제23권2호
• /
• pp.184-189
• /
• 2013

본 논문에서는 인터넷 및 인터넷 저장 공간에 제한없이 유통되고 있는 유해동영상을 필터링하기 위해 유해동영상에 포함된 특정 소리를 이용한 유해 동영상 필터링 시스템을 제안한다. 이를 위하여 소리의 특성을 잘 표현할 수 있는 Gaussian Mixture Model을 이용하였으며, 필터링 대상 데이터와 소리모델과의 유사도를 계산하기위해 프레임단위 유사도 추정을 이용하였다. 또, 실시간 처리를 위하여 비교대상 데이터의 수를 줄임으로서 실시간 처리가 가능한 프루닝 방법을 적용하였으며, 고정도의 구별 성능을 위하여 기존 화자식별에서 우수한 성능을 보였던 MWMR 방법을 적용하였다. 식별실험결과, 일반 영상과 유해 영상의 기준인 전체프레임 대비 유사도 높은 프레임의 비를 50%로 설정한 경우, 판별 오류율은 6.06%였으며, 프레임 비의 기준이 60%인 경우, 오류율은 3.03%를 나타내어 소리를 이용한 유해동영상 필터링 시스템이 효과적으로 일반영상과 유해영상을 구별할 수 있는 것을 확인하였다.

• 한국음향학회지
• /
• 제26권8호
• /
• pp.390-396
• /
• 2007

본 논문에서는 음성 인식과 음악 인식에서 뛰어난 성능을 보이는 Expectation-Maximization(EM) 알고리즘 기반의 패턴인식기법인 가우시안 혼합모델(Gaussian Mixture Model, GMM)을 이용하여 기존의 3GPP2 Selectable Mode Vocoder(SMV)의 실시간 음성/음악 분류 성능을 향상 시키는 방법을 제안한다 SMV의 음성/음악 실시간 분류 알고리즘에서 사용된 특징벡터와 분류방법을 분석하고, 이를 기반으로 분류성능향상을 위해 패턴인식 알고리즘인 GMM을 도입한다. 구체적으로, SMV의 음성/음악 분류알고리즘에서 사용되어진 특징벡터만을 선택적으로 사용하여 효과적인 GMM을 구성한 실시간 분류기법이 제시되었다. SMV의 음성/음악 분류에 적용한 GMM의 성능 평가를 위해 SMV 원래의 분류알고리즘과 비교하였으며, 다양한 음악장르에 대해 시스템의 성능을 평가한 결과 GMM을 이용하였을 때 기존의 SMV의 방법보다 우수한 음성/음악 분류 성능을 보였다.

• 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.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.725-730
• /
• 2007

Otsu의 임계값 결정법, Huang와 Wang의 임계값 결정법 등을 포함한 그레이 레벨 히스토그램에 기반한 임계값 결정법은 영상처리 분야에서 널리 사용되어져 왔다. 이들 기법들은 그 효용성이 뛰어남에도 불구하고 하나의 임계값이 아닌 다중 임계값을 추출하는 경우 많은 연산 시간이 소요되는 단점을 가지고 있다. 즉, 임계값의 개수가 늘어남에 따라 연산 복잡도 역시 기하급수적으로 증가하게 된다 본 논문에서는 가우시안 함수를 이용하여 그레이 레벨간의 상관관계를 측정하고, 가우시안 분포함수와 그레이 레벨의 히스토그램을 결합한 가우시안형 유한 혼합 분포를 이용하여 연산 복잡도가 단순하며 효용성 있는 임계값 결정법을 제안한다. 다수의 영상에 제안한 기법을 적용한 모의실험을 통하여 효용성을 확인하고, Otsu의 임계값 결정법과 제안한 기법의 연산 복잡도 비교를 통해서 제안한 임계값 결정법의 효율성을 보인다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.78-87
• /
• 2016

The major problems of recent object tracking methods are related to the inefficient detection of moving objects due to occlusions, noisy background and inconsistent body motion. This paper presents a robust method for the detection and tracking of a moving in infrared animal videos. The tracking system is based on adaptive optical flow generation, Gaussian mixture and Kalman filtering. The adaptive Gaussian model of optical flow (GMOF) is used to extract foreground and noises are removed based on the object motion. Kalman filter enables the prediction of the object position in the presence of partial occlusions, and changes the size of the animal detected automatically along the image sequence. The presented method is evaluated in various environments of unstable background because of winds, and illuminations changes. The results show that our approach is more robust to background noises and performs better than previous methods.

• 대한원격탐사학회지
• /
• 제35권1호
• /
• pp.93-115
• /
• 2019

The availability of high-resolution laser scanning data and advanced machine learning algorithms has enabled an accurate potential rockfall source identification. However, the presence of other mass movements, such as landslides within the same region of interest, poses additional challenges to this task. Thus, this research presents a method based on an integration of Gaussian mixture model (GMM) and ensemble artificial neural network (bagging ANN [BANN]) for automatic detection of potential rockfall sources at Kinta Valley area, Malaysia. The GMM was utilised to determine slope angle thresholds of various geomorphological units. Different algorithms(ANN, support vector machine [SVM] and k nearest neighbour [kNN]) were individually tested with various ensemble models (bagging, voting and boosting). Grid search method was adopted to optimise the hyperparameters of the investigated base models. The proposed model achieves excellent results with success and prediction accuracies at 95% and 94%, respectively. In addition, this technique has achieved excellent accuracies (ROC = 95%) over other methods used. Moreover, the proposed model has achieved the optimal prediction accuracies (92%) on the basis of testing data, thereby indicating that the model can be generalised and replicated in different regions, and the proposed method can be applied to various landslide studies.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.371-373
• /
• 2015

본 논문에서는 EGML (Effective Gaussian Mixture Learning) 기반 이동 객체 검출 알고리듬의 하드웨어 구현을 위한 설계조건을 분석하였다. EGML 알고리듬을 OpenCV 소프트웨어로 구현하였으며, 다양한 영상들에 대한 시뮬레이션을 통해 배경학습 시간과 이동 객체 검출에 영향을 미치는 파라미터 조건을 분석하였다. 또한, 고정소수점 시뮬레이션을 통해 파라미터들의 비트 폭이 이동 객체검출 성능에 미치는 영향을 평가하고, 최적 하드웨어 설계 조건을 도출하였다.

• 대한전자공학회논문지SP
• /
• 제45권5호
• /
• pp.111-117
• /
• 2008

본 논문에서는 패턴 인식에서 우수한 성능을 보이는 가우시안 혼합모델 (Gaussian mixture model, GMM)을 이용하여 비정상적인 잡음환경에서 3GPP2 selectable mode vocoder (SMV)의 유/무성음 분류 알고리즘 성능 향상을 위한 방법을 제안한다. 기존의 SMV에 대해서 분석하고, 이론 기반으로 유/무성음 분류 알고리즘에서 우수한 성능을 보여주는 특징 벡터를 선택하여 GMM의 입력벡터로 효과적으로 이용한다 다양한 잡음환경에서 시스템의 성능을 평가한 결과 GMM을 이용한 제안된 방법이 기존의 SMV의 방법보다 우수한 유/무성음 분류 성능을 보였다.

• 정보처리학회논문지B
• /
• 제12B권4호
• /
• pp.437-442
• /
• 2005

화자독립 음성인식기의 화자 정규화를 위해 GMM(Gaussian mixture model)분포를 이용하는 방법에 대해 실험한다. 이 방법은 벡터 양자화기를 이용한 선행 연구를 개선한 것으로, 정규화된 학습용 특징벡터들의 확률분포를 최적의 클러스터의 수를 갖는 GMM분포로 모델링한 다음, 이 분포를 이용하여 시험용화자의 워핑계수를 추정한다. 이 연구의 목적은 기존의 ML을 이용한 방법의 단점을 개선하는 동시에 벡터 양자화기를 이용한 선행연구와'soft decision'이라 불리는 확률 분포를 이용한 방법의 성능을 비교하는데 있다. TIMIT 코퍼스를 대상으로 한 음소 인식 실험에서 클러스터의 수를 적절한 크기로 설정한 GMM분포를 이용함으로써 벡터 양자화기를 이용한 방법에 비해 약간 나은 인식률을 얻을 수 있었다.