• 한국지능시스템학회논문지
• /
• 제20권3호
• /
• pp.388-393
• /
• 2010

문화콘텐츠기술(CT, Culture Technology)은 문화 산업 발전을 위한 기술로 문화콘텐츠 기획과 상품화, 미디어탑재, 전달의 가치사슬 과정 등 문화상품의 부가가치를 높이기 위해 소용되는 모든 형태의 유무형의 기술이다. 문화콘텐츠 기술(CT)분야에서 음악의 특징을 분석하여 다양한 어플리케이션을 개발하는 연구가 활발히 진행되고 있다. 이와 관련된 연구 중 EEG를 측정하고 그 결과에서 음악적 자극에 대한 반응을 검출하여 활용하는 연구가 주목받고 있다. 본 논문에서는 EEG에서 음악적 자극에 대응되는 반응신호들을 증폭시켜 평균화 하는 방법인 ERP(Event-Related Potentials) 실험을 기반으로 음색을 추출하는 과정에서 노이즈를 제거하기 위한 방법으로 ICA 알고리즘을 적용하여 음색 추출 및 노이즈 제거 결과에 따른 EEG의 특성을 분석하여 적용한다.

• 한국멀티미디어학회논문지
• /
• 제5권4호
• /
• pp.393-398
• /
• 2002

기존의 MPEG-1 오디오 부호화 방식 이 사용하는 비트 할당 알고리듬은 비트 할당이 종료될 때까지 최소의 MNR을 갖는 서브밴드를 탐색하는 과정을 반복적으로 수행한다. 따라서 비트 할당을 수행하는데 필요한 전체 계산량의 상당 부분을 서브밴드 탐색 과정이 차지한다. 본 논문에서는 서브 밴드 탐색을 좀 더 효율적으로 수행 할 수 있는 방안을 제 시 하고, 기존의 방식과 음질과 계산량 측면에서 비교하고자 한다. EBU(Europe Broadcasting Union)가 제공하는 음질 평가용 CD에 수록되어 있는 팝 음악 신호를 사용하여 실험한 결과, 128 kbps의 비트율로 오디오를 압축하는 계층 2 알고리듬 환경에서, 제안한 방식이 필요로 하는 계산량은 ［1］의 방식이 필요로 하는 계산량의 42% 정도이며, MNR로 측정한 두 방식간의 음질 차이는 0.2 ㏈ 정도로 별 차이가 없음을 확인할 수 있었다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.93-110
• /
• 2015

기존의 협업필터링 추천시스템 연구는 상품에 대한 고객의 평점(rating)이나 구매 여부 데이터로부터 하나의 프로파일을 생성하고 이를 기반으로 추천 성능을 향상시킬 수 있는 새로운 알고리즘을 개발하는 위주로 진행되어 왔다. 그러나 빅데이터 환경이 도래하면서 기업이 수집할 수 있는 고객 데이터가 풍부해지고 다양해짐에 따라, 보다 정확하게 고객의 선호도나 행태를 파악하는 것이 가능하게 되었고 이러한 데이터, 즉 퍼스널 빅데이터(personal big data)를 추천시스템에 활용하는 연구의 필요성이 대두되고 있다. 본 연구에서는 마케팅의 시장세분화 이론에 근거하여 퍼스널 빅데이터로부터 고객의 선호도나 행태를 다양한 관점에서 표현할 수 있는 5종의 다중 프로파일(multimodal profile)을 개발하고, 이를 활용하여 협업필터링 추천시스템의 성능을 개선하고자 한다. 제안하는 5종의 다중 프로파일은 프로파일 통합 유사도, 개별 프로파일 유사도 평균, 개별 프로파일 유사도 가중 평균이라는 세 가지 앙상블 기법을 통해 협업필터링의 이웃(neighborhood) 탐색과정에 적용된다. 실제 퍼스널 빅데이터에 본 연구에서 제안하는 방법론을 적용한 결과, 단일 프로파일을 사용하는 협업필터링 알고리즘보다 추천 성능이 상당히 개선되었으며 앙상블 방법 중에서는 개별 프로파일 유사도 가중 평균 기법이 가장 높은 추천 성능을 보여주었다. 본 연구는 빅데이터 환경에서 추천시스템을 개발하고자 할 때, 어떠한 성격의 데이터로부터 고객의 특성을 규명하는 프로파일을 만들고 이를 어떻게 결합하여 사용하는 것이 효과적인 지 처음으로 제안하였다는 점에서 그 의의가 있다.