• 대한전자공학회논문지SP
• /
• 제38권3호
• /
• pp.247-257
• /
• 2001

일반적 칼라 출력 장치는 제한된 범위의 색만을 재현 할 수 있다. 특히 프린터와 같이 색의 재현성이 부족한 장비에서는 하드웨어 특성에 따른 채색 면적이나 인쇄에 사용되는 용지의 특성에 따라 염료의 확산 등에 대해서도 고려해야 한다. 특히, 색을 프린트하기 위해서는 출력 과정에서 색의 선형적인 증가와 감소가 이루어져야 하며 또한 정확한 색의 모델링이 가능하여야 한다. 따라서 본 논문에서는 이를 위해 프린터 출력시 실제 채색 면적과 시각적 색감을 고려할 수 있는 디더링 방법을 제안한다. 제안된 방법은 실제 채색 면적을 고려한 패턴 데이터 베이스를 만들어 이를 디더링 패턴으로 이용하게 된다. 그리고 이 데이터 베이스에서 정확한 패턴을 선택하기 위해서는 인간시각의 색 인지력을 모델링한 대조 민감도 함수를 사용하게 된다. 따라서 본 논문에서는 저해상도의 칼라 출력장치에서도 고화질의 색을 재현할 수 있게 해준다.

• 대한전자공학회논문지TC
• /
• 제47권5호
• /
• pp.40-52
• /
• 2010

이동 애드 혹 네트워크는 인스턴트하고 자가 발견적인 특성과 함께 임시적이며 변화가 심한 연결성을 가진다. 토폴로지와 루트 변화가 빈번한 까닭에 일반 네트워크 용 라우팅 기법으로는 좋은 성능을 기대하기 어렵다. 노드의 증가에 따라, 또는 노드의 빠른 이동성에 따라 라우팅 프로토콜의 성능 저하가 발생한다. 본 논문에서는 MANET의 실시간 환경 변화에 적응적인 라우팅 프로토콜을 살펴본다. 먼저, 여러 다른 환경에서 두 가지 대표적 라우팅 프로토콜의 성능을 확인한다. 이어서, 성능 테스트로 얻어진 데이터를 분석하여 다중 모든 라우팅 프로토콜 선택 레퍼런스를 구축한다. 이 레퍼런스는 모든 노드에서 주기적으로 라우팅 환경을 체크할 때 사용된다. 다중 모드 라우팅 프로토콜 적용 방법을 사용함으로써 노드는 주기적으로 네트워크 환경을 체크하고 레퍼런스와 비교하여 성능저하를 최소화 할 수 있는 대체 라우팅 프로토콜을 결정하고 네트워크 전반에 걸쳐 적용한다. 제안한 기법은 OPNET 네트워크 모델링 시뮬레이션으로 그 성능을 확인하고 평가한다. 실험결과, 적응적으로 변화하는 다중 모드 라우팅 프로토콜 적용 기법이 네트워크 환경변화에 매우 효과적으로 사용될 수 있음을 확인하였으며 네트워크의 대역 이용비 측면에서도 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.21-44
• /
• 2018

최근 인터넷 기술의 발전과 함께 스마트 기기가 대중화됨에 따라 방대한 양의 텍스트 데이터가 쏟아져 나오고 있으며, 이러한 텍스트 데이터는 뉴스, 블로그, 소셜미디어 등 다양한 미디어 매체를 통해 생산 및 유통되고 있다. 이처럼 손쉽게 방대한 양의 정보를 획득할 수 있게 됨에 따라 보다 효율적으로 문서를 관리하기 위한 문서 분류의 필요성이 급증하였다. 문서 분류는 텍스트 문서를 둘 이상의 카테고리 혹은 클래스로 정의하여 분류하는 것을 의미하며, K-근접 이웃(K-Nearest Neighbor), 나이브 베이지안 알고리즘(Naïve Bayes Algorithm), SVM(Support Vector Machine), 의사결정나무(Decision Tree), 인공신경망(Artificial Neural Network) 등 다양한 기술들이 문서 분류에 활용되고 있다. 특히, 문서 분류는 문맥에 사용된 단어 및 문서 분류를 위해 추출된 형질에 따라 분류 모델의 성능이 달라질 뿐만 아니라, 문서 분류기 구축에 사용된 학습데이터의 질에 따라 문서 분류의 성능이 크게 좌우된다. 하지만 현실세계에서 사용되는 대부분의 데이터는 많은 노이즈(Noise)를 포함하고 있으며, 이러한 데이터의 학습을 통해 생성된 분류 모형은 노이즈의 정도에 따라 정확도 측면의 성능이 영향을 받게 된다. 이에 본 연구에서는 노이즈를 인위적으로 삽입하여 문서 분류기의 견고성을 강화하고 이를 통해 분류의 정확도를 향상시킬 수 있는 방안을 제안하고자 한다. 즉, 분류의 대상이 되는 원 문서와 전혀 다른 특징을 갖는 이질적인 데이터소스로부터 추출한 형질을 원 문서에 일종의 노이즈의 형태로 삽입하여 이질성 학습을 수행하고, 도출된 분류 규칙 중 문서 분류기의 정확도 향상에 기여하는 분류 규칙만을 추출하여 적용하는 방식의 규칙 선별 기반의 앙상블 준지도학습을 제안함으로써 문서 분류의 성능을 향상시키고자 한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권4호
• /
• pp.1748-1759
• /
• 2018

Weber Local Descriptor (WLD) is a stable and effective feature extraction algorithm, which is based on Weber's Law. It calculates the differential excitation information and direction information, and then integrates them to get the feature information of the image. However, WLD only considers the center pixel and its contrast with its surrounding pixels when calculating the differential excitation information. As a result, the illumination variation is relatively sensitive, and the selection of the neighbor area is rather small. This may make the whole information is divided into small pieces, thus, it is difficult to be recognized. In order to overcome this problem, this paper proposes Weber Symmetrical Local Graph Structure (WSLGS), which constructs the graph structure based on the $5{\times}5$ neighborhood. Then the information obtained is regarded as the differential excitation information. Finally, we demonstrate the effectiveness of our proposed method on the database of ORL, JAFFE and our own built database, high-definition infrared faces. The experimental results show that WSLGS provides higher recognition rate and shorter image processing time compared with traditional algorithms.

• 한국멀티미디어학회논문지
• /
• 제12권9호
• /
• pp.1273-1287
• /
• 2009

Chain-based protocol방법 중의 하나인 PEGASIS는 모든 노드들의 공평한 에너지 소모를 유도 할 수 있지만 BS(Base station)로부터 멀리 떨어진 노드들 중에서 HEAD가 선택될 경우에는 데이터 전송 시에 심각한 에너지 소모와 불필요한 노드들 간의 데이터 이동이 발생하게 된다. 본 논문에서는 이러한 문제점을 해결하기 위해 PEGASIS의 greedy알고리즘을 응용하고, BS를 기준으로 주변 node들과의 거리를 비교하여 에너지 소모를 줄일 수 있는 프로토콜인 DERP(Distance-based Energy efficient routing protocol)을 제안한다. DERP의 기법은 예비헤드(P-HD)노드를 선택하여 보다 효율적인 클러스터 구조를 생성할 수 있는 방법이다. 아울러 더 큰 센서 필드에서의 확장을 위해서 PEGASIS와 제안방법에서 기본이 되는 single-hop 기반의 통신을 HEAD와 BS와의 거리에 따른 relay노드를 선택함으로서 multi-hop 기반의 통신으로 변환하여 에너지 소모를 줄일 수 있는 방법을 추가하였다. DERP의 시뮬레이션 결과 값으로 에너지 효율은 기존의 PEGASIS방법에 비해 최고 80%정도까지의 에너지 효율이 있는 것으로 나타났으며, 데이터 전송 지연 역시 감소하는 것으로 확인 되었다.

• Journal of Communications and Networks
• /
• 제8권1호
• /
• pp.70-84
• /
• 2006

We propose a new distributed QoS routing scheme called pre-computation based selective probing (PCSP). The PCSP scheme is designed to provide an exact solution to the constrained optimization problem with moderate overhead, considering the practical environment where the state information available for the routing decision is not exact. It does not limit the number of probe messages, instead, employs a qualitative (or conditional) selective probing approach. It considers both the cost and QoS metrics of the least-cost and the best-QoS paths to calculate the end-to-end cost of the found feasible paths and find QoS-satisfying least-cost paths. It defines strict probing condition that excludes not only the non-feasible paths but also the non-optimal paths. It additionally pre-computes the QoS variation taking into account the impreciseness of the state information and applies two modified QoS-satisfying conditions to the selection rules. This strict probing condition and carefully designed probing approaches enable to strictly limit the set of neighbor nodes involved in the probing process, thereby reducing the message overhead without sacrificing the optimal properties. However, the PCSP scheme may suffer from high message overhead due to its conservative search process in the worst case. In order to bound such message overhead, we extend the PCSP algorithm by applying additional quantitative heuristics. Computer simulations reveal that the PCSP scheme reduces message overhead and possesses ideal success ratio with guaranteed optimal search. In addition, the quantitative extensions of the PCSP scheme turn out to bound the worst-case message overhead with slight performance degradation.

• 한국지능시스템학회논문지
• /
• 제13권2호
• /
• pp.154-162
• /
• 2003

셀룰라 신경회로망의 연상 메모리를 이용하여 시각적인 입력 데이터의 연산을 통하여 영상 패턴의 분류와 인식을 수행한다. 셀룰라 신경회로망은 일반적인 신경회로망과 같이 비선형 데이터의 실시간 처리가 가능하고, 세포자동자와 같이 이 격자구조의 셀로 이루어져 인접한 셀과 직접 정보를 주고받는다. 응용 분야로는 최적화, 선형/비선형화, 연상 메모리, 패턴인식, 컴퓨터 비전 등에 적용할 수 있다. 영상의 이미지 픽셀을 셀룰라 신경회로망의 셀에 대응하여 전체 이미지 영상을 모든 셀룰라 신경회로망의 셀에서 동시에 병렬로 처리할 수 있어 2-D 이미지 처리에 적합하다. 본 논문은 셀룰라 신경회로망에 의한 연상 메모리 구조를 설계하고, 학습된 하중값 메모리에서 가장 적당한 하중값을 선택하여 학습된 영상과 정확히 일치하는 출력을 얻는 방법을 제시한다. 학습을 통한 연상 메모리 구현에는 각각의 뉴런에서 일정하지 않은 다른 템플릿을 사용한다. 각각의 템플릿은 뉴런들 간의 연결 하중값을 나타내고 학습에 따라 갱신된다. 학습방법으로는 템플릿 하중값 학습에 뉴런들 간의 연결 하중값을 조정하는 가장 단순한 규칙인 Hebb의 학습방법이 사용되었고 분류값 학습에 LMS 알고리즘이 사용되었다.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.111-118
• /
• 2024

In general network-based intrusion detection system is designed to detect malicious behavior directed at a network or its resources. The key goal of this paper is to look at network data and identify whether it is normal traffic data or anomaly traffic data specifically for accounting information systems. In today's world, there are a variety of principles for detecting various forms of network-based intrusion. In this paper, we are using supervised machine learning techniques. Classification models are used to train and validate data. Using these algorithms we are training the system using a training dataset then we use this trained system to detect intrusion from the testing dataset. In our proposed method, we will detect whether the network data is normal or an anomaly. Using this method we can avoid unauthorized activity on the network and systems under that network. The Decision Tree and K-Nearest Neighbor are applied to the proposed model to classify abnormal to normal behaviors of network traffic data. In addition to that, Logistic Regression Classifier and Support Vector Classification algorithms are used in our model to support proposed concepts. Furthermore, a feature selection method is used to collect valuable information from the dataset to enhance the efficiency of the proposed approach. Random Forest machine learning algorithm is used, which assists the system to identify crucial aspects and focus on them rather than all the features them. The experimental findings revealed that the suggested method for network intrusion detection has a neglected false alarm rate, with the accuracy of the result expected to be between 95% and 100%. As a result of the high precision rate, this concept can be used to detect network data intrusion and prevent vulnerabilities on the network.

• 지능정보연구
• /
• 제22권1호
• /
• pp.139-157
• /
• 2016

앙상블 분류기란 개별 분류기보다 더 좋은 성과를 내기 위해 다수의 분류기를 결합하는 것을 의미한다. 이와 같은 앙상블 분류기는 단일 분류기의 일반화 성능을 향상시키는데 매우 유용한 것으로 알려져 있다. 랜덤 서브스페이스 앙상블 기법은 각각의 기저 분류기들을 위해 원 입력 변수 집합으로부터 랜덤하게 입력 변수 집합을 선택하며 이를 통해 기저 분류기들을 다양화 시키는 기법이다. k-최근접 이웃(KNN: k nearest neighbor)을 기저 분류기로 하는 랜덤 서브스페이스 앙상블 모형의 성과는 단일 모형의 성과를 개선시키는 데 효과적인 것으로 알려져 있으며, 이와 같은 랜덤 서브스페이스 앙상블의 성과는 각 기저 분류기를 위해 랜덤하게 선택된 입력 변수 집합과 KNN의 파라미터 k의 값이 중요한 영향을 미친다. 하지만, 단일 모형을 위한 k의 최적 선택이나 단일 모형을 위한 입력 변수 집합의 최적 선택에 관한 연구는 있었지만 KNN을 기저 분류기로 하는 앙상블 모형에서 이들의 최적화와 관련된 연구는 없는 것이 현실이다. 이에 본 연구에서는 KNN을 기저 분류기로 하는 앙상블 모형의 성과 개선을 위해 각 기저 분류기들의 k 파라미터 값과 입력 변수 집합을 동시에 최적화하는 새로운 형태의 앙상블 모형을 제안하였다. 본 논문에서 제안한 방법은 앙상블을 구성하게 될 각각의 KNN 기저 분류기들에 대해 최적의 앙상블 성과가 나올 수 있도록 각각의 기저 분류기가 사용할 파라미터 k의 값과 입력 변수를 유전자 알고리즘을 이용해 탐색하였다. 제안한 모형의 검증을 위해 국내 기업의 부도 예측 관련 데이터를 가지고 다양한 실험을 하였으며, 실험 결과 제안한 모형이 기존의 앙상블 모형보다 기저 분류기의 다양화와 예측 성과 개선에 효과적임을 알 수 있었다.