• Journal of KIISE:Software and Applications
• /
• v.32 no.7
• /
• pp.674-682
• /
• 2005

This paper proposes classification of multi-spectral satellite image based on fusion of fuzzy G-K (Gustafson-Kessel) algorithm and PCM algorithm. The suggested algorithm establishes the initial cluster centers by selecting training data from each category, and then executes the fuzzy G-K algorithm. PCM algorithm perform using classification result of the fuzzy G-K algorithm. The classification categories are allocated to the corresponding category when the results of classification by fuzzy G-K algorithm and PCM algorithm belong to the same category. If the classification result of two algorithms belongs to the different category, the pixels are allocated by Bayesian maximum likelihood algorithm. Bayesian maximum likelihood algorithm uses the data from the interior of the average intracluster distance. The information of the pixels within the average intracluster distance has a positive normal distribution. It improves classification result by giving a positive effect in Bayesian maximum likelihood algorithm. The proposed method is applied to IKONOS and Landsat TM remote sensing satellite image for the test. As a result, the overall accuracy showed a better outcome than individual Fuzzy G-K algorithm and PCM algorithm or the conventional maximum likelihood classification algorithm.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.790-792
• /
• 2004

본 논문은 PCM(Possibilistic C-Means) 알고리즘과 베이시안 분류 알고리즘을 통합한 고해상도 위성영상의 효과적인 분류방법을 제안하였다. 제안된 알고리즘은 학습데이터를 참고로 하여 PCM 알고리즘을 반복적인 과정 없이 수행한다. 각 분류항목별로 분류된 데이터에서 평균내부거리 내부에 해당되는 데이터들을 선정하여 각 항목별 비율을 구한 후 베이시안 분류기법의 사전확률로 적용하여 분류를 수행한다 PCM 알고리즘은 각 데이터와 특정 클러스터와의 거리에 소속도를 부여하는 퍼지 C-Means 알고리즘과 달리 소속도를 각 데이터와 클러스터 중심간의 절대거리에 의존하는 방법으로 퍼지 C-Means 알고리즘이 가지는 상대성 문제를 해결하였다. 제안된 분류 기법을 고해상도 다중분광 데이터인 IKONOS 위성영상에 적용하여 분류를 수행한 후 최대우도 분류기법과 비교한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.10a
• /
• pp.491-493
• /
• 2017

본 논문에서는 PCM 알고리즘을 적용하여 한국인 고유의 신체적 특성에 맞는 한의학 기반의 한방 자가 진단 시스템을 제안한다. 제안된 방법은 사용자로부터 입력받은 각 증상들에 가중치를 설정한다. 입력받은 증상의 개수가 많아질 경우에는 해당되지 않는 질병이 도출되기 때문에 각 증상 클러스터의 가중치를 낮게 설정하여 적은 입출력 변화에도 전체 결과의 신뢰도에 영향을 주지 않도록 한다. 입력 데이터와 가중치를 기반으로 하여 이미 학습된 질병의 증상과 비교한 후, 유사도가 높은 상위 5개의 질병을 도출한다. 도출된 상위 5개의 질병과 도출된 질병의 원인과 민간요법을 제공한다. 질병과 증상에 대한 데이터베이스는 여러 한의학 서적을 통해 구축한 후, 한의학 전문의의 검증을 거쳐 구현하였다. 제안된 한방 자가 진단 시스템은 진료 기록을 바탕으로 증상을 학습함으로써 기존의 질병 진단 시스템 보다 다양한 증상에 대한 질병 정보를 제공할 수 있는 것으로 확인되었다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.8 no.3
• /
• pp.185-191
• /
• 2007

Remote sensing images are multispectral image data collected from several band divided by wavelength ranges. The classification of remote sensing images is the method of classifying what has similar spectral characteristics together among each pixel composing an image as the important algorithm in this field. This paper presents a pattern classification method of remote sensing images by applying a possibilistic fuzzy c-means (PFCM) algorithm. The PFCM algorithm is a hybridization of a FCM algorithm, which adopts membership degree depending on the distance between data and the center of a certain cluster, combined with a PCM algorithm, which considers class typicality of the pattern sets. In this proposed method, we select the training data for each class and perform supervised classification using the PFCM algorithm with spectral signatures of the training data. The application of the PFCM algorithm is tested and verified by using Landsat TM and IKONOS remote sensing satellite images. As a result, the overall accuracy showed a better results than the FCM, PCM algorithm or conventional maximum likelihood classification(MLC) algorithm.

• Journal of Digital Convergence
• /
• v.18 no.11
• /
• pp.241-246
• /
• 2020

In this paper, we propose a neural network model to converge the marine electric propulsion system and deep learning algorithm to predict the DC/DC converter output current in the electric propulsion regeneration system and to predict the battery charge during regeneration. In order to experiment with the proposed neural network, the input voltage and current of the PCM were measured and the data set was secured on the prototype PCM board. In addition, in order to improve the learning results in the insufficient data set, the scale of the data set was increased through data fitting and its learning was executed further. After learning, the difference between the data prediction result of the neural network model and the actual measurement data was compared. The proposed neural network model effectively showed the prediction of battery charge according to changes in input voltage and current. In addition, by predicting the characteristic change of the analog circuit constituting the DC/DC converter through a neural network, it is determined that the characteristics of the analog circuit should be considered when designing the regeneration system.

• KIPS Transactions on Computer and Communication Systems
• /
• v.8 no.6
• /
• pp.151-158
• /
• 2019

FLUSH+RELOAD attack exposes the most serious security threat among cache side channel attacks due to its high resolution and low noise. This attack is exploited by a variety of malicious programs that attempt to leak sensitive information. In order to prevent such information leakage, it is necessary to detect FLUSH+RELOAD attack in real time. In this paper, we propose a novel run-time detection technique for FLUSH+RELOAD attack by utilizing PCM (Performance Counter Monitor) of processors. For this, we conducted four kinds of experiments to observe the variation of each counter value of PCM during the execution of the attack. As a result, we found that it is possible to detect the attack by exploiting three kinds of important factors. Then, we constructed a detection algorithm based on the experimental results. Our algorithm utilizes machine learning techniques including a logistic regression and ANN(Artificial Neural Network) to learn from different execution environments. Evaluation shows that the algorithm successfully detects all kinds of attacks with relatively low false rate.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.10a
• /
• pp.383-385
• /
• 2018

기존의 한방 자가 진단 방법에서는 PCM 기반의 알고리즘을 적용시켰으나 고질적인 문제점 중의 하나인 증상 수가 급격하게 증가할 경우에는 진단 결과가 정확하게 도출되지 않는 현상이 발생한다. 이러한 문제점을 개선하는데 효율적인 퍼지 의사 결정 트리 알고리즘을 적용한다. 퍼지 의사 결정 트리는 과거의 데이터를 미리 학습시킨 후에 엔트로피에 따라 경계 값을 구한 후, 사용자가 여러 증상을 입력하면 입력된 증상에 해당되는 상위 질병 5개를 도출한다. 그리고 도출된 상위 5개의 질병과 도출된 질병의 원인과 치료하기 위한 민간요법을 제공한다. 질병과 증상에 대한 데이터베이스는 한의사가 추천한 여러 한의학 전문 서적을 기반으로 증상과 질병의 데이터베이스를 설계한 후, 한의학 전문의의 검증을 거쳐 구현하였다. 제안된 한방 자가 진단 시스템은 과거의 데이터를 바탕으로 증상을 학습함으로써 기존의 질병 진단 시스템보다 정확하고 신속한 진단 결과를 도출하는 것을 확인하였다.