• The KIPS Transactions:PartB
• /
• v.11B no.4
• /
• pp.471-476
• /
• 2004

Recently, provides information which is most necessary to the user the research against the web information recommendation system for the Internet shopping mall is actively being advanced. the back which it will drive in the object. In that Dynamic Web Recommendation Method Using SOM (Self-Organizing Feature Maps) has the advantages of speedy execution and simplicity but has the weak points such as the lack of explanation on models and fired weight values for each node of the output layer on the established model. The method proposed in this study solves the lack of explanation using the Bayesian reasoning method. It does not give fixed weight values for each node of the output layer. Instead, the distribution includes weight using Hybrid SOM. This study designs and implements Dynamic Web Recommendation Method Using Hybrid SOM. The result of the existing Web Information recommendation methods has proved that this study's method is an excellent solution.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.07a
• /
• pp.419-422
• /
• 2014

본 논문에서는 환자와 검사자에게 초음파 영상의 객관화된 정보를 정확하게 제공하기 위해 간과 신장의 초음파 영상에 SOM 기법을 적용하여 지방간 농도 수치를 분류하는 방법을 제시한다. 제안된 방법은 간, 신장 영역을 촬영한 초음파 영상에서 촬영정보나 눈금자 등과 같이 필요 없는 부분을 잡음으로 간주하여 제거한 Region Of Interest(ROI) 영상을 추출하고, 추출된 ROI 영상에서 명암대비를 강조하기 위해 Fuzzy Stretching 기법을 적용한다. Stretching된 영상에 Enhanced Average Binary와 Labeling 기법으로 적용하여 얻은 Contour 정보를 분석하여 잡음을 제거한 후, 지방간의 측정 영역을 추출한다. 추출된 간과 신장의 측정 영역에 SOM 기법을 적용하여 명암도 값을 분류한 후, 간과 신장의 실질 영역의 대표 명암도를 각각 추출하여 비교 분석한다. 제안된 방법을 초음파 영상에 적용한 결과, 효율적이고 객관적으로 간의 지방도를 분류할 수 있는 가능성을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.08a
• /
• pp.142-145
• /
• 2008

This paper proposes a computationally efficient algorithm for color image segmentation using self-organizing map(SOM) and grassfire algorithm. We reduce a computation time by decreasing the number of input neuron and input data which is used for learning at SOM. First converting input image to CIE $L^*u^*v^*$ color space and run the learning stage with the SOM-input neuron size is three and output neuron structure is 4by4 or 5by5. After learning, compute output value correspondent with input pixel and merge adjacent pixels which have same output value into segment using grassfire algorithm. The experimental results with various images show that proposed method lead to a good segmentation results than others.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.42 no.6
• /
• pp.43-54
• /
• 2005

This paper proposes a novel texture segmentation method using Bayesian image segmentation method and SOM(Self Organization feature Map). Multi-scale wavelet coefficients are used as the input of SOM, and likelihood and a posterior probability for observations are obtained from trained SOMs. Texture segmentation is performed by a posterior probability from trained SOMs and MAP(Maximum A Posterior) classification. And the result of texture segmentation is improved by context information. This proposed segmentation method shows better performance than segmentation method by HMT(Hidden Markov Tree) model. The texture segmentation results by SOM and multi-sclae Bayesian image segmentation technique called HMTseg also show better performance than by HMT and HMTseg.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.13 no.10
• /
• pp.1981-1986
• /
• 2009

This paper presents new matting techniques. The matting is an alpha estimation technique of object in an image. We can extract the object in an image naturally using the matting technique. The proposed algorithms begin by segmenting an image into three regions: definitely foreground, definitely background, and unknown. Then we estimate foreground, background, and alpha for all pixels in the unknown region. The proposed algorithms learn the definitely foreground and definitely background using self-organizing map(SOM), and estimate an alpha value of each pixel in the unknown region using SOM learning result. SOM matting is distinguished between global SOM matting and local SOM matting by learning method. Experiment results show the proposed algorithms can extract the object in an image.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.63-74
• /
• 2007

간은 인체의 생명을 유지하고 성장할 수 있도록 하는 영양섭취와 매우 밀접한 관계를 가진 중요한 장기이다. 이러한 간의 중요성에도 불구하고 현재 우리나라의 간암 발병률이 세계에서 가장 높은 수치를 기록하고 있으며 이에 따라 간암을 조기 진단하고 예방할 수 있는 방법의 중요성이 확대되고 있다. 따라서 본 논문에서는 영상 의학적 검사 방법 중 하나인 CT 촬영으로 획득된 조영 증강 CT 영상에서 간 영역과 간 종양 영역을 정확히 검출하고 간 종양의 악성도를 판별할 수 있는 방법을 제안한다. 흉부로부터 5mm 간격으로 약 $40\;{\sim}\;50$장 정도로 촬영한 조영 증강 CT 영상에서 명암도와 명암의 분포도를 이용한 양자화 기법과 장기들의 위치 및 형태학적 특징정보, 그리고 흉부와 복부 양방향으로 인접한 CT 영상들의 정보를 분석하여 간 영역을 검출한다. 간 종양 영역은 과혈관성 종양의 특징을 분석하고 간 영역의 검출 방법에 적용하여 추출한다. 추출된 간 종양 영역은 퍼지 기반 SOM 알고리즘을 제안하여 간 종양의 악성도를 분석하는데 적용한다. 제안된 퍼지 기반 SOM 알고리즘은 SOM의 이웃 반경을 동적으로 조정하는데 퍼지 제어 기법을 적용하여 기존의 SOM 알고리즘보다 종양의 악성 정도를 분류하는 정확성을 개선하였다. 제시된 간 영역과 간 종양 검출 및 분석 방법의 결과와 전문의가 진단한 결과를 비교 분석한 결과, 기존의 간 영역 및 간 종양 영역 검출 방법보다 정확성이 향상된 것을 확인할 수 있었다.

• Journal of Korea Multimedia Society
• /
• v.11 no.9
• /
• pp.1213-1226
• /
• 2008

A recommender system supports people in making recommendations finding a set of people who are likely to provide good recommendations for a given person, or deriving recommendations from implicit behavior such as browsing activity, buying patterns, and time on task. We proposed new recommender system which combined SOM(Self-Organizing Map) neural networks with the Collaborative filtering which most recommender systems hat applied First, we segmented user groups according to demographic characteristics and then we trained the SOM with people's preferences as ito inputs. Finally we applied the classic collaborative filtering to the clustering with similarity in which an recommendation seeker belonged to, and therefore we didn't have to apply the collaborative filtering to the whose data set. Experiments were run for EachMovies data set. The results indicated that the predictive accuracy was increased in terms of MAE(Mean-Absolute-Error).

• The Korean Journal of Applied Statistics
• /
• v.16 no.2
• /
• pp.321-333
• /
• 2003

Self-organizing map (SOM), a unsupervised learning neural network, has been developed by T. Kohonen since 1980's. Main application areas were pattern recognition and text retrieval. Because of that, it has not been spread to statisticians until late. Recently, SOM's are frequently drawn in data mining fields. Kohonen's SOM, however, needs improvements to become a statistician's standard tool. First, there should be a good guideline as for the size of map. Second, an enhanced visualization mode is wanted. In this study, principal components self-organizing map (PC-SOM), a modification of Kohonen's SOM, is proposed to meet such needs. PC-SOM performs one-dimensional SOM during the first stage to decompose input units into node weights and residuals. At the second stage, another one-dimensional SOM is applied to the residuals of the first stage. Finally, by putting together two stages, one obtains two-dimensional SOM. Such procedure can be easily expanded to construct three or more dimensional maps. The number of grid lines along the second axis is determined automatically, once that of the first axis is given by the data analyst. Furthermore, PC-SOM provides easily interpretable map axes. Such merits of PC-SOM are demonstrated with well-known Fisher's iris data and a simulated data set.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.255-258
• /
• 2000

정보 산업의 발달에 의해 여러 가지 형태의 정보 전달이 가능하게 되었으며 최근에 칼라 화상의 정보 전달에 있어서 빠른 전송과 압축기법이 필요하게 되었다. 본 논문에서는 칼라 화상을 압축하는데 있어 개선된 SOM 알고리즘을 이용하여 칼라 이미지에 대한 벡터 양자화 기법을 제안한다. 제안된 방법은 기존의 LBG 알고리즘을 이용한 벡터 양자화 기법에 비해 블록화 현상을 줄일 수 있었으며 이미지 전체에 대해 블록의 수만큼 계속해서 반복하지 않고 동적으로 코드북을 생성시킴으로써 실행 시간도 줄일 수 있었다. 또한 웨이블릿을 칼라 화상에 적용시켜 화상의 특징을 더욱더 두드러지게 함으로써 개선된 SOM을 적용시 재생의 효과를 높일 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.622-624
• /
• 2005

대규모 지문인식 시스템에서 비교해야할 지문의 수를 줄이기 위해서 지문분류는 필수적인 과정이다. 최근 이진분류기인 지지 벡터 기계(Support Vector Machine: SVM)를 이용한 지문분류 기법이 많이 연구되고 있다. 본 논문에서는 다중부류 지문분류에 적합하도록 자기 구성 지도(Self-Organizing Map:SOM)를 이용하여 OVA(One-Vs-All) SVM들을 결합하는 지문분류 기법을 제안한다. SOM을 이용하여 OVA SVM들을 동적으로 결합하기 위한 결합 지도를 생성하여 지문분류 성능을 높인다. 지문분류에 있어 대표적인 NIST-4 지문 데이터베이스를 대상으로 Jain이 구축한 FingerCode 데이터베이스에 제안하는 방법을 적용하여 $1.8\%$의 거부율에서 $90.5\%$의 분류율을 획득하였으며, 기존의 결합 방법인 승자독식(Winner-takes-all)과 다수결 투표(Majority vote)보다 높은 성능을 확인하였다.