• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.493-496
• /
• 2005

본 논문에서는 번호판 고유의 복합 색상 정보와 수직 에지 정보를 이용한 번호판 후보 영역 추출기법을 제안한다. 또한 추출된 번호판 영역의 정확성을 높이기 위해서, Fast DCT를 거쳐 압축된 이미지에 대하여 Support Vector Machines(SVM)을 이용한 검증 과정을 제안한다. 제안하는 기법은 차량번호판 인식의 대상이 되는 자동차의 위치가 정면, 후면을 구분하지 않는 다양함을 가지고, 주변 배경이 충분히 포함되는 상황에서 다양한 크기를 가지는 355장의 영상들을 대상으로 한다. 실험 결과, SVM을 이용한 검증 과정을 거친 방법이 그렇지 않은 경우보다 20%이상 향상된 번호판 추출 성공률을 나타내었다.

• 대한안전경영과학회지
• /
• 제7권1호
• /
• pp.199-210
• /
• 2005

Customer segmentation prediction has attracted a lot of research interests in previous literature, and recent studies have shown that artificial neural networks (ANN) method achieved better performance than traditional statistical ones. However, ANN approaches have suffered from difficulties with generalization, producing models that can overfit the data. This paper employs a relatively new machine learning technique, support vector machines (SVM), to the customer segmentation prediction problem in an attempt to provide a model with better explanatory power. To evaluate the prediction accuracy of SVM, we compare its performance with logistic regression analysis and ANN. The experiment results with real data of insurance company show that SVM superiors to them.

• ETRI Journal
• /
• 제30권2호
• /
• pp.335-337
• /
• 2008

An eye detection method for facial images using Zernike moments with a support vector machine (SVM) is proposed. Eye/non-eye patterns are represented in terms of the magnitude of Zernike moments and then classified by the SVM. Due to the rotation-invariant characteristics of the magnitude of Zernike moments, the method is robust against rotation, which is demonstrated using rotated images from the ORL database. Experiments with TV drama videos showed that the proposed method achieved a 94.6% detection rate, which is a higher performance level than that achievable by the method that uses gray values with an SVM.

• Steel and Composite Structures
• /
• 제29권3호
• /
• pp.309-318
• /
• 2018

Steel girders are the structural members often used for passing long spans. Mostly being subjected to patch loading, or concentrated loading, steel girders are likely to face sudden deformation or damage e.g., web breathing. Horizontal or vertical stiffeners are employed to overcome this phenomenon. This study aims at assessing the feasibility of a machine learning method, namely the support vector machines (SVM) in predicting the patch loading resistance of longitudinally stiffened webs. A database consisting of 162 test data is utilized to develop SVM models and the model with best performance is selected for further inspection. Existing formulations proposed by other researchers are also investigated for comparison. BS5400 and other existing models (model I, model II and model III) appear to yield underestimated predictions with a large scatter; i.e., mean experimental-to-predicted ratios of 1.517, 1.092, 1.155 and 1.256, respectively; whereas the selected SVM model has high prediction accuracy with significantly less scatter. Robust nature and accurate predictions of SVM confirms its feasibility of potential use in solving complex engineering problems.

• Asian Journal of Business Environment
• /
• 제13권4호
• /
• pp.1-6
• /
• 2023

Purpose: To explore the application prospect of support vector machine (SVM) in supply chain management and its practical application in supply chain performance evaluation practice. Research design, data and methodology: This paper establishes the performance evaluation index system of supply chain management according to the balanced scorecard (BSC) theory, and establishes the SVM model of supply chain management performance evaluation based on the SVM principle. Results: The performance evaluation results of the supply chain of an electric power equipment Co., Ltd. in Harbin established by using the model are consistent with the actual situation, which indicates the nature and accuracy of the possible reflection of the established supply chain performance evaluation model. Conclusions: The results show that SVM model can be used to evaluate enterprise supply chain management performance indicators, and can improve enterprise supply chain management performance, thus demonstrating the effectiveness of the model.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.693-694
• /
• 2015

본 논문은 소아 및 성인의 중이염을 자동 판별할 수 있는 알고리즘을 제안한다. 제안 방법은 중이염 영상과 정상 영상 데이터베이스에서 HOG(histogram of oriented gradient) 기술자를 사용하여 특징을 추출한 다음 SVM(support vector machine) 분류기를 통하여 추출된 특징들을 학습시킨다. 입력 영상이 학습된 특징들의 모델을 기반으로 SVM 분류기를 통하여 중이염 여부가 판별된다. 실험결과 제안한 방법이 정확도 90% 이상의 판별 성능을 나타내었다.

• 대한전기학회논문지:전력기술부문A
• /
• 제55권11호
• /
• pp.485-491
• /
• 2006

In this paper, we study the problem of model selection for Support Vector Machine(SVM) predictor for short-term load forecasting. The model selection amounts to tuning SVM parameters, such as the cost coefficient C and kernel parameters and so on, in order to maximize the prediction performance of SVM. We propose that Cross-Validation method can be used as a model selection algorithm for SVM-based load forecasting technique. Through the various experiments on several data sets, we found that the difference between the prediction error of SVM using Cross-Validation and that of ideal SVM is less than 5%. This shows that SVM parameters for load forecasting can be efficiently tuned by using Cross-Validation.

• 한국음향학회지
• /
• 제26권2호
• /
• pp.75-79
• /
• 2007

본 논문은 SVM(Support Vector Machines)을 이용한 음성신호 기반의 효과적인 성별인식 시스템을 제안한다. 분별적 이진(binary) 패턴 분류기인 SVM은 특징 공간에서 비선형 경계를 찾아 분류하는 방법으로 우수한 성능을 보인다고 알려져 있다. 연구에서는 기존의 성별인식에서 널리 쓰이고 있는 MFCC(Mel Frequency Cepstral Coefficients)를 사용하여 SVM과 기존의 GMM(Gaussian Mixture Model) 알고리즘의 성별인식 성능을 비교하였고, 특히, 보다 향상된 SVM의 성별인식을 위해 MFCC와 Pitch를 이용한 결합 특징 벡터를 적용하였다. 실험결과 MFCC 파라미터를 사용했을 때 제안된 SVM이 GMM보다 우수한 성별인식 성능을 보였고, 제안된 결합 특징 벡터를 사용 했을 때 우수한 성능을 보였다.

• 한국지능시스템학회논문지
• /
• 제24권6호
• /
• pp.665-670
• /
• 2014

SVM은 학습 데이터를 두 개의 집단으로 분리시키는 최적의 초평면을 찾는 이진 분류기로서 우수한 성능 때문에 다양한 분야에서 귀납 추론, 이진 분류, 예측 등을 목적으로 사용되는 알고리즘이다. 또한 대표적인 블랙박스 모델 중 하나이기 때문에 학습 후 생성되는 SVM의 해석에 대한 연구도 활발히 진행되고 있다. 본 논문에서는 SVM 알고리즘을 이용하여 기상 레이더의 데이터 내에 비교적 높은 빈도로 발생하여 기상 예보의 정확도를 감소시키는 비강수에코 중 하나인 선에코를 자동으로 탐지하는 방법에 대한 연구를 수행하였다. 학습 데이터로는 평균 반사도, 크기, 발생 형태, 중심 고도 등과 같은 특성을 활용하였는데, 이는 기상 레이더 데이터에 저장된 다양한 데이터 중 반사도 값을 선택한 후 클러스터링 기법을 통해 추출한 것이다. 이와 같이 학습된 SVM 분류기를 실제 사례를 바탕으로 하여 검증하였으며, Decision Tree 알고리즘을 적용하여 생성한 분류기의 해석을 수행하였다.

• 한국소음진동공학회논문집
• /
• 제14권12호
• /
• pp.1233-1240
• /
• 2004

Condition monitoring and fault diagnosis of machines are gaining importance in the industry because of the need to increase reliability and to decrease possible loss of production due to machine breakdown. By comparing the nitration signals of a machine running in normal and faulty conditions, detection of faults like mass unbalance, shaft misalignment and bearing defects is possible. This paper presents a novel approach for applying the fault diagnosis of rotating machinery. To detect multiple faults in rotating machinery, a feature selection method and support vector machine (SVM) based multi-class classifier are constructed and used in the faults diagnosis. The results in experiments prove that fault types can be diagnosed by the above method.