• International Journal of Internet, Broadcasting and Communication
• /
• 제15권3호
• /
• pp.176-184
• /
• 2023

Points of interest (POIs) are widely used in tourism recommendations and to provide information about areas of interest. Currently, situation judgement using POI and GPS data is mainly rule-based. However, this approach has the limitation that inferences can only be made using predefined POI information. In this study, we propose an algorithm that uses POI data, GPS data, and schedule information to calculate the current speed, location, schedule matching, movement trajectory, and POI coverage, and uses machine learning to determine whether to stay or go. Based on the input data, the clustered information is labelled by k-means algorithm as unsupervised learning. This result is trained as the input vector of the SVM model to calculate the probability of moving and staying. Therefore, in this study, we implemented an algorithm that can adjust the schedule using the travel schedule, POI data, and GPS information. The results show that the algorithm does not rely on predefined information, but can make judgements using GPS data and POI data in real time, which is more flexible and reliable than traditional rule-based approaches. Therefore, this study can optimize tourism scheduling. Therefore, the stay detection algorithm using GPS movement trajectories and POIs developed in this study provides important information for tourism schedule planning and is expected to provide much value for tourism services.

• Journal of Electrical Engineering and Technology
• /
• 제13권6호
• /
• pp.2511-2520
• /
• 2018

In this study, Multi-Radial Basis Function Support Vector Machine (Multi-RBF SVM) classifier is introduced based on a composite kernel function. In the proposed multi-RBF support vector machine classifier, the input space is divided into several local subsets considered for extremely nonlinear classification tasks. Each local subset is expressed as nonlinear classification subspace and mapped into feature space by using kernel function. The composite kernel function employs the dual RBF structure. By capturing the nonlinear distribution knowledge of local subsets, the training data is mapped into higher feature space, then Multi-SVM classifier is realized by using the composite kernel function through optimization procedure similar to conventional SVM classifier. The original training data set is partitioned by using some unsupervised learning methods such as clustering methods. In this study, three types of clustering method are considered such as Affinity propagation (AP), Hard C-Mean (HCM) and Iterative Self-Organizing Data Analysis Technique Algorithm (ISODATA). Experimental results on benchmark machine learning datasets show that the proposed method improves the classification performance efficiently.

• Computers and Concrete
• /
• 제18권6호
• /
• pp.1065-1082
• /
• 2016

The main aim of this study is to predict the compressive and flexural strengths of self-compacting mortar (SCM) containing $nano-SiO_2$, $nano-Fe_2O_3$ and nano-CuO using wavelet-based weighted least squares-support vector machines (WLS-SVM) approach which is called WWLS-SVM. The WWLS-SVM regression model is a relatively new metamodel has been successfully introduced as an excellent machine learning algorithm to engineering problems and has yielded encouraging results. In order to achieve the aim of this study, first, the WLS-SVM and WWLS-SVM models are developed based on a database. In the database, nine variables which consist of cement, sand, NS, NF, NC, superplasticizer dosage, slump flow diameter and V-funnel flow time are considered as the input parameters of the models. The compressive and flexural strengths of SCM are also chosen as the output parameters of the models. Finally, a statistical analysis is performed to demonstrate the generality performance of the models for predicting the compressive and flexural strengths. The numerical results show that both of these metamodels have good performance in the desirable accuracy and applicability. Furthermore, by adopting these predicting metamodels, the considerable cost and time-consuming laboratory tests can be eliminated.

• 한국전자통신학회논문지
• /
• 제5권3호
• /
• pp.309-314
• /
• 2010

본 논문에서는 인터넷상에서의 지능형 감시 카메라 시스템(Intelligent Security Camera: ISC)을 제안한다. ISC 방법은 워터쉐드 알고리즘에 기반하여 카메라에 입력된 영상을 분할하는 단계와 skin-color model을 사용하여 얼굴의 후보지역을 탐지하는 단계, 그리고 마지막으로 SVM(Support Vector Machine)을 사용하여 얼굴 후보영역에서 얼굴을 검증하는 단계로 구성되어 있다. Skin-color Model을 이용하여 찾아진 얼굴후보 영역으로부터 웨이블렛 변환계수들을 추출한다. 웨이블렛 변환계수들을 SVM의 입력으로 하여 실제 얼굴영역을 검증한다. SVM의 입력으로 실험결과에서 제안된 방법이 감시시스템, 화상회의 시스템과 같은 얼굴을 인식 추적하는 시스템에 적용될 수 있음을 보인다.

• 한국음향학회지
• /
• 제27권2호
• /
• pp.75-79
• /
• 2008

본 논문에서는 support vector machine (SVM) 기반의 global soft decison (GSD)을 이용한 새로운 음성 향상 기법을 제시한다. 일반적으로 soft decision (SD) 이득 수정 및 잡음 전력 추정에 근거한 음성 향상 기법이 hard decision을 이용한 음성향상 기법 보다 우수한 성능을 보이는 것으로 알려져 있다. 특히, 각 프레임에서의 음성 부재에 대한 효과적인 척도인 전역음성 부재확률 (global speech absence probability, GSAP)을 SD 기반의 음성 향상 기법에 적용한 여러 연구가 진행되었다. 본 논문에서는 sigmoid 함수를 이용하여 얻어진 SVM의 확률 출력에 의해 추정된 새로운 GSAP를 음성 향상 기법에 적용한다. 제안된 알고리즘의 성능은 다양한 잡음 환경에 적용하여 PESQ 및 MOS 평가 방법을 바탕으로 기존의 GSD 기반의 스펙트럼 향상 기법과 비교하여 향상된 결과를 나타내었다.

• 한국멀티미디어학회논문지
• /
• 제16권10호
• /
• pp.1147-1155
• /
• 2013

본 연구에서는 걸음 검출 알고리즘들의 걸음 검출률과 걸음 검출 결과를 상호 비교 분석할 수 있는 걸음검출 분석기를 구현하였다. 걸음 검출 분석기는 3축 가속도 센서의 데이터를 SVM 연산을 통하여 연속적인 에너지값으로 변환하고 걸음 측정 장치들에 사용되고 있는 걸음 검출 알고리즘들을 적용하여 걸음 검출결과를 동시에 비교할 수 있도록 함으로써 걸음 검출의 과정과 검출 형태, 그리고 정확성을 분석할 수 있게 하였다. 이를 위하여 걸음 검출 분석기는 에너지값을 에너지 파형 그래프로 나타내고, 걸음 검출 알고리즘을 에너지값에 적용하여, 걸음으로 검출된 Peak값들과 위치를 확인하고, 실제 걸음이 정상적으로 검출되지 않은 경우에는 원인을 시각적으로 분석할 수 있도록 하였다. 또한 걸음 검출 알고리즘마다 걸음 검출에 적용된 임계값을 그래프화하여 같이 표시함으로써, 걸음으로 인정되지 않는 경우에 사용된 임계값을 바로 확인하고, 이를 통하여 적절한 임계값을 구하는 수식의 조정에 필요한 요소들을 파악하는 데에 도움이 될 수 있도록 하였다. 본 연구에서 구현된 걸음 검출 분석기는 여러 걸음 검출 알고리즘을 수평적으로 비교, 분석함으로써 측정 장치에 가장 적합한 걸음 검출 알고리즘을 선택하거나, 기존의 걸음 검출 알고리즘의 성능 개선 방안을 파악하는 데에 효과적으로 활용할 수 있으므로 걸음 검출 알고리즘에 대한 연구, 또는 걸음 측정 장치의 설계에 폭넓게 활용될 수 있다.

• 정보관리학회지
• /
• 제23권3호
• /
• pp.69-89
• /
• 2006

로치오 알고리즘에 기초한 통제어휘 자동색인 또는 텍스트 범주화에서 적용되어 온 여러 성능 요인들을 재검토하였고, 성능 향상을 위한 기본적인 방법을 찾아보았다. 또한, 동등한 조건에서 통제어휘 자동색인을 위한 로치오 알고리즘 기반 방법의 성능을 다른 학습기반 방법들의 성능과 비교하였다. 결과에 따르면, 통제어휘 자동색인을 위한 로치오 기반의 프로파일 방법은 구현의 용이성과 컴퓨터 처리시간 측면의 경제성이라는 기존의 장점을 그대로 유지하면서도, 다른 학습기반 방법들(SVM, VPT, NB)과 거의 동등하거나 더 나은 성능을 보여주었다. 특히, 색인전문가의 색인작업을 지원하는 반-자동 색인의 목적으로는 비교적 높은 수준의 재현율을 유지하면서 학습 데이터의 증가에 따라 정확률이 크게 향상되는 로치오 알고리즘을 이용한 방법을 우선적으로 고려할 수 있을 것이다.

• 전자공학회논문지SC
• /
• 제45권6호
• /
• pp.55-59
• /
• 2008

야외 환경에서 무인차량의 자율주행에 있어서 효과적인 기동제어를 위해서는 장애물 탐지나 지형의 기하학적인 형상 정보외에 탐지된 장애물 및 지형 표면에 대한 재질 유형의 인식 및 분류 또한 중요한 요소이다. 영상 기반의 지표면 분류 알고리듬은 입력 영상에 대한 전처리, 특징추출, 분류 및 후처리의 절차로 수행된다. 본 논문에서는 컬러 CCD 카메라로부터 획득된 야외 지형영상에 대해 색상 및 질감 정보를 이용한 지형분류 기법을 제시한다. 전처리 단계에서 색공간 변환을 수행하고, 색상과 질감 정보를 이용하기 위해 웨이블릿 변환 특징을 사용하였으며, 분류기로서는 SVM(support vector machine)을 적용하였다. 야외 환경에서 획득된 실영상에 대한 실험을 통하여 제시된 알고리듬의 분류 성능을 평가하였으며, 제시된 알고리듬에 의한 효과적인 야지 지형분류의 가능성을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제13권9호
• /
• pp.1314-1321
• /
• 2010

본 논문에서는 도로에서 주행 중인 차량검출 알고리즘에 대하여 연구한다. 카메라에서 입력된 영상으로부터 차량을 검출하기위해 먼저 분할 및 합병(split & merge)방법을 적용하여 영상을 분할하고 그 다음 분할된 영역을 해석하여 차량이 위치할 가능성이 높은 영역을 집중적으로 탐색하여 차량을 실시간으로 검출하는 알고리즘을 연구한다. 전방차량의 후면을 검출하기 위하여 수직/수평 성분을 특정으로 하였으며 적분영상을 이용하여 계산시간을 줄일 수 있는 Haar-like방법을 적용하였으며 분류기로는 SVM을 사용하였다. 제안된 방법의 성능을 평가하기 위해 350개의 영상을 사용하여 분류기를 학습하였으며 또한 학습에 사용하지 않은 비학습영상 150개를 사용하여 인식률을 구하였다. 실험결과 비학습영상에 대해 95.00%의 인식률을 얻었다.

• 한국지능시스템학회논문지
• /
• 제13권2호
• /
• pp.237-242
• /
• 2003

본 논문에서는 클러스터링을 기반으로 하는 새로운 침입탐지 알고리즘인 Kernel-ART를 제안한다. Kernel-ART는 개념벡터(concept vector)와 SVM(support vector machine)의 머서 커널(mercer-kernel)을 온라인 클러스터링 알고리즘인 ART(adaptive resonance theory)에 접목시킨 새로운 알고리즘으로서 교사학습 기반 침입탐지 시스템의 단점을 극복할 뿐만 아니라, 클러스터링 기반 침입탐지 시스템에서 요구되는 모든 평가 기준들을 만족한다. 본 논문에서 제안하는 알고리즘은 클러스터를 점증적으로 생성함으로써 여러 가지 다양한 침입 유형들을 실시간으로 탐지할 수 있다.