• 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.

• 방송공학회논문지
• /
• 제21권3호
• /
• pp.380-390
• /
• 2016

화질 평가 방법은 그동안 많은 방법이 소개되어 왔다. 특히 우수한 성능을 보여주는 무참조 평가에서 기법에서 발전이 지속되어 왔다. 본 논문에서는 쉬어렛 영역에서 자연영상의 통계적 특성에 기반한 무참조 영상화질 평가 방법을 제안한다. 제안 방법은 쉬어릿 계수의 통계 특성으로부터 왜곡에 민감한 특징을 추출한다. 쉬어렛 변환의 복소수 계수로부터 위상과 크기 특징을 얻어낸다. 또한 쉬어렛 변환은 다양한 스케일로 영상을 분석할 수 있기 때문에, 스케일간의 계수의 의존성에 대한 왜곡의 영향을 분석한다. 화질 예측을 위해서 특징들은 SVM(support vector machine)을 이용하여 영상 왜곡 분류 및 화질 예측에 활용된다. 실험결과는 제안 방법이 주관적 평가와의 높은 상관도를 보여주고, 또한 기존 참조 및 무참조 방법보다 우수한 성능을 보여준다.

• 한국정보전자통신기술학회논문지
• /
• 제10권5호
• /
• pp.417-423
• /
• 2017

인간의 건강에 대한 관심 증가에 맞춘 상시적인 질병 관리를 위해 다수 개의 측정센서를 이용하여 측정된 생체 신호를 융합한 임계값을 분석하여 개개인의 맞춤형 진단을 위한 모니터링 시스템을 구현하고자 한다. 성능평가 결과 생체 신호의 분석을 위한 SVM 알고리즘은 평균 2%의 오차율이 나타났으며, 윈도우의 크기를 5000으로 분할했을 때 저장 공간의 최대 19.2%를 축소함으로써 효과적임을 보였다. 분류의 정확도는 윈도우 크기를 5000으로 분할했을 때 97.2%로 가장 높은 정확도를 보였다. 또한 총 5000개의 생체 신호 집합의 분석 결과 중 84개의 결과가 다르게 나왔으나 시스템으로부터의 결과가 전문가의 진단 결과보다 더 낮은 경우는 발생하지 않았으며, 약 98%의 정확도를 보였다.

• 디지털콘텐츠학회 논문지
• /
• 제18권1호
• /
• pp.159-165
• /
• 2017

태블릿 캡슐의 품질 검사를 자동으로 해내기 위해서는 효율적인 이미지 처리기법, 적절한 임계치 설정, 에지 검출 그리고 세그멘테이션 방법 등이 필요하다. 그리고 기 존재하는 태블릿 캡슐의 품질 자동 검사 장비는 매우 고가이므로 품질 검사의 용이성을 높이기 위해서 저가의 하드웨어 시스템이 도입 되어야하다. 본 연구에서는 저가 카메라 모듈을 사용하여 이미지를 취득하고 전최소자승법 커브 피팅, 에지기반 이미지 세그멘테이션 방법을 사용하여 태블릿 캡슐의 함몰을 검사한다. 제안한 방법의 성능을 보이기 위해서 주요 분류 알고리즘인 PCA, ICA, SVM 방법을 사용하여 캡슐이미지 영역 데이터세트와 커브 피팅 에지 데이터세트에 대하여 훈련시간, 테스트시간 그리고 분류 정확도를 구하였다.

• 한국융합학회논문지
• /
• 제12권11호
• /
• pp.91-97
• /
• 2021

본 논문은 불완전한 데이터를 처리하기 위해 본래 규칙개선 문제를 위해 고안되었던 데이터 확장 기법을 사용한다. 이 기법은 사건마다 중요도를 의미하는 가중치를 가질 수 있으며 각 변수를 확률값으로 나타낼 수 있는 특징이 있다. 본 논문에서의 핵심 문제가 손실값과 가장 근사한 확률을 구하여 손실값을 확률로 대치하는 것이므로, 3가지 다른 알고리즘으로 손실값에 대한 확률을 구한 후 이 데이터 구조의 형식으로 저장한다. 그리고 각각의 확률 구조에 대한 평가를 위해 SVM 분류 알고리즘으로 각각의 정보 영역을 분류하는 학습을 한 후, 본래의 정보와 비교하여 얼마나 서로 일치하느냐를 측정한다. 손실값의 대치 확률을 위한 3가지 알고리즘들은 같은 데이터 구조를 사용하고 있으나 접근 방법에서는 서로 다른 특징을 가지고 있어 적용 분야에 따라 다양한 용도로 이용될 수 있기를 기대한다.

• 재활복지공학회논문지
• /
• 제10권3호
• /
• pp.221-228
• /
• 2016

본 논문에서는 EEG 신호 기반 기기 또는 소프트웨어를 사용하기 위해 사용자가 본인의 EEG 신호 정확도를 확인하고, 훈련을 통하여 자신의 EEG 신호 정확도를 향상시킬 수 있는 시뮬레이션 소프트웨어를 제안한다. 실험 데이터로는 풍경사진을 보며 편안한 상태에서 발생되는 신호와 수학문제를 풀며 집중 시에 발생되는 신호를 사용한다. 입력되는 EEG 신호는 독립 성분 분석(Independent Component Analysis, ICA)을 적용하여 잡음을 최소화하고 대역 통과 필터(Band Pass Filter)를 통하여 베타파(${\beta}$, 14-30Hz)만을 취득한다. 취득한 베타파 대역 데이터에서 제곱평균제곱근(Root Mean Square, RMS) 알고리즘을 통하여 특징 정보를 추출하고 지지 벡터 머신(Support Vector Machine, SVM)에 적용하여 분류한다. 분류된 결과는 사용자가 바로 확인할 수 있으며 훈련 전 피험자의 평균 정확도는 79.21%이었던 반면, 연속적인 훈련으로 최고 91.67%의 정확도를 보였다. 이처럼 본 논문에서 개발한 시뮬레이션 소프트웨어는 사용자가 직접 자신의 EEG 신호 정확도를 향상키기는 훈련을 통하여 정확도 향상이 가능하고, EEG 신호 기반으로 이루어진 BCI 시스템의 효율적인 사용을 기대할 수 있다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제2권6호
• /
• pp.323-331
• /
• 2013

An extreme learning machine (ELM) is an efficient learning algorithm that is based on the generalized single, hidden-layer feed-forward networks (SLFNs), which perform well in classification applications. Many studies have demonstrated its superiority over the existing classical algorithms: support vector machine (SVM) and BP neural network. This paper presents a novel face recognition approach based on a multi-class project extreme learning machine (MPELM) classifier and 2D Gabor transform. First, all face image features were extracted using 2D Gabor filters, and the MPELM classifier was used to determine the final face classification. Two well-known face databases (CMU-PIE and ORL) were used to evaluate the performance. The experimental results showed that the MPELM-based method outperformed the ELM-based method as well as other methods.

• 전기학회논문지
• /
• 제67권4호
• /
• pp.569-577
• /
• 2018

In this paper, with the aid of information which is included within data, preprocessing algorithm-based black plastic classifier is designed. The slope and area of spectrum obtained by using laser induced breakdown spectroscopy(LIBS) are analyzed for each material and its ensuing information is applied as the input data of the proposed classifier. The slope is represented by the rate of change of wavelength and intensity. Also, the area is calculated by the wavelength of the spectrum peak where the material property of chemical elements such as carbon and hydrogen appears. Using informations such as slope and area, input data of the proposed classifier is constructed. In the preprocessing part of the classifier, Principal Component Analysis(PCA) and fuzzy transform are used for dimensional reduction from high dimensional input variables to low dimensional input variables. Characteristic analysis of the materials as well as the processing speed of the classifier is improved. In the condition part, FCM clustering is applied and linear function is used as connection weight in the conclusion part. By means of Particle Swarm Optimization(PSO), parameters such as the number of clusters, fuzzification coefficient and the number of input variables are optimized. To demonstrate the superiority of classification performance, classification rate is compared by using WEKA 3.8 data mining software which contains various classifiers such as Naivebayes, SVM and Multilayer perceptron.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2078-2093
• /
• 2019

Visual smoke recognition is a challenging task due to large variations in shape, texture and color of smoke. To improve performance, we propose a novel smoke recognition method by combining dual-encoded features that are extracted from both spatial and Curvelet domains. A Curvelet transform is used to filter an image to generate fifty sub-images of Curvelet coefficients. Then we extract Local Binary Pattern (LBP) maps from these coefficient maps and aggregate histograms of these LBP maps to produce a histogram map. Afterwards, we encode the histogram map again to generate Dual-encoded Local Binary Patterns (Dual-LBP). Histograms of Dual-LBPs from Curvelet domain and Completed Local Binary Patterns (CLBP) from spatial domain are concatenated to form the feature for smoke recognition. Finally, we adopt Gaussian Kernel Optimization (GKO) algorithm to search the optimal kernel parameters of Support Vector Machine (SVM) for further improvement of classification accuracy. Experimental results demonstrate that our method can extract effective and reasonable features of smoke images, and achieve good classification accuracy.

• 인터넷정보학회논문지
• /
• 제19권1호
• /
• pp.27-35
• /
• 2018

본 논문은 안드로이드 플랫폼에서 악성 어플리케이션을 탐지하기 위한 연구로, 안드로이드 악성 어플리케이션에 대한 위협과 행위 분석에 대한 연구를 바탕으로 머신러닝을 적용한 악성 어플리케이션 탐지를 수행하였다. 안드로이드의 행위 분석은 동적 분석도구를 통해 수행할 수 있으며, 이를 통해 어플리케이션에 대한 API Calls, Runtime Log, System Resource, Network 등의 정보를 추출할 수 있다. 이 연구에서는 행위 분석을 통한 특징 추출을 머신러닝에 적용하기 위해 특징에 대한 속성을 변환하고, 전체 특징에 대한 머신러닝 적용과 특징들의 연관분석을 통한 주성분분석으로 특징간의 상관분석으로 얻은 머신러닝 적용을 수행하였다, 이에 대한 결과로 악성 어플리케이션에 대한 머신러닝 분류 결과는 전체 특징을 사용한 분류 결과보다 주요 특징을 통한 정확도 결과가 약 1~4%정도 향상되었으며, SVM 분류기의 경우 10%이상의 좋은 결과를 얻을 수 있었다. 이 결과를 통해서 우리는 전체적인 특징을 이용하는 것보다, 주요 특징만을 통해 얻을 결과가 전체적인 분류 알고리즘에 더 좋은 결과를 얻을 수 있고, 데이터 세트에서 의미있는 특징을 선정하는 것이 중요하다고 파악하였다.