• 대한기계학회논문집A
• /
• 제34권11호
• /
• pp.1681-1689
• /
• 2010

Support Vector Machine(SVM)을 이용한 회전기계 진단 연구가 많이 수행되어 왔으나 결함 분류성능은 입력 특징과 더불어 다중 분류 방법, 이진분류기, 커널함수 등에 따라 다르다. SVM 을 이용한 대부분의 기존 연구들은 한번 입력 특징들을 선정하면 결함 분류시 동일한 특징데이터를 이용한다. 본 논문에서는 회전기계의 다양한 결함조건에서 측정한 진동신호로부터 추출한 통계적 특징들을 이용하여 각각의 결함을 분류하기 위한 최적 특징들을 선정한 후, 해당 결함상태를 분류하기 위한 SVM 학습과 분류에 각각 이용하였다. 실험자료를 이용한 검증 결과, 제안한 단계 분류 방법이 상대적으로 적은 학습시간으로 단일 다중 분류 방법과 유사한 분류 성능을 얻을 수 있었다.

• 한국정보통신학회논문지
• /
• 제12권2호
• /
• pp.276-281
• /
• 2008

본 논문에서는 SVM(Support Vector Machine)을 이용하여 공칭 시스템의 동특성을 갖는 슬라이딩 평면 설계기법을 제안한다. 전형적인 슬라이딩 모드에서 슬라이딩 평면의 차수는 시스템의 차수보다 낮은 차수를 갖기 때문에 슬라이딩 평면은 $H_{\infty}$ 제어기의 동특성을 가질 수 없다. 그러므로 이 문제를 해결하기 위해서는 추가적인 상태들이 정의되어야 한다. 본 논문에서는 추가적인 상태를 정의하지 않고 SVM을 이용하여 공칭 시스템의 동특성을 가질 수 있는 슬라이딩 평면의 설계기법을 제안한다. 이 설계기법은 먼저 $H_{\infty}$ 제어기에 의해서 제어되는 공칭시스템의 상태들 간에 SVM을 이용하여 그 관계를 정립하며. 이를 바탕으로 새로운 슬라이딩 평면을 설계하며 이 평면은 $H_{\infty}$ 제어 시스템 특성을 가진다. 그 결과 파라미터 불확실성이 존재하더라도 제안된 제어기는 $H_{\infty}$ 제어기에 의해서 제어되는 공칭 시스템의 동특성을 가질 수 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.614-620
• /
• 2005

Ensemble에서 feature selection은 각 classifier의 학습할 데이터의 변수를 다르게 하여 diversity를 높이며, 이것은 일반적인 성능향상을 가져온다. Feature selection을 할 때 쓰는 방법 중의 하나가 Genetic Algorithm (GA)이며, GA-SVM은 GA를 기본으로 한 wrapper based feature selection mechanism으로 response model과 keystroke dynamics identity verification model을 만들 때 좋은 성능을 보였다. 하지만 population 안의 후보들간의 diversity를 보장해주지 못한다는 단점 때문에 classifier들의 accuracy와 diversity의 균형을 맞추기 위한 heuristic parameter setting이 존재하며 이를 조정해야만 하였다. 우리는 GA-SVM 알고리즘을 바탕으로, population안 후보들의 fitness를 측정할 때 accuracy와 diversity 둘 다 고려하는 fitness function을 도입하여 추가적인 classifier 선택 작업을 제거하면서 성능을 유지시키는 방안을 연구하였으며 결과적으로 알고리즘의 복잡성을 줄이면서도 모델의 성능을 유지시켰다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 학술회의 논문집 정보 및 제어부문 A
• /
• pp.43-46
• /
• 2003

In this paper, a novel rotor flux estimation method of an induction motor using support vector machine(SVM) is presented. Two veil-known different flux models with respect to voltage and current are necessary to estimate the rotor flux of an induction motor. The theory of the SVM algorithm is based on statistical teaming theory. Training of SVH leads to a quadratic programming(QP) problem. The proposed SVM rotor flux estimator guarantees the improvement of performance in the transient and steady state in spite of parameter variation circumstance. The validity and the usefulness of Proposed algorithm are throughly verified through numerical simulation.

• Computers and Concrete
• /
• 제9권3호
• /
• pp.215-226
• /
• 2012

This article employs Support Vector Machine (SVM) for determination of fracture parameters critical stress intensity factor ($K^s_{Ic}$) and the critical crack tip opening displacement ($CTOD_c$) of concrete. SVM that is firmly based on the theory of statistical learning theory, uses regression technique by introducing ${\varepsilon}$-insensitive loss function has been adopted. The results are compared with a widely used Artificial Neural Network (ANN) model. Equations have been also developed for prediction of $K^s_{Ic}$ and $CTOD_c$. A sensitivity analysis has been also performed to investigate the importance of the input parameters. The results of this study show that the developed SVM is a robust model for determination of $K^s_{Ic}$ and $CTOD_c$ of concrete.

• 한국경영과학회지
• /
• 제30권1호
• /
• pp.55-74
• /
• 2005

Bankruptcy prediction has drawn a lot of research interests in previous literature, and recent studies have shown that machine learning techniques achieved better performance than traditional statistical ones. This paper employs a relatively new machine learning technique, support vector machines (SVMs). to bankruptcy prediction problem in an attempt to suggest a new model with better explanatory power and stability. To serve this purpose, we use grid search technique using 5-fold cross-validation to find out the optimal values of the parameters of kernel function of SVM. In addition, to evaluate the prediction accuracy of SVM. we compare its performance with multiple discriminant analysis (MDA), logistic regression analysis (Logit), and three-layer fully connected back-propagation neural networks (BPNs). The experiment results show that SVM outperforms the other methods.

• Journal of Computing Science and Engineering
• /
• 제9권2호
• /
• pp.39-50
• /
• 2015

Genetic algorithm (GA) and particle swarm optimization (PSO) are two excellent approaches to multimodal optimization problems. However, slow convergence or premature convergence readily occurs because of inappropriate and inflexible evolution. In this paper, a novel optimization algorithm with a flexible grid optimization (FGO) is suggested to provide adaptive trade-off between exploration and exploitation according to the specific objective function. Meanwhile, a uniform agents array with adaptive scale is distributed on the gird to speed up the calculation. In addition, a dominance centroid and a fitness center are proposed to efficiently determine the potential guides when the population size varies dynamically. Two types of subregion division strategies are designed to enhance evolutionary diversity and convergence, respectively. By examining the performance on four benchmark functions, FGO is found to be competitive with or even superior to several other popular algorithms in terms of both effectiveness and efficiency, tending to reach the global optimum earlier. Moreover, FGO is evaluated by applying it to a parameter decision in a least squares support vector machine (LS-SVM) to verify its practical competence.

• 센서학회지
• /
• 제25권2호
• /
• pp.79-85
• /
• 2016

This paper proposes a threshold-based fall recognition algorithm to discriminate between falls and activities of daily living (ADL) using a tri-axial accelerometer and a bi-axial gyroscope sensor mounted on the upper sternum. The experiment was executed ten times according to the proposed experimental protocol. The output signals of the tri-axial accelerometer and the bi-axial gyroscope were measured during eight falls and eleven ADL action sequences. The threshold values of the signal vector magnitude (SVM_Acc), angular velocity (${\omega}_{res}$), and angular variation (${\theta}_{res}$) parameter were calculated using MATLAB. From the preliminary study, three thresholds (TH1, TH2, and TH3) were set so that the falls could be distinguished from ADL. When the parameter SVM_Acc is greater than 2.5 g (TH1), ${\omega}_{res}$ is greater than 1.75 rad/s (TH2), and ${\theta}_{res}$ is greater than 0.385 rad (TH3), these action sequences are recognized as falls. If at least one or more of these conditions is not satisfied, the sequence is classified as ADL.

• 전자공학회논문지
• /
• 제50권6호
• /
• pp.254-259
• /
• 2013

중력 방향에 대한 가중치를 적용한 3축 가속도 센서 데이터를 낙상 특징 변수로 사용해서 은닉 마르코프 모델(Hidden Markov Model; HMM)에 적용한 새로운 낙상 인식 알고리듬을 제안한다. 기존에 낙상인식에 많이 사용되는 변수인 3축 가속도의 벡터 합(Sum Vector Magnitude, SVM)과 새롭게 정의한 변수인 중력방향가중치를 적용한 3축 가속도의 벡터 합(Gravity-weighted Sum Vector Magnitude, GSVM)를 포함한 다섯 가지 낙상특징변수를 은닉 마르코프 모델에 적용하여 낙상 인식률을 평가하였다. 실험을 통해 얻은 가장 좋은 결과는 중력방향가중치를 적용한 3축 가속도의 벡터 합 변수를 적용한 결과이고 100% 민감도(sensitivity)와 97.96% 특이성(specificity)를 얻었다. 이것은 단순 3축 가속도의 벡터 합 변수에 비해 민감도는 5.2%와 특이성은 4.5% 정도 향상되었다. 단순히 운동량만을 표현하는 3축 가속도의 벡터 합 변수에 비해 중력방향가중치를 적용한 3축 가속도의 벡터 합 변수가 낙상의 움직임에 대한 특징을 잘 표현하기 때문에 높은 인식률을 나타내었다.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.93-101
• /
• 2024

Accurate field crop classification is essential for various agricultural applications, yet existing methods face challenges due to diverse crop types and complex field conditions. This study aimed to address these issues by combining support vector machine (SVM) models with multi-seasonal unmanned aerial vehicle (UAV) images, texture information extracted from Gray Level Co-occurrence Matrix (GLCM), and RGB spectral data. Twelve high-resolution UAV image captures spanned March-October 2021, while field surveys on three dates provided ground truth data. We focused on data from August (-A), September (-S), and October (-O) images and trained four support vector classifier (SVC) models (SVC-A, SVC-S, SVC-O, SVC-AS) using visual bands and eight GLCM features. Farm maps provided by the Ministry of Agriculture, Food and Rural Affairs proved efficient for open-field crop identification and served as a reference for accuracy comparison. Our analysis showcased the significant impact of hyperparameter tuning (C and gamma) on SVM model performance, requiring careful optimization for each scenario. Importantly, we identified models exhibiting distinct high-accuracy zones, with SVC-O trained on October data achieving the highest overall and individual crop classification accuracy. This success likely stems from its ability to capture distinct texture information from mature crops.Incorporating GLCM features proved highly effective for all models,significantly boosting classification accuracy.Among these features, homogeneity, entropy, and correlation consistently demonstrated the most impactful contribution. However, balancing accuracy with computational efficiency and feature selection remains crucial for practical application. Performance analysis revealed that SVC-O achieved exceptional results in overall and individual crop classification, while soybeans and rice were consistently classified well by all models. Challenges were encountered with cabbage due to its early growth stage and low field cover density. The study demonstrates the potential of utilizing farm maps and GLCM features in conjunction with SVM models for accurate field crop classification. Careful parameter tuning and model selection based on specific scenarios are key for optimizing performance in real-world applications.