• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 1990년도 가을 학술발표회 논문집
• /
• pp.34-39
• /
• 1990

For the analysis of structures, specifically if it is large-scale, in which case it can not be solved within the core memory, the majority of computation time is consumed In the solution of simultaneous linear equation. In this study an efficient in- and out-of-core column solver for sparse symmetric matrix utilizing memory moving scheme is developed. Compare with existing blocking methods the algorithm is simple, therefore the coding and computational efficiencies are greatly enhanced. Upon available memory size, the solver automatically performs solution within the core or outside core. Analysis example shows that the proposed method efficiently solve the large structural problem on the small-memory microcomputer.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.832-854
• /
• 2019

Action recognition has been studied in computer vision field for years. We present an effective approach to recognize actions using a dimension reduction method, which is applied as a crucial step to reduce the dimensionality of feature descriptors after extracting features. We propose to use sparse matrix and randomized kd-tree to modify it and then propose modified Local Fisher Discriminant Analysis (mLFDA) method which greatly reduces the required memory and accelerate the standard Local Fisher Discriminant Analysis. For feature encoding, we propose a useful encoding method called mix encoding which combines Fisher vector encoding and locality-constrained linear coding to get the final video representations. In order to add more meaningful features to the process of action recognition, the convolutional neural network is utilized and combined with mix encoding to produce the deep network feature. Experimental results show that our algorithm is a competitive method on KTH dataset, HMDB51 dataset and UCF101 dataset when combining all these methods.

• 한국멀티미디어학회논문지
• /
• 제24권2호
• /
• pp.186-198
• /
• 2021

Security control using surveillance cameras is established when people observe all surveillance videos directly. However, this task is labor-intensive and it is difficult to detect all abnormal situations. In this paper, we propose a deep neural network model, called AT-Net, that automatically detects abnormal situations in the surveillance video, and introduces an automatic video surveillance system developed based on this network model. In particular, AT-Net alleviates the ambiguity of existing abnormal situation detection methods by mapping features representing relationships between people and objects in surveillance video to the new tensor structure based on sparse coding. Through experiments on actual surveillance videos, AT-Net achieved an F1-score of about 89%, and improved abnormal situation detection performance by more than 25% compared to existing methods.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.910-916
• /
• 2019

자연 영상의 비지역적 유사성은 다양한 영상 응용 분야에서 활용되는 중요한 특성 중에 하나이다. 영상 내 객체의 에지나 텍스쳐, 무늬 등은 비지역적으로 반복되어 나타난다. 유사도가 높은 영상 블록들로 군집을 형성하면 자연스럽게 그로부터 특징을 추출할 수 있다. 또한 군집의 크기가 클수록 원치 않는 백색 잡음에 대한 대항력을 키울 수 있다. 영상 신호 처리 중 잡음 제거 관련 연구는 백색 가산 잡음이 포함된 영상의 복원을 다룬다. 본 논문에서는 백색 잡음이 포함된 영상을 유사도에 따라 적응적으로 군집화하여 잡음 신호에 대한 이득을 향상시키고, 이를 통해 잡음을 효과적으로 제거하는 알고리듬을 제안한다. 다양한 영상과 잡음 강도에 대한 모의실험 결과로부터 제안된 알고리듬이 에지, 텍스쳐, 무늬 영역을 잘 보존하면서 잡음을 제거할 수 있음을 시각적으로 확인할 수 있고, 또한 최근 보고된 여러 방법들과의 잡음 제거 성능 수치 비교에서도 우수한 결과를 보인다.

• 한국통신학회논문지
• /
• 제31권10C호
• /
• pp.1000-1010
• /
• 2006

본 논문은 DCT(Discrete Cosine Transform) 기반의 움직임 예측 및 보상을 위한 새로운 연산 아키텍처를 제안한다. 기존 방식들의 경우 연산 시간의 단축을 위하여 2차원 DCT 계수의 희소성을 충분히 활용하지 못하고 있다. 본 논문에서는 DCT 영역에서의 효율적인 움직임 예측을 위한 재귀 방정식을 유도하고, 이를 바탕으로 PE로 구성된 WAP를 개발한다. 또한, 재귀 방정식을 이용하여, 움직임 예측된 영상이 저주파 성분부터 고주파 성분까지 다양한 주파수 대역을 갖는 것이 가능함을 보인다. WAP는 아키텍처의 수정 없이 로그형 탐색이나 3단계 탐색과 같은 다양한 움직임 예측 알고리즘들을 수행할 수 있으며, 이러한 특성들은 비디오 부호화와 복호화에 필요한 전력 소모를 줄이기 위하여 이용될 수 있다. 본 논문에서 제안한 WAP 아키텍처는 계산의 복잡도와 연산 시간을 효과적으로 감소시키며, SAD기준을 이용한 DCT 영역에서의 움직임 예측 및 보상 방식은 SAD 또는 SSD 기준을 이용한 공간 영역에서의 움직임 예측 및 보상 방식보다 높은 PSNR과 압축률을 제공함을 보여준다.

• Interdisciplinary Bio Central
• /
• 제4권4호
• /
• pp.14.1-14.6
• /
• 2012

Splice site prediction in DNA sequence is a basic search problem for finding exon/intron and intron/exon boundaries. Removing introns and then joining the exons together forms the mRNA sequence. These sequences are the input of the translation process. It is a necessary step in the central dogma of molecular biology. The main task of splice site prediction is to find out the exact GT and AG ended sequences. Then it identifies the true and false GT and AG ended sequences among those candidate sequences. In this paper, we survey research works on splice site prediction based on support vector machine (SVM). The basic difference between these research works is nucleotide encoding technique and SVM kernel selection. Some methods encode the DNA sequence in a sparse way whereas others encode in a probabilistic manner. The encoded sequences serve as input of SVM. The task of SVM is to classify them using its learning model. The accuracy of classification largely depends on the proper kernel selection for sequence data as well as a selection of kernel parameter. We observe each encoding technique and classify them according to their similarity. Then we discuss about kernel and their parameter selection. Our survey paper provides a basic understanding of encoding approaches and proper kernel selection of SVM for splice site prediction.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.652-657
• /
• 2018

With the rapid development of e-commerce, many customers can now express their opinion on various kinds of product at discussion groups, merchant sites, social networks, etc. Discerning a consensus opinion about a product sold online is difficult due to more and more reviews become available on the internet. Opinion Mining, also known as Sentiment analysis, is the task of automatically detecting and understanding the sentimental expressions about a product from customer textual reviews. Recently, researchers have proposed various approaches for evaluation in sentiment mining by applying several techniques for document, sentence and aspect level. Aspect-based sentiment analysis is getting widely interesting of researchers; however, more complex algorithms are needed to address this issue precisely with larger corpora. This paper introduces an approach of knowledge representation for the task of analyzing product aspect rating. We focus on how to form the nature of sentiment representation from textual opinion by utilizing the representation learning methods which include word embedding and compositional vector models. Our experiment is performed on a dataset of reviews from electronic domain and the obtained result show that the proposed system achieved outstanding methods in previous studies.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권10호
• /
• pp.1412-1417
• /
• 2004

전체관적인 표현방법인 희소 코딩 또는 독릴 성분 분해(ICA)는 이전의 청각의 처리와 소리 분류의 작업을 해명하는데 성공적으로 적용되었다. 반대로 부분 기반 표현법은 뇌에서 물체를 인식하는 방법을 이해하는 또 다른 방법이다. 이 논문에서, 우리는 소리 분류의 작업에 부분기반 표현법을 학습시키는 비음수화 행렬 분해(NMF)(1) 방법을 적용하였다. 잡음이 존재할 때와 존재하지 않을 때 두 가지 상황에서, NMF를 이용하여 주파수-시간영역의 소리로부터 특징을 추출하는 방법을 설명한다. 실험결과에서는 NMF에 기반을 둔 특징이 ICA에 기반을 두어 추출한 특징보다 소리 분류의 성능을 향상시킴을 보여준다.

• 융합신호처리학회논문지
• /
• 제11권3호
• /
• pp.226-231
• /
• 2010

본 논문에서는 희소 패리티 검사 행열로부터 생성된 생성행열을 사용하여 에러 정정능력과 높은 부호율을 갖는 DC-free 다중 모드 부호를 구성하기 위한 새로운 부호화 기법을 제안 한다. 제안된 기법은 별개의 후보 부호워드들을 생성하기 위해 고속 생성행열들을 이용한다. 복호 과정의 복잡도는 수신된 부호워드의 신드롬이 ‘0’인지 아닌지에 따라 결정된다. 만약 신드롬이 ‘0’ 인 경우 복호는 수신된 부호워드의 잉여 비트들을 삭제하여 간단히 수행되고, ‘1’인 경우에는 합곱 (sum-product) 알고리즘으로 복호가 이루어진다. 제안된 기법은 DC 성분을 억압하면서도 낮은 비트 오율을 가질 수 있다.

• 한국통신학회논문지
• /
• 제39A권12호
• /
• pp.746-755
• /
• 2014

압축센싱은 신호의 성긴 (Sparse) 성질을 활용하여 Nyquist 표본화율 보다 낮은 측정 율만으로도 신호의 완벽 복원이 가능하다는 측면에서 새로운 샘플링 기술로 주목 받고 있다. 블록기반의 압축센싱 기술을 사용하여 영상을 샘플링 하는 경우, 측정신호 영역에서도 공간 영역의 유사도가 보존되므로, 본 논문에서는 블록기반 압축센싱 기술을 사용하여 획득한 자연영상의 측정 신호에 대한 새로운 부호화 기술을 제안한다. 측정신호 간 유사성을 제거하기 위해 이산 웨이블릿 변환(DWT)을 적용한 후, 각 DWT 계수에 적절한 양자화를 수행한다. 이를 통해, 측정 신호 내의 중복성을 제거하고, 측정 신호의 비트 율 또한 절약할 수 있었다. 실험 결과, 기존의 블록기반 평활 Projected Landweber 알고리즘에 스칼라 양자화를 적용한 방법, DPCM 방법을 적용한 방법, 그리고 Multihypothesis 기반 블록기반 평활알고리즘에 DPCM을 적용한 방법과 비교할 때, 제안방법의 PSNR이 각각 최대 4dB, 0.9dB, 그리고 2.5dB 더 높은 성능을 보이는 것을 확인 할 수 있었다.