• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 C
• /
• pp.1880-1884
• /
• 2000

The discrete wavelet transform is utilized as preprocessing of Neural Network(NN) to identify aging state of internal partial discharge in transformer. The discrete traveler transform is used to produce wavelet coefficients which are used for Classification. The statistical parameters (maximum of wavelet coefficients, average value, dispersion, skewness, kurtosis) using the wavelet coefficients are input into an back-propagation neural network. The neurons whose weights have obtained through Result of Cross-Validation. The Neural Network learning stops either when the error rate achieves an appropriate minimum or when the learning time overcomes a constant value. The networks, after training, can decide if the test signal is Early Aging State or Last Aging State or normal state.

• KIEAE Journal
• /
• 제10권5호
• /
• pp.71-76
• /
• 2010

Recently, the construction and plan of super-tall building is attention link of new town development or urban core regeneration. Super-tall Buildings have many advantages and a lot of affects in urban contexts. Also, construction of super-tall building is will be able to social problem like urban core's decline, loss of openspace, incompatible urban scape, traffic congestion of urban core. But, compares to super-tall buildings affects in urban contexts, there was not extra ordinary study about super-tall building by the urban scale approaches. Therefore, need about study materplan planning of the site which is made to meet super-tall building and urban contexts. There are two main processes in this study. First, to analyze the factors affect to masterplan planning of the super-tall building's site. Through the analyzed factors, classify type of super-tall buildings and identify the type's state. Second, to classify and set the elements of masterplan planning factor in the site. Identify the masterplan planning factor's state by deployment materplan planning factor set the current applied to the constructed super-tall buildings. Through this process, identified the recent trend and providied the basic elements of materplan planning of super-tall building's site.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.81-92
• /
• 2023

교통상황 분류는 신호연동그룹 단위의 정주기식 제어 기법을 효율적으로 적용하기 위하여 TOD 계획을 수립하는데 핵심적인 기술이다. 본 논문에서는 신호연동그룹에 속하는 모든 교차로의 교통 자료 즉, 속도-교통량-밀도를 활용할 수 있는 딥 임베디드 클러스터링(Deep-Embedded Clustering:DEC) 기반 교통상황 분류 방법론을 제시하였다. 기존의 신호계획의 경우 교통량 기반으로 주요 교차로를 선정하고 해당 교차로의 교통자료를 이용하여 단편적인 신호계획을 하였으나, 본 논문에서 제시된 방법론의 경우 신호연동 그룹내 다수 교차로의 종합적인 교통특성에 따라 교통상황을 유연하게 분류하여 신호계획을 할 수 있는 기반을 제공하였다. 본 연구에서 제시된 방법론은 일반적인 군집화 방법론이 입력 자료의 차원이 증가함에 따라 겪는 차원의 저주 (Curse of dimensionality) 문제를 완화함으로써 신호연동그룹에 속하는 모든 신호교차로의 교통자료를 고려한 신호시간 계획 수립이 가능하며 기존의 특정교차로 및 교통량만을 이용한 교통상황 분류방법론의 단점을 극복할 수 있음을 보였다.

• 한국통신학회논문지
• /
• 제33권8B호
• /
• pp.707-718
• /
• 2008

Traffic classification의 방법은 동적으로 변하는 application의 변화에 대처하기 위하여 페이로드나 port를 기반으로 하는 것에서 ML 알고리즘을 기반으로 하는 것으로 변하여 가고 있다. 그러나 현재의 ML 알고리즘을 이용한 traffic classification 연구는 offline 환경에 맞추어 진행되고 있다. 특히, 현재의 기존 연구들은 testing 방법으로 cross validation을 이용하여 traffic classification을 수행하고 있으며, traffic flow를 기반으로 classification 결과를 제시하고 있다. 본 논문에서는 testing방법으로 cross validation과 split validation을 이용했을 때, traffic classification의 정확도 결과를 비교한다. 또한 바이트를 기반으로 한 classification의 결과와 flow를 기반으로 한 classification의 결과를 비교해 본다. 본 논문에서는 J48, REPTree, RBFNetwork, Multilayer perceptron, BayesNet, NaiveBayes와 같은 ML 알고리즘과 다양한 feature set을 이용하여 트래픽을 분류한다. 그리고 split validation을 이용한 traffic classification에 적합한 최적의 ML 알고리즘과 feature set을 제시한다.

• 대한원격탐사학회지
• /
• 제30권4호
• /
• pp.493-503
• /
• 2014

이 논문에서는 대규모 작물 재배 지역의 작물 분류도의 조기 제작을 목적으로 분광학적 혼재를 줄이고, 과거 토지피복도의 작물 재배 패턴을 반영할 수 있는 계층적 분류 방법론을 제안하였다. 특히 작물 생육 주기로부터 다른 분광 특성을 고려한 계층적 분류 접근을 적용하고, 과거 작물 재배 패턴으로부터 추출된 시간적 문맥 정보를 함께 고려함으로써 분광 혼재가 두드러진 화소의 영향을 줄일 수 있다. 제안 분류 기법의 적용성을 평가하기 위해 미국 아이오와 주 전체를 대상으로 시계열 MODIS 250 m 정규식생지수 자료와 과거 crop data layer를 사용하는 사례 연구를 수행하였다. 사례 연구를 통해 다른 분류 단계와 과거 작물 재배 패턴을 고려함으로써 대상 지역의 주요 재배 작물이면서 분광학적 유사도가 두드러진 콩과 옥수수를 효과적으로 구분할 수 있었다. 그리고 분광 정보만을 이용한 분류 결과에 비해 제안 기법이 최소 7.68%p에서 최대 20.96%p의 향상된 분류 정확도를 보였다. 또한 분류 단계에서 시간적 문맥 정보를 결합함으로써 사용 NDVI 자료의 수에 영향을 덜 받는 가장 높은 분류 정확도(최대 전체 정확도: 86.63%)를 얻을 수 있었다. 따라서 제안 분류 기법은 주요 곡물 수입국의 대규모 작물 구분도의 조기 제작에 유용하게 사용될 수 있을 것으로 기대된다.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.39-51
• /
• 2022

Image-based gender classification and age estimation of human are classic problems in computer vision. Most of researches in this field focus just only one task of either gender classification or age estimation and most of the reported methods for each task focus on accuracy performance and are not computationally light. Thus, running both tasks together simultaneously on low cost mobile or embedded systems with limited cpu processing speed and memory capacity are practically prohibited. In this paper, we propose a novel light-weight gender classification and age estimation method based on ensemble multitasking deep learning with light-weight processing neural network architecture, which processes both gender classification and age estimation simultaneously and in real-time even for embedded systems. Through experiments over various well-known datasets, it is shown that the proposed method performs comparably to the state-of-the-art gender classification and/or age estimation methods with respect to accuracy and runs fast enough (average 14fps) on a Jestson Nano embedded board.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.406-412
• /
• 2022

Scene classification of very high-resolution (VHR) imagery can attribute semantics to land cover in a variety of domains. Real-world application requirements have not been addressed by conventional techniques for remote sensing image classification. Recent research has demonstrated that deep convolutional neural networks (CNNs) are effective at extracting features due to their strong feature extraction capabilities. In order to improve classification performance, these approaches rely primarily on semantic information. Since the abstract and global semantic information makes it difficult for the network to correctly classify scene images with similar structures and high interclass similarity, it achieves a low classification accuracy. We propose a VHR remote sensing image classification model that uses extracts the global feature from the original VHR image using an EfficientNet-V2L CNN pre-trained to detect similar classes. The image is then classified using a multilayer perceptron (MLP). This method was evaluated using two benchmark remote sensing datasets: the 21-class UC Merced, and the 38-class PatternNet. As compared to other state-of-the-art models, the proposed model significantly improves performance.

• 전기전자학회논문지
• /
• 제13권2호
• /
• pp.159-166
• /
• 2009

최근까지 장르나 무드 등의 정적 분류 기술자를 이용한 음악 정보 검색에 관한 다양한 연구가 진행되어 왔다. 정적 분류 기술자는 주로 음악의 다양한 내용적 특징에 기반하기 때문에 그러한 특징에 유사한 음악을 검색하는 데 효과적이다. 하지만 음악을 들었을 때 느끼게 되는 감정 내지 기분 전이를 이용하면 정적 분류 기술자보다 더 효과적이고 정교한 검색이 가능하다. 사람이 음악을 들었을 때 발생하는 감정 전이의 효과에 관한 연구는 현재까지 미비한 실정이다. 감정 전이의 효과를 체계적으로 표현할 수 있다면 기존의 음악 분류에 의한 검색에 비해 음악 추천 등의 새로운 응용에서 더 효과적인 개인화 서비스를 제공할 수 있다. 본 논문에서는 음악에 의한 인간 감정 전이를 표현하기 위한 감정 상태 전이 모델을 제안하고 이를 기반으로 새로운 음악 분류 및 추천 기법을 제안한다. 제안하는 모델의 개발을 위하여 다양한 내용 기반의 특징을 추출하였으며, 고차원 특징 벡터의 차원 감쇄를 위하여 NMF (Non-negative Matrix Factorization)를 사용하였다. 성능 분석을 위한 실험에서 SVM (Support Vector Machine)을 분류기로 사용한 실험에서 평균 67.54%, 최대 87.78%의 분류 정확도를 달성하였다.

• 대한지리학회지
• /
• 제38권5호
• /
• pp.667-685
• /
• 2003

미국 캔자스주 정부와 연방정부가 필요로 하는 상세한 지표피복 수치지도제작을 위해, Landsat Thematic Mapper 자료를 이용하여 캔자스주 전체를 대상으로 43가지로 분류된 식생군단(vegetation alliance) 수준의 자연식 생지도를 제작하였다. 지도제작 방법으로는 봄, 여름, 가을의 계절별 위성자료를 이용하여 두 단계 분류절차를 거치는 이른바 '하이브리드(hybrid)' 방식을 채택하였다. 이 접근 방법은 첫 단계로 unsupervised classification을 이용, 자연녹지를 농경지로부터 분리해 낸 다음. 두 번째 단계에서 supervised classification, 현장확인조사. 그리고 분류 후 다양한 보강자료를 이용하여 최종적으로 자연식생을 구분ㆍ분류해 내는 것이다. 정확도 평가는 세 가지 분류 수준에서 실행되었는데, 이는 앤더슨 분류단계 I(Anderson level I), 식생군계(vegetation formation), 그리고 식생군단 수준을 포함한다. 확인결과 전반적인 정확도는 51.7%에서 89.4%에 이르는 것으로 조사되었다.

• 센서학회지
• /
• 제22권2호
• /
• pp.162-173
• /
• 2013

The purpose of this paper is to classify VOC gases by emulating the characteristics found in biological olfaction. For this purpose, we propose new signal processing method based a polymeric chemical sensor array consisting of 4096 sensors which is created by NEUROCHEM project. To remove unstable sensors generated in the manufacturing process of very large scaled chemical sensor array, we used discrete wavelet transformation and cosine similarity. And, to remove the supernumerary redundancy, we proposed the method of selecting candidates of representative sensor representing sensors with similar features by Fuzzy c-means algorithm. In addition, we proposed an improved algorithm for selecting representative sensors among candidates of representative sensors to better enhance classification ability. However, Classification for very large scaled sensor array has a great deal of time in process of learning because many sensors are used for learning though a redundancy is removed. Throughout experimental trials for classification, we confirmed the proposed method have an outstanding classification ability, at transient state as well as steady state.