• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.243-246
• /
• 2003

Data mining is a process of discovering useful patterns for decision making from an amount of data. It has recently received much attention in a wide range of business and engineering fields Classifying a group into subgroups is one of the most important subjects in data mining Tree-based methods, known as decision trees, provide an efficient way to finding classification models. The primary concern in tree learning is to minimize a node impurity, which is evaluated using a target variable in the data set. However, there are situations where multiple target variables should be taken into account, for example, such as manufacturing process monitoring, marketing science, and clinical and health analysis. The purpose of this article is to present several methods for measuring the node impurity, which are applicable to data sets with multiple target variables. For illustrations, numerical examples are given with discussion.

• 한국음향학회지
• /
• 제33권4호
• /
• pp.225-231
• /
• 2014

본 논문은 해양에서 발생하는 음향 표적에 대해서 표적의 식별 정보 피드백을 통해 관심 표적 추적 성능을 향상시키는 기법을 제안한다. 기존의 다중주파수 표적 추적 기법은 탐지된 음향신호 특성만 활용하여 추적을 수행하는 반면, 본 논문에서 제안하는 기법은 탐지된 음향신호 특성과 더불어 관심 표적의 특징인자가 식별되는지 여부를 추적에 활용한다. 제안하는 기법은 특징인자가 식별되는 측정치에 대해서만 추적을 수행하여 관심 표적이 아닌 표적에 대한 불필요한 추적을 방지한다. 또한 특징인자가 식별된 표적을 추적할 때 동적으로 추적 파라메터를 최적화하여 관심 표적에 대해 지속적이고 안정적인 추적을 수행한다. 모의 신호를 이용하여 실험을 수행하였으며 미약한 신호가 나타나는 수중 표적에 대해 제안하는 기법을 적용한 결과, 불필요한 표적 개수가 감소하고 관심 표적의 추적이 지속적으로 안정되게 수행됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제23권2호
• /
• pp.89-101
• /
• 2007

이 논문에서는 토지 피복분류를 목적으로 C 밴드와 L 밴드 다중 편광 자료의 결정 수준 융합을 수행하여 융합 효과를 살펴보았다. 앞으로 이용이 가능해질 C 밴드 Radarsat-2 자료와 L 밴드 ALOS PALSAR 자료를 모사하기 위해 C 밴드와 L 밴드 NASA JPL AIRSAR 자료를 감독분류에 이용하였다. Target decomposition으로부터 얻어지는 산란 특성과 관련된 특징들을 입력으로 SVM을 분류 기법으로 적용한 후에, 사후확률을 확률비 모델의 틀안에서 융합하는 결정수준 융합을 수행하였다. 적용 결과, L 밴드가 C 밴드에 비해 피복 구분에 적절한 투과 심도를 나타내어 22% 정도 높은 분류 정확도를 나타내었지만, 결정수준 융합을 통해 개별 토지피복 항목의 구분력의 향상으로 인해 L 밴드 자료의 분류결과에 비해 10% 정도의 보다 향상된 분류 정확도를 얻을 수 있었다.

• 한국전자파학회논문지
• /
• 제21권12호
• /
• pp.1460-1466
• /
• 2010

본 논문은 바이스태틱 RCS와 모노스태틱 RCS를 이용하여 각각 표적 구분 실험을 수행하고 그 성능을 비교 분석하였다. 모노스태틱 및 바이스태틱 RCS로부터 특성을 추출하기 위하여 시간-주파수 영역 해석법인 STFT와 CWT를 이용하였으며, 다중 퍼셉트론 신경망을 구분기로 이용하였다. 실험 결과, 모노스태틱과 바이스태틱 RCS 모두 CWT가 STFT보다 더 나은 구분 성능을 보여주었다. 또한, STFT에서는 바이스태틱 RCS를 이용했을 때, CWT에서는 모노스태틱 RCS를 이용하였을 때 대체적으로 더 좋은 성능을 나타내었다. 결과적으로 본 논문을 통하여 바이스태틱 RCS도 모노스태틱 RCS처럼 표적 구분에 똑같이 적용할 수 있다는 것을 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제19권6호
• /
• pp.1289-1295
• /
• 2015

안테나에서 송출된 전자파 신호는 목표물로부터 반사되어져 수신된다. 이러한 반사 신호는 유전율 차이 등 목표물들의 물질 종류에 따라 서로 다른 특징들을 나타내게 된다. 따라서 이러한 반사 신호들의 특징들을 잘 활용하면 목표물들의 특성을 파악할 수 있다. 즉 위험 물질들의 분류 및 검사를 위하여 이러한 방법을 적용할 수 있다. 따라서 본 논문에서는 실험을 통하여 획득한 이러한 반사파 신호들의 특징을 활용하여 상관성(correlation)을 도출함으로서 그 특성, 즉 위험 물질들을 판단할 수 있는 방법을 고찰하고자 한다. 이러한 상관성에 의한 판단 방법은 특정 목표물에 대한 기준 신호의 저장을 필요로 하지만 비교적 신뢰할 수 있는 결과들을 보여준다. 그러므로 이러한 수신신호들의 상관성을 이용한 방법을 적용한다면 위험물질들의 구별 및 분류 등에 폭 넓게 활용할 수 있을 것이다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제27권3호
• /
• pp.63-80
• /
• 2018

Purpose The purpose of this study is to build a machine learning-based customer classification model to promote customer expansion effect of the free sample promotion. Specifically, the proposed model classifies potential target customers who are expected to purchase the products included in the free sample promotion after receiving the free samples. Design/methodology/approach This study proposes to build a customer classification model for determining customers suitable for providing free samples by using various machine learning techniques such as logistic regression, multiple discriminant analysis, case-based reasoning, decision tree, artificial neural network, and support vector machine. To validate the usefulness of the proposed model, we apply it to a real-world free sample-based target marketing case of a Korean major cosmetic retail company. Findings Experimental results show that a machine learning-based customer classification model presents satisfactory accuracy ranging from 70% to 75%. In particular, support vector machine is found to be the most effective machine learning technique for free sample-based target marketing model. Our study sheds a light on customer relationship management strategies using free sample promotions.

• Ocean Systems Engineering
• /
• 제4권1호
• /
• pp.53-62
• /
• 2014

The detection of ship wakes image can demonstrate substantial information regarding on a ship, such as its tonnage, type, direction, and speed of movement. Consequently, the wake target recognition is a favorable way for ship identification. This paper proposes a Local Binary Pattern (LBP) approach to extract image features (wakes) for training an Improved Back Propagation Artificial Neural Network (IBPANN) to identify ship speed. This method is applied to sort and recognize the ship wakes of five different speeds images, the result shows that the detection accuracy is satisfied as expected, the average correctness rates of wakes target recognition at the five speeds may be achieved over 80%. Specifically, the lower ship's speed, the better accurate rate, sometimes it's accuracy could be close to 100%. In addition, one significant feature of this method is that it can receive a higher recognition rate than the nearest neighbor classification method.

• 한국정보통신학회논문지
• /
• 제17권11호
• /
• pp.2505-2511
• /
• 2013

수중환경 하에서 표적을 탐지하고 식별하는 문제는 군사적인 목적은 물론 비군사적 목적으로도 많은 연구가 수행되어 왔다. 수중환경에서의 수중음향 신호가 시간 공간적으로 특성이 변화하며 천해 다중경로 환경을 반영하는 복잡한 특성을 보이는 점으로 인해 능동 표적인식 기술은 매우 어려운 기술로 여겨져 왔다. 또한 실제 데이터 수집의 어려움이 따르게 된다. 본 논문에서는 3차원 하이라이트 분포를 가지는 모델을 이용하여, 능동소나 표적신호를 음선 추적기법을 기반으로 하여 합성하였다. 합성된 표적신호를 대상으로 Fractional Fourier 변환을 적용하여 특징벡터를 추출하였고, 신경회로망 인식기를 이용하여 인식 실험을 수행하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권12호
• /
• pp.4476-4491
• /
• 2021

Video service providers tend to face user network problems in the process of transmitting video streams. They strive to provide user with superior video quality in a limited bitrate environment. It is necessary to accurately determine the target bitrate range of the video under different quality requirements. Recently, several schemes have been proposed to meet this requirement. However, they do not take the impact of visual influence into account. In this paper, we propose a new multi-category model to accurately predict the target bitrate range with target visual quality by machine learning. Firstly, a dataset is constructed to generate multi-category models by machine learning. The quality score ladders and the corresponding bitrate-interval categories are defined in the dataset. Secondly, several types of spatial-temporal features related to VMAF evaluation metrics and visual factors are extracted and processed statistically for classification. Finally, bitrate prediction models trained on the dataset by RandomForest classifier can be used to accurately predict the target bitrate of the input videos with target video quality. The classification prediction accuracy of the model reaches 0.705 and the encoded video which is compressed by the bitrate predicted by the model can achieve the target perceptual quality.

• 전자공학회논문지CI
• /
• 제47권3호
• /
• pp.22-28
• /
• 2010

최근 기계학습 분야에서 커널머신을 이용한 대표적 분류기로 Adaboost가 주목받고 있다. Adaboost는 통계적 학습이론에 기반하여 뛰어난 일반화 성능을 보여주며, 다양한 패턴인식 문제에 적용되고 있다. 그러나, Adaboost는 이진 분류기이므로 다중표적 분류 문제에 곧바로 적용할 수 없다. 일반적으로 다중 분류 문제를 해결하는 기법으로 One-Vs-All 기법과 Pair-Wise 기법이 대표적이다. 이러한 두 기법은 다중 분류 문제를 여러 개의 이진 분류 문제로 분할하고, 이들을 다시 종합하여 최종 결정을 내리는 출력코딩이라는 일반적인 기법으로 실제 시스템 구성에 적합할만한 분류 성능을 보여주지 못하는 경우가 대부분이다. 본 논문에서는 이진 분류기인 Adaboost의 다중 분류 확장 방안으로 원형 기반 함수를 약한 분류기로 이용하는 Adaboost 기반 다중표적 분류 기법을 제안한다.