• 한국컴퓨터정보학회논문지
• /
• 제19권7호
• /
• pp.1-8
• /
• 2014

클러스터링은 대표적인 비교사 학습 방법의 하나로 균일한 특성을 가지는 데이터를 군집으로 묶기 위해 사용된다. 균일한 특성을 가지는 데이터 부분집합을 문맥으로 정의하고 문맥 내에서 국부적으로 분류를 행하는 융합 방법이 사용되고 있지만 클러스터링은 비교사 학습 방법이라는 한계로 인해 클러스터링 결과로 만들어지는 문맥이 분류에 있어 최선임을 보장하기 어렵다. 이 논문에서는 생성된 클러스터를 문맥으로 가정하고 각 문맥에서 분류를 시행하는 경우 최소의 오류를 보일 수 있는, 분류를 고려한 클러스터링 기법을 제안한다. 제안하는 방법은 선형 판별 분석에서와 유사하게 클러스터 내 동일한 클래스에 속하는 데이터 쌍은 작은 거리 값을, 서로 다른 클래스에 속하는 데이터 쌍은 큰 거리 값을 가지도록 하기 위한 제약 조건을 적용하여 분류 오류를 줄이도록 하였다. 제안한 방법의 실효성은 실험 결과를 통해 확인할 수 있다.

• 한국측량학회지
• /
• 제28권6호
• /
• pp.627-636
• /
• 2010

영상분할은 관심대상이 되는 물체의 영역을 추출하기 위한 객체기반 영상분류의 전처리과정으로서 원격 탐사 영상분석에서 그 중요성 날로 커지고 있다. 본 연구에서는 고해상도 위성영상의 분광 및 공간정보를 반영할 수 있는 새로운 분할방법을 제안한다. 이를 위해 우선 다중분광 에지정보의 지역적 변이특성을 이용하여 영상에서 자동으로 초기시드 점을 추출하였다. 추출된 시드 점과 이웃하는 점들과의 유사성을 기반으로 영역 확장의 우선순위를 결정하는 MSRG가법을 이용하여 영상분할을 수행하였다. 제안된 기법의 효율성을 평가하기 위해 기존에 위성영상분할에 많이 사용된 유역분할법과 영역성장기법과의 시각적/정량적 비교평가를 수행하였다. 정량적 비교평가 방법으로는 무감독 영상분할 평가 측정치와 동일한 조건하에서 수행된 객체기반 분류 정확도를 이용하였다. 실험 결과 제안한 기법은 고해상도 위성영상의 객체기반분석에 유용하게 적용될 수 있으리라 판단된다.

• 품질경영학회지
• /
• 제47권3호
• /
• pp.537-552
• /
• 2019

Purpose: The development of information technology makes it easy to utilize high-dimensional categorical data. In this regard, the purpose of this study is to propose a novel method to select the proper categorical variables in high-dimensional categorical data. Methods: The proposed feature selection method consists of three steps: (1) The first step defines the goodness-to-pick measure. In this paper, a categorical variable is relevant if it has relationships among other variables. According to the above definition of relevant variables, the goodness-to-pick measure calculates the normalized conditional entropy with other variables. (2) The second step finds the relevant feature subset from the original variables set. This step decides whether a variable is relevant or not. (3) The third step eliminates redundancy variables from the relevant feature subset. Results: Our experimental results showed that the proposed feature selection method generally yielded better classification performance than without feature selection in high-dimensional categorical data, especially as the number of irrelevant categorical variables increase. Besides, as the number of irrelevant categorical variables that have imbalanced categorical values is increasing, the difference in accuracy between the proposed method and the existing methods being compared increases. Conclusion: According to experimental results, we confirmed that the proposed method makes it possible to consistently produce high classification accuracy rates in high-dimensional categorical data. Therefore, the proposed method is promising to be used effectively in high-dimensional situation.

• 인터넷정보학회논문지
• /
• 제18권1호
• /
• pp.65-75
• /
• 2017

탐지 모델은 인공지능 기법들이나 데이터 마이닝 기법, 또는 지능형 알고리즘들을 이용하여 어떠한 목적에 맞는 결과를 찾고자 하는 모델들이다. 사이버 보안에서는 주로 침입탐지, 악성코드 탐지, 침해사고 탐지, 공격 탐지로 활용되고 있다. 보안데이터와 같은 실제 환경에 수집되는 데이터들을 레이블이 되지 않은 데이터들이 많다. 클래스 레이블이 정해지지 않아 유형을 알 수 없는 데이터가 많아 정확한 탐지 및 분석을 하기 위해서는 레이블 결정과정이 필요하다. 본 논문에서 제안하는 방법은 레이블 결정을 위해 D-S 추론 알고리즘과 비교사 방법인 k-means 알고리즘을 적용하여 각 데이터의 레이블을 융합하여 결정할 수 있는 KDFL(K-means and D-S Fusion based Labeling)제안하였으며 이를 적용한 탐지 모델 구조를 제안하였다. 제안하는 방법은 실험을 통해 기존의 방법에 비해 탐지율, 정확도, F1-measure 성능 지표에서 우수한 성능을 나타냈다. 또한 오류율도 크게 개선된 결과를 나타내어 제안하는 방법의 성능을 검증할 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권2호
• /
• pp.160-168
• /
• 2007

문서분류기의 개발에 있어 지도학습기법을 이용할 경우 많은 양의 사람에 의한 범주 부착 말뭉치가 필요하다. 그러나 이의 구축은 많은 시간과 노력을 필요로 한다. 최근 이러한 범주 부착 말뭉치 대신 원시말뭉치와 범주마다 약간의 씨앗 정보를 이용하여 학습을 수행하여 문서분류기를 개발하는 방법론이 제시되었다. 본 논문에서는 이 방법론 하에서 다른 연구에서의 결과보다 좋은 성능을 나타내는 비지도 학습 기법을 소개한다. 본 논문에서 제시하는 기법의 특징은 씨앗 단어에서 출발하여 평균상호정보를 이용하여 다른 대표단어 및 그들의 가중치를 학습한 다음, 정보검색에서 많이 사용하는 기술을 이용하여 그 가중치를 갱신하는 것이다. 그리고 이 과정을 반복 수행하여 최종적으로 높은 성능의 시스템을 개발 할 수 있음을 제시하였다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.311-320
• /
• 2003

고유의 텍스쳐 성분에만 최적 반응을 하는 최적 필터(optimal filter)는 다중 텍스쳐 영상으로부터 원하는 텍스쳐 성분을 추출하기 위한 가장 뛰어난 기술이다. 그러나 기존의 최적필터 설계 방법들은 영상에 내재된 텍스쳐 정보가 사전에 주어지는 교사적 방법이 대부분이며, 내재된 텍스쳐 인식을 기반으로 하는 완전 비교사적인 방법에 관한 연구는 거의 이루어지고 있지 않은 실정이다. 따라서 본 논문에서는 효율적인 텍스쳐 분석을 위한 비교사 학습 방법과 가버필터의 주파수 대역 통과형 특징을 이용한 새로운 최적 필터 설계 방법을 제안한다. 제안한 방법은 자기조직형 신경회로망에 의해서 영상에 내재된 텍스쳐 영역을 블록 단위로 군화(clustering)하며, 가버필터의 최적 주파수는 인식된 텍스쳐 오브젝트(texture objects)의 공간 주파수를 분석한 최적 주파수에 동조(turning)한다. 그리고 설계된 최적 가버필터의 성능 평가를 위해서는 다양한 형태의 다중 텍스쳐 영상을 생성하여 내재된 텍스쳐 오브젝트를 추출함으로써 성공적인 결과를 보인다.

• 디지털융복합연구
• /
• 제13권8호
• /
• pp.289-294
• /
• 2015

본 연구는 비교사학습의 대표적인 방법 중 하나인 코호넨의 자기조직화 방법을 기반으로 BCI(Brain-Computer Interface)에 적용 가능한 자율적 기계학습방법을 제안한다. 이를 위해 상호작용 함수를 이용한 학습영역조정방법과 자율적 기계학습규칙을 제안하였다. 학습영역조정과 기계학습은 코호넨의 자기조직화 방법을 기반으로 한 상호작용 함수에 의한 측면제어효과를 이용하였다. 승자 뉴런을 결정하고 난 후 학습 규칙에 따라 뉴런의 연결강도를 조정하고 학습 횟수가 증가함에 따라 학습영역이 점차 감소하여 출력층 뉴런 가중치들의 입력을 향한 유동을 완화시켜 네트워크가 평형 상태(equilibrium state)에 도달하여 학습을 마칠 수 있는 자율적 기계학습을 제안하였다.

• 한국지능시스템학회논문지
• /
• 제11권3호
• /
• pp.223-230
• /
• 2001

자기구성 지도는 주어진 입력에 대해 올바른 출력 값이 제공되지 않는 비교사 방식으로 학습된다. 또한, 반응하는 순서나 위치를 통해 위상이 보존(topology preserving)되는 특성을 가지고 있어 많은 분야에 응용되고 있다. 그러나, 자기 구성지도는 학습이 되기 전에 위상을 미리 고정시켜야 하기 때문에 실제 문제에 적용하기 어렵다는 단점을 가지고 있다. 구조 적응형 자기구성 지도는 자기구성 지도의 고정된 구조 때문에 발생하는 문제를 해결하기 위해 지도의 구조를 학습 중에 적절하게 변경시킨다. 이때, 변화된 구조의 가중치를 어떻게 초기화시킬 것인가 하는 것이 또한 중요한 문제이다. 이 논문에서는 구조 적응형 자기구성 지도 모델에서 유전자 알고리즘을 이용하여 분화된 노드의 가중치를 결정하는 방법을 제안한다. 이 방법은 기존의 구조 적응형 자기구성 지도보다 다소 높은 인식률을 보였고, 숫자 별 인식률 편차를 줄일 수 있었다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.

• Spatial Information Research
• /
• 제19권6호
• /
• pp.43-54
• /
• 2011

본 연구는 위성영상 자료(2000-2009)를 이용하여 성남-용인 인근지역의 지표변화를 시계열 분석하기 위해 규칙기반 영상분류 방법을 제안하였다. 도시지역의 연도별 변화 패턴을 파악하기 위해 통계적/수학적 기반의 규칙에 따라 11개 클래스로 구분하였다. 훈련지역을 설정하지 않는 무감독분류 방법으로서 규칙을 적용할 수 있도록 알고리즘을 일반화 하였다. 분석 결과, 택지개발 등에 의하여 연구범위 내 도시지역면적이 약 1.45배 증가하였으며, 2009년 영상의 분류정확도는 98%로 나타났다. 방법 검증을 위하여 선분류 후비교법을 이용한 토지피복 변화분석 결과와 비교하였다. 다중영상 내 가용한 데이터를 최대한 이용할 수 있었고, 목적에 최적화된 분류가 가능해져, 분류정확도의 향상을 기대할 수 있었다. 본 규칙기반 영상분류 방법은 향후 도시개발 주제도 제작 및 도시개발, 환경변화 모니터링 등 영상 시계열 분석에 다양하게 적용될 수 있을 것이다.

• 한국농림기상학회지
• /
• 제3권1호
• /
• pp.5-15
• /
• 2001

논의 시기별 파장별 분광반사특성을 조사하기 위해, Landsat TM 밴드, RVI, 습윤도의 특성을 분산분석한 결과, 가시광선 영역의 TM 밴드 1, 2, 3의 논지역 평균 자료값은 식물색소에 의한 광흡수와 관련이 많아 군락형성이 최대인 8월 19일과 9월 1일에 가장 낮아졌다가 등숙기인 9월 중 하순에 다시 높아졌다. 중간 적외선 영역인 TM 밴드 5와 7은 수분에 민감하여, 담수상태로 수체의 영향이 컸던 5월 31일과 6월 2일의 자료값이 가장 낮았고, 군락의 최성기에서 성숙기로 접어들면서 식물체의 수분함량이 줄어들어 자료값이 점점 높아졌다. 한편, RVI는 출수ㆍ개화기인 8월 19일과 9월 1일에 가장 높았고, 습윤도는 벼의 생육초기에서 성숙기로 갈수록 계속 낮아졌다. 이앙기인 5월 31일, 출수기인 8월 19일 두시기 자료에서 수분에 민감한 TM 밴드 5, 식생의 특징이 드러나는 RVI, 또한 모든 밴드의 특성이 포함된 습윤도를 벼 재배면적 추정을 위한 정보로 이용하여, 이앙기에 담수상태이고 같은 지역이 출수기에 무성한 식생의 특징을 보이는 곳을 벼 재배지역으로 정하여 벼 재배면적 지도를 작성하였다. 벼 재배면적은 7291.19ha 추정되었고, 지형도를 이용한 100지점의 정확도 검증 결과 92%로 나타났다. 1991년 5월 31일과 8월 19일 두 시기의 Landsat TM 밴드 3, 4, 5, RVI 및 습윤도를 각각 유효밴드로 선정하여 중첩한 총 10개의 밴드를 가진 화상을 생성하여 기존의 분류법에 이용하였다. 최대우도법에 의한 감독분류 결과 벼 재배면적은 9100.98 ha였다. Error matrix에 의한 분류정확도는 97.2%로 나타났고, 지형도를 이용한 정확도는 95%로 나타났다. 분류항목수를 15개와 20개로 한 ISODATA법에 의한 비교사 분류결과 벼 재배면적이 각각 6663.60ha와 5704.56 ha로 추정되었고, 지형도에 의한 분류정확도는 각각 87%와 82%로 나타났다. 통계연보를 기준자료로 하여 분류방법간 비교를 위하여 당진군 우강면에 대하여 벼 재배면적 비교를 한 바 감독분류에 의해 2522.97ha로 가장 크게 추정되었고, 다음이 규칙기반분류와 분류항목수를 20으로 한 무감독분류법으로 각각 1567.31 ha와 1865.61 ha로 추정되었다. 분류항목수를 15로 한 무감독분류에 의한 벼 재배면적이 1638.72 ha로 가장 작게 추정되었다. 이때, 통계연보 자료상의 우강면의 논면적(2242.69ha)에 가장 가깝게 추정된 결과는 규칙기반분류이었다. 벼 재배지역은 추정방법에 관계없이 이앙기와 출수기, 두 시기의 자료를 이용한 경우 다소 차이는 있으나 정확하게 구분되었다. 위성의 분광반사 특성을 이용한 규칙기반분류는 매우 쉽고, 재현성이 있으며, 넓은 지역에 대한 신속한 작업이 가능하다.