• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 하계종합학술대회 논문집(4)
• /
• pp.61-64
• /
• 2002

In this paper, we propose the iris feature extraction by using statistical methods. There are many approaches for iris feature extraction, but most of them require a set of parameters that one should choose for the transformation to obtain a useful representation of the iris. It would be most useful to estimate the method of the iris feature extraction from iris itself. Therefore, we apply the unsupervised statistical methods for the iris feature extraction.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.199-202
• /
• 2000

본 논문에서는 퍼지-유전자 접근방법을 이용한 무감독 특징 선택방법에 대하여 나타내었다. 이 방법은 각각의 특징들의 중요도에 따라 순서를 정하기 위해 사용되는 weighted distance 를 포함하는 특징 평가 지표 (feature evaluation index)를 최소화시키는데 있다. 또한 특징 평가 지표에서 사용되는 각 패턴들의 쌍에 대하여 근접함의 정도를 퍼지 멤버쉽 함수를 이용하여 결정하고 유전자 알고리즘은 평가 지표를 최소화시킴으로써 각 특징의 중요도를 나타내는 최적의 weighting 계수의 집합을 한기 위하여 적용하였다.

• Journal of Information Processing Systems
• /
• 제17권1호
• /
• pp.163-177
• /
• 2021

Many methods of discovering social networking communities or clustering of features are based on the network structure or the content network. This paper proposes a community discovery method based on topic models using a time factor and an unsupervised clustering method. Online community discovery enables organizations and businesses to thoroughly understand the trend in users' interests in their products and services. In addition, an insight into customer experience on social networks is a tremendous competitive advantage in this era of ecommerce and Internet development. The objective of this work is to find clusters (communities) such that each cluster's nodes contain topics and individuals having similarities in the attribute space. In terms of social media analytics, the method seeks communities whose members have similar features. The method is experimented with and evaluated using a Vietnamese corpus of comments and messages collected on social networks and ecommerce sites in various sectors from 2016 to 2019. The experimental results demonstrate the effectiveness of the proposed method over other methods.

• 한국음향학회지
• /
• 제20권2호
• /
• pp.21-26
• /
• 2001

본 논문에서는 잡음에 강인한 음성인식을 위해서 expectation-maximization (EM) 방식을 이용하여 잡음의 평균값을 추정하는 새로운 알고리듬을 제안하였다. 제안된 알고리듬에서는 온라인상의 인식용 음성이 직접 Bayesian 적응을 위해서 사용되며, 또한 훈련데이터를 이용하여 잡음의 평균값에 대한 사전 (prior) 분포를 알아낸 후 Bayesian 적응시에 이용한다. 잡음 음성의 모델링을 위해서는 PMC (parallel model combination) 방식을 이용하였고, 제안된 방식을 이용하여 자동차 잡음 환경 하에서 인식 실험을 수행한 결과, 기존의 PMC 방식에 비해서 향상된 인식성능을 보임을 알 수 있었다.

• Spatial Information Research
• /
• 제21권1호
• /
• pp.63-73
• /
• 2013

지형지물은 각각의 특징적 요인을 내포하고 있어 촬영된 위성영상에 반영된다. 촬영시기가 다른 영상을 통하여 변화에 대한 정보를 얻을 수 있다. 다중시기 영상을 무감독 방법으로 분류할 수 있다면 영상 분류의 정확도를 높여 주고, 여러 응용분야에 기여할 수 있다. 규칙기반 영상분류 알고리즘은 사람의 직접적인 개입이 없이 자동화된 방법으로 처리 되도록 개발되었으나, 불완전 요소에 결과가 영향 받는지 확인되어야 한다. 이 연구에서는 제주도 지역의 Landsat 영상으로 규칙기반 영상분류를 수행하였다. 영상의 구름의 존재하고 촬영시기의 차이가 있는 경우, 대상지가 도시, 산지, 농지 등 복합적인 경우에 대하여 적용 결과를 확인하였다. 구름이 있는 부분의 경우, 계수에 영향을 주지 않았으며, 촬영시기의 차이에 따라 분류규칙이 적절이 반영되었다. 제주시 도시지역의 확장, 서귀포시의 비닐하우스 등의 시설물 개체 수 증가 등을 파악 할 수 있었다. 제주도 지역의 공간정보 변화 파악과 분류 정확도를 얻을 수 있었다. 양질의 무감독 분류가 수행되는 것을 목표로 하여 방법의 일반화 및 개선방안을 모색하고자 하였다. 향후 도시개발, 환경변화 모니터링 등 영상 시계열 분석에 다양하게 활용될 수 있을 것이다.

• 한국환경복원기술학회지
• /
• 제4권2호
• /
• pp.36-44
• /
• 2001

The main purpose of this study was to classify forest vegetation effectively using Landsat Thematic Mapper data(June, 1994) in mountainous region. The research area was the Mt. Wolak Experimental Forest of Chungbuk National University, near Chungju and Jecheon city, Chungcheongbuk-do. To classify forest vegetation effectively, Normalized Difference Vegetation Index(NDVI) was used to reduce topographic effects. This NDVI was modified and transformed to the value of 0 to 255, and then the modified values were combined with other Landsat Thematic Mapper bands. To classify forest and land cover types, unsupervised classification method was used. The results of this study are summarized as follows. 1. Combinations of band "3, 5, NDVI" in Landsat Thematic Mapper data showed a good separation with high accuracy. The expected classification accuracy was 95.1% in Landsat Thematic Mapper data. 2. The Land Cover types were classified into six groups : coniferous forest, deciduous forest, mixed forest, paddy and grass, non-forest, and other undetectable areas. As these classified results were compared with the reconnaissance survey and aerial black and white infrared photographs, the overall classification accuracy was 76.5% in Landsat Thematic Mapper data. 3. The portion of non-forest in Mt. Wolak area was 1.9%. The percentages of coniferous, deciduous and mixed forests were 30.9%, 35.7% and 26.4%, respectively. 4. As these classified results were compared with other reference data, the percentages of coniferous, deciduous and mixed forests increased, but the portion of non-forest was exceedingly diminished. These differences are thought to be from the different research method and the different season of received Landsat Thematic Mapper data.

• 컴퓨터교육학회논문지
• /
• 제13권1호
• /
• pp.65-73
• /
• 2010

본 논문은 자연어처리 연구를 위하여 지도학습(supervised learning)방식의 어휘지식(lexical knowledge) 수동 구축 방법의 한계점을 극복하기 위하여 비지도학습(unsupervised learning)방식의 자동 어휘지식 획득 모델을 제안한다. 제안하는 모델은 벡터화, 클러스터링, 어휘지식 획득 과정을 통하여 입력으로 주어지는 어휘목록에서 어휘지식을 자동으로 획득한다. 모델의 어휘지식 획득 과정에서 파라미터 변화에 따른 어휘지식 개수의 변화와 어휘지식의 특징이 나타나는 어휘 지식 사전의 일부 모습을 보인다. 실험결과 어휘지식 중 하나로 획득되는 어휘범주 지식의 클러스터가 일정한 개수에서 수렴하는 것이 관찰되어 어휘지식을 필요로 하는 전자사전 자동구축의 가능성을 확인하였다. 또한 한국어 특성이 반영되어 좌 우 통사정보가 포함된 어휘사전을 구축하였다.

• 산업경영시스템학회지
• /
• 제39권2호
• /
• pp.129-137
• /
• 2016

To identify the cause of the error and maintain the health of system, an administrator usually analyzes event log data since it contains useful information to infer the cause of the error. However, because today's systems are huge and complex, it is almost impossible for administrators to manually analyze event log files to identify the cause of an error. In particular, as OpenStack, which is being widely used as cloud management system, operates with various service modules being linked to multiple servers, it is hard to access each node and analyze event log messages for each service module in the case of an error. For this, in this paper, we propose a novel message-based log analysis method that enables the administrator to find the cause of an error quickly. Specifically, the proposed method 1) consolidates event log data generated from system level and application service level, 2) clusters the consolidated data based on messages, and 3) analyzes interrelations among message groups in order to promptly identify the cause of a system error. This study has great significance in the following three aspects. First, the root cause of the error can be identified by collecting event logs of both system level and application service level and analyzing interrelations among the logs. Second, administrators do not need to classify messages for training since unsupervised learning of event log messages is applied. Third, using Dynamic Time Warping, an algorithm for measuring similarity of dynamic patterns over time increases accuracy of analysis on patterns generated from distributed system in which time synchronization is not exactly consistent.

• 한국인터넷방송통신학회논문지
• /
• 제17권2호
• /
• pp.135-140
• /
• 2017

세계 수산시장은 초과 수요적 현상으로 이러한 경향은 지속적으로 가속화 될 것으로 전망하고 있다. 수산물 수요가 증가되는 양식업은 어업과 비교해 볼 때 비교적 적은 자원의 투입으로도 생산량의 조절 및 표준화 등이 가능하여 높은 성과를 얻을 수 있는 산업이다. 그러나 전통적인 양식은 자연재해, 생태계 오염 등 저생산성의 문제점을 안고 있어 최적의 양식장소로 이동할 수 있는 새로운 양식시스템의 개발이 필요하다. 최적의 장소를 찾기 위해서는 온도, 산소 용존량 등 필요한 데이터를 실시간으로 수집하고 분석해야 한다. 데이터 분석은 머신러닝 기반의 K-means 클러스터링 기법을 적용하여 반복된 자기학습으로 언제, 어디로 양식장을 이동할지 스스로 판단할 수 있도록 하였다. 제시한 연구결과가 어류 양식업 종사자에게 적용된다면 최적의 양식장소를 스스로 찾아감으로써 자연재해, 생태계 오염 등 저생산성의 문제점을 해결 할 수 있을 것이다.

• 한국군사과학기술학회지
• /
• 제24권4호
• /
• pp.382-391
• /
• 2021

Unsupervised domain adaptation often gives impressive solutions to handle domain shift of data. Most of current approaches assume that unlabeled target data to train is abundant. This assumption is not always true in practices. To tackle this issue, we propose a general solution to solve the domain gap minimization problem without any target data. Our method consists of two regularization steps. The first step is a pixel regularization by arbitrary style transfer. Recently, some methods bring style transfer algorithms to domain adaptation and domain generalization process. They use style transfer algorithms to remove texture bias in source domain data. We also use style transfer algorithms for removing texture bias, but our method depends on neither domain adaptation nor domain generalization paradigm. The second regularization step is a feature regularization by feature alignment. Adding a feature alignment loss term to the model loss, the model learns domain invariant representation more efficiently. We evaluate our regularization methods from several experiments both on small dataset and large dataset. From the experiments, we show that our model can learn domain invariant representation as much as unsupervised domain adaptation methods.