• 한국지능시스템학회논문지
• /
• 제16권4호
• /
• pp.410-415
• /
• 2006

SVDD(support vector data description)는 가장 주요한 one-class 서포트 벡터 학습 방법론 중 하나로 비정상 물체에서 정상 데이터를 구분하기 위해서 특정 공간에서 정의된 구를 이용하는 전략을 쓰는 방법론이다. 본 논문에서는 SVDD를 이용해서 노이즈가 섞인 비정상 데이터를 노이즈가 제거된 정상 데이터로 복원하는 방법에 대해서 논한다. 그리고 고해상 도의 학습 데이터를 이용하여 저해상도로 주어진 시험 데이터 이미지를 고해상도의 이미지로 복원하는 문제에 적용함으로써 본 논문의 방법론이 어떻게 실용적으로 적용될 수 있는지에 대해서 다룬다.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1191-1198
• /
• 2018

윈드프로파일러 레이더는 고정점에서 대기물리 신호와 바람 벡터의 연직 프로파일을 제공한다. 바람 벡터는 제조사의 자료 처리 프로그램으로 산출되기 때문에 품질 관리에 한계가 있다. 따라서 바람 벡터의 품질을 향상시키기 위해서 원시 스펙트럼 자료의 이해와 활용이 이루어져야 한다. 바람 벡터의 원시 자료는 바이너리 형태로 저장되는 파워 스펙트럼 밀도이다. 본 연구에서는 원시 자료를 실수형 스펙트럼 밀도로 변환하는 알고리즘을 완성하고 스펙트럼 기반 0차와 1차 모멘트를 구현하여 원시 자료의 활용을 평가하였다.

• 한국정보처리학회논문지
• /
• 제3권1호
• /
• pp.167-180
• /
• 1996

스칼라 처리지향의 기계에서 벡터 처리를 위해서는 스칼라 처리가 벡터 요소 수 만큼 수행되어야 한다. 소위 von Neumann원리에 의한 벡터 처리기법이다. 메모리를 악세스 하는 장치로는 명령어의 순차적 계수를 위한 프로그램 계수기 뿐이기 때문에 벡터 데이터의 악세스는 명령어의 지시나 또는 ALU 의 주소 계산에 의해 수행되어 야 한다. 여기서는 재래식 개념의 하드웨어적 결합을 보충하기 위해 벡터 요소들을 입체적으로 악세스하기 위한 악세스 장치의 설계를 제안한다. 벡터의 구조 처리를 위한 필요성은 명령어군에 포함되었고 그들 명령어들은 데이터 처리와 동시에 데이터 악세스 안에 처리되도록 한다.

• Communications for Statistical Applications and Methods
• /
• 제14권1호
• /
• pp.195-203
• /
• 2007

In this paper we propose support vector quantile regression (SVQR) for randomly right censored data. The proposed procedure basically utilizes iterative method based on the empirical distribution functions of the censored times and the sample quantiles of the observed variables, and applies support vector regression for the estimation of the quantile function. Experimental results we then presented to indicate the performance of the proposed procedure.

• Journal of the Korean Data and Information Science Society
• /
• 제17권2호
• /
• pp.467-474
• /
• 2006

In this paper we present a weighted support vector machine(SVM) and a weighted least squares support vector machine(LS-SVM) for the prediction in the heteroscedastic regression model. By adding weights to standard SVM and LS-SVM the better fitting ability can be achieved when errors are heteroscedastic. In the numerical studies, we illustrate the prediction performance of the proposed procedure by comparing with the procedure which combines standard SVM and LS-SVM and wild bootstrap for the prediction.

• 한국정보통신학회논문지
• /
• 제9권7호
• /
• pp.1569-1574
• /
• 2005

In this paper, I propose an intelligent credit rating system using a bankruptcy prediction model based on support vector machines (SVMs). SVMs are promising methods because they use a risk function consisting of the empirical error and a regularized term which is derived from the structural risk minimization principle. This study examines the feasibility of applying SVM in Predicting corporate bankruptcies by comparing it with other data mining techniques. In addition. this study presents architecture and prototype of intelligeht credit rating systems based on SVM models.

• Journal of the Korean Data and Information Science Society
• /
• 제26권2호
• /
• pp.517-524
• /
• 2015

Unlabeled examples are easier and less expensive to be obtained than labeled examples. In this paper semisupervised approach is used to utilize such examples in an effort to enhance the predictive performance of nonlinear quantile regression problems. We propose a semisupervised quantile regression method named semisupervised support vector quantile regression, which is based on support vector machine. A generalized approximate cross validation method is used to choose the hyper-parameters that affect the performance of estimator. The experimental results confirm the successful performance of the proposed S2SVQR.

• 한국군사과학기술학회지
• /
• 제16권5호
• /
• pp.675-682
• /
• 2013

Reliability analysis and prediction of next failure time is critical to sustain weapon systems, concerning scheduled maintenance, spare parts replacement and maintenance interventions, etc. Since 1981, many methodology derived from various probabilistic and statistical theories has been suggested to do that activity. Nowadays, many A.I. tools have been used to support these predictions. Support Vector Regression(SVR) is a nonlinear regression technique extended from support vector machine. SVR can fit data flexibly and it has a wide variety of applications. This paper utilizes SVM and SVR with combining time series to predict the next failure time based on historical failure data. A numerical case using failure data from the military equipment is presented to demonstrate the performance of the proposed approach. Finally, the proposed approach is proved meaningful to predict next failure point and to estimate instantaneous failure rate and MTBF.

• 한국정보과학회논문지:정보통신
• /
• 제36권6호
• /
• pp.536-544
• /
• 2009

본 연구에서는 벡터 데이터의 저작권 보호를 위한 디지털 워터마킹 기법을 제안하였다. 제안한 방법은 벡터 데이터를 구성하고 있는 포인트들의 최단 거리를 구하고 그 거리를 이용하여 워터마크를 삽입하도록 하였다. 워터마크를 삽입한 실험 데이터에 다양한 공격을 한 후 워터마킹 방법의 강인성을 테스트하였다. 실험 결과 제안한 방법은 기존 방법보다 강인함을 나타내었다. 그리고 워터마크를 삽입한 후에도 위상이 변하지 않아 제안한 방법은 GIS환경에서의 벡터 데이터를 고려한 방법이 될 수 있음을 알 수 있었다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권8호
• /
• pp.578-584
• /
• 2004

The CSVM(Current Support Vector Machine) that is a digital architecture performing all phases of recognition process including kernel computing, learning, and recall of SVM(Support Vector Machine) on a chip is proposed. Concurrent operation by parallel architecture of elements generates high speed and throughput. The classification problems of bio data having high dimension are solved fast and easily using the CSVM. Quadratic programming in original SVM learning algorithm is not suitable for hardware implementation, due to its complexity and large memory consumption. Hardware-friendly SVM learning algorithms, kernel adatron and kernel perceptron, are embedded on a chip. Experiments on fixed-point algorithm having quantization error are performed and their results are compared with floating-point algorithm. CSVM implemented on FPGA chip generates fast and accurate results on high dimensional cancer data.