• 전자공학회논문지
• /
• 제50권7호
• /
• pp.175-180
• /
• 2013

본 논문에서는 멀티미디어 콘텐츠의 부정자를 추적하기 위하여, 공모된 핑거프린팅 코드를 해밍거리를 이용하여 XOR 공모공격을 분류하는 알고리즘을 제안한다. 기존의 공모된 핑거프린팅 코드는 상관관계수를 이용하여 부정자를 판정하였지만 제안된 방법은 해밍거리를 이용하였다. 그 결과 상관관계 계수에 의한 XOR 공모공격은 XOR의 심각한 선형문제 때문에 50% 정도의 공모자 수에서 불가능 했던 부정자 추적이 해밍거리를 이용하여 최소한 1명의 부정자를 추적할 수 있는 추적도의 성능을 향상시켰으므로, 제안된 부정자 추적의 기능동작은 Probabilistic Scheme에 부합하였다.

• Journal of Electrical Engineering and Technology
• /
• 제13권2호
• /
• pp.989-997
• /
• 2018

Massive event stream brings us great challenges in its volume, velocity, variety, value and veracity. Picking up some valuable information from it often faces with long detection time, high memory consumption and low detection efficiency. Aiming to solve the problems above, an efficient complex event detection method based on NFA_HTS (Nondeterministic Finite Automaton_Hash Table Structure) is proposed in this paper. The achievement of this paper lies that we successfully use NFA_HTS to realize the detection of complex event from massive RFID event stream. Specially, in our scheme, after using NFA to capture the related RFID primitive events, we use HTS to store and process the large matched results, as a result, our scheme can effectively solve the problems above existed in current methods by reducing lots of search, storage and computation operations on the basis of taking advantage of the quick classification and storage technologies of hash table structure. The simulation results show that our proposed NFA_HTS scheme in this paper outperforms some general processing methods in reducing detection time, lowering memory consumption and improving event throughput.

• Journal of Information Processing Systems
• /
• 제10권3호
• /
• pp.443-458
• /
• 2014

An extreme learning machine (ELM) is a recently proposed learning algorithm for a single-layer feed forward neural network. In this paper we studied the ensemble of ELM by using a bagging algorithm for facial expression recognition (FER). Facial expression analysis is widely used in the behavior interpretation of emotions, for cognitive science, and social interactions. This paper presents a method for FER based on the histogram of orientation gradient (HOG) features using an ELM ensemble. First, the HOG features were extracted from the face image by dividing it into a number of small cells. A bagging algorithm was then used to construct many different bags of training data and each of them was trained by using separate ELMs. To recognize the expression of the input face image, HOG features were fed to each trained ELM and the results were combined by using a majority voting scheme. The ELM ensemble using bagging improves the generalized capability of the network significantly. The two available datasets (JAFFE and CK+) of facial expressions were used to evaluate the performance of the proposed classification system. Even the performance of individual ELM was smaller and the ELM ensemble using a bagging algorithm improved the recognition performance significantly.

• 지능정보연구
• /
• 제22권4호
• /
• pp.247-264
• /
• 2016

저출산 및 인구 고령화가 가속화되면서, 중장년 퇴직자 등 노동 소외 계층의 취업난 해결은 우리 사회의 핵심 과제로 등장하고 있다. 온라인에는 수많은 일자리 요구 정보가 산재해 있으나, 이를 중장년 구직자에게 제대로 매칭시키지는 못하고 있다. 워크넷 취업 로그에 따르면 구직자가 선호하는 직종에 취업하는 경우는 약 24%에 불과하다. 그러므로, 이러한 문제를 극복하기 위해서는 구직자에게 일자리 정보를 매칭시킬 때 선호하는 직종과 유사한 직종들을 추천하는 소프트 매칭 기법이 필수적이다. 본 연구는 중장년층에 특화된 소프트 직업 매칭 알고리즘과 서비스를 고안하고 개발하여 제공하는 것을 목표로 한다. 이를 위하여 본 연구에서는 1) 대용량의 구직 활동 기록인 워크넷 로그로부터 중장년층의 일자리 특성 및 요구 추세를 분석하였다. 2) 중장년층의 일자리 추천을 위해 직종 유사도 기준으로 일자리 분류표(KOCM)를 재정렬하였다. 이 결과를 이용하여, 3) 중장년에 특화된 인력 고용 소프트 매칭 직업 추천 알고리즘(MOMA)을 개발하여 구인 구직 웹사이트에 적용하였다. 자체 저작한 중장년층 특화 일자리 분류표(KOCM)를 이용한 소프트 일자리 매칭 시스템의 정확도를 측정하였을 때, 실제 고용 결과 기준, 하드 매칭 대비 약 20여 배의 성능 향상을 보였다. 본 연구내용을 적용하여 개발한 중장년층 특화 구직 사이트는 중장년층의 구직 과정에서 입력 정보 부담을 최소화하고 소프트 매칭을 통해 사용자의 요구직종에 적합한 일자리를 정확하고 폭넓게 추천함으로 중장년층의 삶의 질 향상에 기여할 수 있을 것으로 기대된다.

• 한국통신학회논문지
• /
• 제29권3B호
• /
• pp.339-348
• /
• 2004

패킷 분류근 인터넷 망에서 QoS(Quality of Service)보장, VPN(Virtual Private Network)등과 같은 사용자들의 다양한 서비스를 수용하기 위한 중요한 요소이다. 패킷 헤더는 기본적으로 IP(Internet Protocol) 패킷 헤더 내의 목적지 주소뿐만 아니라 발신지 주소, 프로토콜, TCP(Transmission Control Protocol)포트 번호 등 여러 필드들을 조합하여 룰 테이블로부터 best matching 룰을 찾는 것이다. 본 논문에서는 멀티 비트 트라이 구조의 트리 비트맵을 이용하여 하드웨어적인 룰 검색이 가능한 패킷 분류 기법을 제안한다. 검색 대상 필드 및 패킷 분류 룰을 구성하는 프레픽스를 비교 단위가 되는 일정한 비트 크기의 멀티 비트로 나누고, 이와 같이 구분된 멀티 비트 단위로 트리 비트맵 기반의 룰 검색 기능을 수행한다. 제안한 기법은 프레픽스의 일정한 상위 비트들에 대해서는 인덱싱 키로 사용하여 룰 검색을 위한 메모리 액세스 횟수를 줄이도록 하였다. 또한 룰 검색시 성능 저하를 초래하는 백트랙킹이 발생하지 않도록 하기 위하여 룰 테이블 구축시 마커 프레픽스에 대한 처리 기법을 제안하였다 그리고 본 논문에서는 IPMA(Internet Performance Measurement Analysis) 프로젝트에서 제공하는 라우팅 테이블의 프레픽스들을 이용하여 2차원 즉, 목적지 주소와 발신지 주소의 2필드로 구성되는 랜덤 룰 셋을 생성하고 제안한 기법에 대한 메모리 소요량 및 성능 비교를 하였다.

• 한국정보처리학회논문지
• /
• 제6권7호
• /
• pp.1841-1848
• /
• 1999

델보는 주어진 사례의 집합으로부터 이들 사례들을 분류할 수 있는 베이지안 분류 규칙들로 이루어진 규칙 집합을 습득하는 유전학 기반 귀납적 학습 시스템이다. 규칙 집합의 습득과정에서 델보가 당면하게 되는 한 가지 문제점은 학습 과정이 최적의 규칙 집합이 아닌 지역 최적치를 습득하고 종료하는 경우가 가끔 발생한다는 것이다. 다른 하나의 문제점은 훈련 사례에 대한 경우와는 달리 새로운 평가 사례에 대해 분류 성능이 현저히 저하되는 규칙 집합을 습득하는 경우가 가끔 발생한다는 것이다. 본 논문에서는 이러한 문제점을 해결하여 보다 성능이 향상된 분류 시스템을 구축하기 위한 기법으로 엔-버전 시스템을 구축함으로써 분류 시스템의 전체적인 성능을 향상시키는 기법이다. 엔-버전 학습법의 구현을 위해 다수의 규칙 집합을 이용하여 최종 분류 결과를 도출해 내기 위한 기법과 습득된 규칙 합들로부터 분류 시스템을 구축하기 위한 최적의 규칙 집합의 조합을 찾기 위한 기법을 제시하고 다수의 사례 집합을 이용하여 엔-버전 학습법이 델보의 학습 환경에 미치는 영향을 평가하였다.

• 인터넷정보학회논문지
• /
• 제24권1호
• /
• pp.39-47
• /
• 2023

The development of autonomous driving and Advanced Driver Assistance System (ADAS) technology has grown rapidly in recent years. As most traffic accidents occur due to human error, self-driving vehicles can drastically reduce the number of accidents and crashes that occur on the roads today. Obviously, technical advancements in autonomous driving can lead to improved public driving safety. However, due to the current limitations in technology and lack of public trust in self-driving cars (and drones), the actual use of Autonomous Vehicles (AVs) is still significantly low. According to prior studies, people's acceptance of an AV is mainly determined by trust. It is proven that people still feel much more comfortable in personalized ADAS, designed with the way people drive. Based on such needs, a new attempt for a customized ADAS considering each driver's driving style is proposed in this paper. Each driver's behavior is divided into two categories: assertive and defensive. In this paper, a novel customized ADAS algorithm with high classification accuracy is designed, which divides each driver based on their driving style. Each driver's driving data is collected and simulated using CARLA, which is an open-source autonomous driving simulator. In addition, Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) machine learning algorithms are used to optimize the ADAS parameters. The proposed scheme results in a high classification accuracy of time series driving data. Furthermore, among the vast amount of CARLA-based feature data extracted from the drivers, distinguishable driving features are collected selectively using Support Vector Machine (SVM) technology by comparing the amount of influence on the classification of the two categories. Therefore, by extracting distinguishable features and eliminating outliers using SVM, the classification accuracy is significantly improved. Based on this classification, the ADAS sensors can be made more sensitive for the case of assertive drivers, enabling more advanced driving safety support. The proposed technology of this paper is especially important because currently, the state-of-the-art level of autonomous driving is at level 3 (based on the SAE International driving automation standards), which requires advanced functions that can assist drivers using ADAS technology.

• 한국산학기술학회논문지
• /
• 제11권4호
• /
• pp.1272-1277
• /
• 2010

표적 탐지 및 추적을 위한 무선 센서 네트워크에서 센서 노드는 다양한 신호처리 기능을 가져야 한다. 센서 노드의 에너지 제약과 통신 대역폭 제한은 센서 노드에서의 가벼운 신호처리 기법을 필요로 한다. 일반적인 센서 노드에서의 신호처리 기법은 센서 노드에 수신된 신호를 잡음제거와 같은 전처리를 수행하고, 에너지를 계산하여 표적의 위치를 탐지하고 기지국에서의 위치추정 및 식별을 위하여 특징 추출하거나 압축하여 전송하는 등의 방법으로 구성된다. 이러한 센서 노드에서 필수적인 신호처리 기법들은 무선 센서 네트워크의 생존 시간과 표적 탐지 및 식별 성능에 큰 영향을 끼치게 된다. 본 논문에서는 무선 센서 네트워크에서 센서 노드의 필수적인 신호처리들을 리프팅 스킴 웨이블릿 변환 방법을 이용하여 센서 노드에서 에너지 효율적인 신호처리를 수행하고 표적의 정확한 위치를 추정하는 방법을 제안한다.

• 전자공학회논문지
• /
• 제53권2호
• /
• pp.47-52
• /
• 2016

스마트 기기와 소형 디스플레이에 사용되는 디지털 영상은 다운스케일링 (Downscaling)된 영상이 사용된다. 본 논문에서는 영상 픽셀값의 경사도에 따른 특징벡터를 이용한 다운스케일링 포저리 (Forgery) 영상 검출 알고리즘을 제안한다. 제안된 알고리즘에서, 원영상의 픽셀값 경사도로부터 자기회귀 (AR: Autoregressive) 계수를 계산한다. 이는 다운스케일링 포저리 영상 검출기의 SVM (Support Vector Machine) 분류를 위한 학습에 사용된다. 제안된 다운스케일링 검출 알고리즘은 동일 10-Dim. 특징벡터의 MFR (Median Filter Residual) 스킴과 686-Dim.의 SPAM (Subtractive Pixel Adjacency Matrix) 스킴과 비교하여 다운스케일링 90% 영상 포저리에서 성능이 우수하며, 평균필터링 ($3{\times}3$) 영상과 미디언필터링 ($3{\times}3$) 영상에서 높은 검출율을 보여 주었다. 특히, 평균필터링과 미디언필터링 영상에서는 성능평가 전체 항목에서 민감도 (Sensitivity; TP: True Positive rate)와 1-특이도 (1-Specificity; FP: False Positive rate)의 AUC (Area Under Curve)가 모두 1에 수렴하여 'Excellent (A)' 등급임을 확인하였다.

• Journal of Astronomy and Space Sciences
• /
• 제13권2호
• /
• pp.198-209
• /
• 1996

본 논문에서는 인공위성을 통하여 수신되는 다중대역 영상을 압축하기 위한 방법을 제시한다. 본 논문에서 제안하는 방법은 다대역 영상에서 보이는 대역간 상관성 및 대역내에서 각 화소간의 상관성을 줄이는 목표를 가지고, 화소간 상관성을 줄이기 위해서는 wavelet 변환을 사용하고, 대역간 상관성을 줄이기 위해서는 대역간 데이타블럭의 화소값간의 상관관계를 1차식으로 모델링하고 회귀(regression) 방법을 이용하여 대역간 화소 차이을 가깝게 하여 데이타 압축율을 향상시킨다. 변환계수는 데이타 압축율을 높이기 위해 변형된 힐버트 커브와 RLE 그리고 허프만 코딩을 이용하였다. 제안된 알고리듬은 우리별 1호 영상과 LANDSAT MSS 영상을 이용하여 실험하였으며, 성능평가 척도로는 원영상과 복원된 영상의 PSNR과 ISODATA를 이용할 때의 분류 능력을 비교하였다.