• 한국정밀공학회지
• /
• 제33권9호
• /
• pp.715-721
• /
• 2016

In this paper, the classification rate of micro-cracks in silicon wafers was improved using a SVM. In case I, we investigated how feature data of micro-cracks and SVM parameters affect a classification rate. As a result, weighting vector and bias did not affect the classification rate, which was improved in case of high cost and sigmoid kernel function. Case II was performed using a more high quality image than that in case I. It was identified that learning data and input data had a large effect on the classification rate. Finally, images from cases I and II and another illumination system were used in case III. In spite of different condition images, good classification rates was achieved. Critical points for micro-crack classification improvement are SVM parameters, kernel function, clustered feature data, and experimental conditions. In the future, excellent results could be obtained through SVM parameter tuning and clustered feature data.

• 산업경영시스템학회지
• /
• 제24권67호
• /
• pp.77-82
• /
• 2001

A study was conducted to develop a better classification method of Consumer Attributes that can enhance user-centered product design process. A modified QFD(Quality Function Deployment) survey form based upon Fuzzy set theory was proposed which contains 9 steps of importance level, and Certainty and Necessity function to improve the reliability of extracted consumer attributes. To verify the betterment and advantage of proposed classification method, a series of questionnaire survey was performed. Thirty male and 30 female university students were participated in the survey using a VCR as a target product. The result of the study showed that 80% of subjects were preferred the proposed classification over existing method. A cluster analysis was performed to further verify the betterment of the proposed method. The result also supported that the proposed classification method is more reliable and enhanced method in extracting consumer attributes and can be applied in the product design.

• Journal of Electrical Engineering and Technology
• /
• 제13권6호
• /
• pp.2511-2520
• /
• 2018

In this study, Multi-Radial Basis Function Support Vector Machine (Multi-RBF SVM) classifier is introduced based on a composite kernel function. In the proposed multi-RBF support vector machine classifier, the input space is divided into several local subsets considered for extremely nonlinear classification tasks. Each local subset is expressed as nonlinear classification subspace and mapped into feature space by using kernel function. The composite kernel function employs the dual RBF structure. By capturing the nonlinear distribution knowledge of local subsets, the training data is mapped into higher feature space, then Multi-SVM classifier is realized by using the composite kernel function through optimization procedure similar to conventional SVM classifier. The original training data set is partitioned by using some unsupervised learning methods such as clustering methods. In this study, three types of clustering method are considered such as Affinity propagation (AP), Hard C-Mean (HCM) and Iterative Self-Organizing Data Analysis Technique Algorithm (ISODATA). Experimental results on benchmark machine learning datasets show that the proposed method improves the classification performance efficiently.

• Journal of the Korean Data and Information Science Society
• /
• 제15권4호
• /
• pp.911-920
• /
• 2004

We try receiver operating characteristic(ROC) curves by neural networks of logistic function. The models are shown to arise from model classification for normal (diseased) and abnormal (nondiseased) groups in medical research. A few goodness-of-fit test statistics using normality curves are discussed and the performances using neural networks of logistic function are conducted.

• 대한원격탐사학회지
• /
• 제19권6호
• /
• pp.479-490
• /
• 2003

This study proposed a modified anisotropic diffusion restoration for image classification. The anisotropic diffusion restoration uses a probabilistic model based on Markov random field, which represents geographical connectedness existing in many remotely sensed images, and restores them through an iterative diffusion processing. In every iteration, the bonding-strength coefficient associated with the spatial connectedness is adaptively estimated as a function of brightness gradient. The gradient function involves a constant called "temperature", which determines the amount of discontinuity and is continuously decreased in the iterations. In this study, the proposed method has been extensively evaluated using simulated images that were generated from various patterns. These patterns represent the types of natural and artificial land-use. The simulated images were restored by the modified anisotropic diffusion technique, and then classified by a multistage hierarchical clustering classification. The classification results were compared to them of the non-restored simulation images. The restoration with an appropriate temperature considerably reduces error in classification, especially for noisy images. This study made experiments on the satellite images remotely sensed on the Korean peninsula. The experimental results show that the proposed approach is also very effective on image classification in remote sensing.

• 대한감각통합치료학회지
• /
• 제10권1호
• /
• pp.11-20
• /
• 2012

목적 : 본 연구는 뇌성마비아동을 대상으로 일상생활활동수행 능력을 평가하기 위한 측정 도구인 수정바델지수(Modified Barthel Index: MBI)와 사물조작 기능 분류체계(Manual Ability Classification System: MACS)와 대동작 기능 분류체계(Gross Motor Function Classification System: GMFCS)와의 상관관계를 통하여 장애판정 지표인 MBI를 유용하게 활용할 수 있는 정보를 제공하고자 한다. 연구 방법 : 연구대상자는 전문재활병원에서 작업치료와 물리치료를 받고 있는 뇌성마비 아동 82명을 대상으로 MBI, MACS, GMFCS를 사용하여 평가하였으며, 일상생활활동 수행능력과 사물조작기능, 그리고 대동작기능과의 관계를 알아보기 위하여 상관분석을 사용하여 분석하였다. 결과 : 본 연구 결과는 MBI와 MACS간의 상관계수가 -.765(p<0.001)로 높은 음의 상관을 나타냈고, MBI와 GMFCS 는 상관계수가 -.851(p<0.001)로 높은 음의 상관관계가 있었다. MACS와 GMFCS의 상관계수 또한 .615(p<0.001)로 높은 상관관계를 보였다. 결론 : 뇌성마비 유형에 따른 MBI의 각 항목과 MACS, GMFCS와의 상관관계에 대한 결과는 모든 뇌성마비 유형과 관련하여 MBI의 항목과 MACS와 GMFCS은 유의미한 상관관계를 나타냈다. 뇌병변 장애등급 판정 기준으로 사용하는 MBI와 MACS, GMFCS와의 높은 상관관계는 장애판정 지표인 MBI를 뇌성마비 장애 아동들을 대상으로 유용하게 활용할 수 있을 것이다.

• 응용통계연구
• /
• 제21권3호
• /
• pp.547-560
• /
• 2008

스펙트럼 밀도함수(spectral density function)는 시계열 자료가 정상성(stationarity)을 만족하는 경우에 주파수 영역(frrqllrnFr domain)에서 시계열 자료의 자기공분산함수(auto-covariance function)을 결정짓는 함수이고, 평활된 주기도(smoothed periodogram)는 스펙트럼 밀도함수의 일치 추정량(consistent estimator)이 됨이 잘 알려져 있다. 본 연구에서는 시계열 자료를 평활된 주기도를 이용하여 군집화하는 방법을 소개한다. 최근 김희영과 박만식 (2007)의 연구에 의하면 이 거리는 정상시계열들을 효율적으로 분류하고 있음을 알 수 있다. 본 연구는 시계열 자료를 분류하는데 사용된 기존의 거리들을 간략히 소개하고, 우리나라 22개 지역에서 1987년 1월부터 2007년 12월까지 측정한 월별 강수량 자료를 대상으로 평활된 주기도 거리를 이용하여 지역을 군집화한다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제15권3호
• /
• pp.66-72
• /
• 2023

Little attention appears to have been paid to the relevance of learning a good representation function in solving long tail tasks. Therefore, we propose a new loss function to ensure a good representation is learnt while learning to classify. We call this loss function Triplet Class-Wise Difficulty-Based (TriCDB-CE) Loss. It is a combination of the Triplet Loss and Class-wise Difficulty-Based Cross-Entropy (CDB-CE) Loss. We prove its effectiveness empirically by performing experiments on three benchmark datasets. We find improvement in accuracy after comparing with some baseline methods. For instance, in the CIFAR-10-LT, 7 percentage points (pp) increase relative to the CDB-CE Loss was recorded. There is more room for improvement on Places-LT.

• 한국전자파학회논문지
• /
• 제26권4호
• /
• pp.404-413
• /
• 2015

대공 레이다에서 표적의 분류는 대 탄도탄 모드 수행의 가장 중요한 부분 중 하나이다. 대 탄도탄 모드에서는 항공기와 탄도탄을 분류하여 각 표적에 따른 대응 방법을 결정한다. 표적 분류의 속도와 정확도는 적의 공격에 대한 대응 능력과 직접적인 관련이 있으므로, 효율적이고 정확한 표적 분류 알고리즘이 필수적이다. 일반적으로, 레이다는 표적 분류를 위해 JEM(Jet Engine Modulation) 및 HRR(High Range Resolution), ISAR(Inverse Synthetic Array Radar) 영상 등을 사용하는데, 이러한 기법들은 표적 분류를 위한 별도의(광대역 등) 레이다 파형과 DB(Data Base) 및 분류 알고리즘을 요구한다. 본 논문은 별도의 파형 없이 실제 다기능 레이다에서 적용 가능한 표적 분류 기법을 제안한다. 특징 벡터로 추적 시 얻은 표적의 운동학적인 특징(kinematics features)을 이용하여 레이다 하드웨어 및 시간 관점에서 레이다 자원을 아끼고, 구현이 간단하여 빠르고 상대적으로 정확한 퍼지 논리(fuzzy logic)를 분류 알고리즘으로 사용하여 실제 환경에서의 적용성을 높였다. 항공기의 실측 데이터와 탄도탄의 모의 신호를 사용하여 제안한 분류 알고리즘의 성능과 적합성을 증명하였다.

• 한국통신학회논문지
• /
• 제36권8B호
• /
• pp.921-928
• /
• 2011

최근 인터넷 사용자의 증가와 다양한 인터넷 기반 응용프로그램의 증가로 네트워크 트래픽이 급증하고 있다. 효율적인 네트워크 트래픽 관리를 위해 기존의 많은 연구들 에서 다양한 분류 알고리즘을 제시하였고, 대부분의 제안된 방법들은 응용 단위로 트래픽을 분류하며 분류의 정확성을 높이는데 초점을 두고 있다. 하지만 트래픽 제어의 관점에서 보았을 때 응용단위의 트래픽 분류는 응용의 기능별 제어의 기회를 제공하지 못하고 네트워크 사용자가 각 응용의 어떤 기능을 사용하는지를 파악하지 못하게 되는 문제점을 가지고 있다 본 논문에서는 이러한 문제점들을 해결 하기 위해 NateOn, MSN, GoogleTalk의 인터넷 메신저 응용에 대하여 기능 오토마타를 설계하고 이를 통해 메신저 응용의 기능별 트래픽 분류를 위한 방법론을 제시한다.