• 한국물환경학회지
• /
• 제38권6호
• /
• pp.292-305
• /
• 2022

The Yeongsan River, one of the four largest rivers in South Korea, has been facing difficulties with water quality management with respect to algal bloom. The algal bloom menace has become bigger, especially after the construction of two weirs in the mainstream of the Yeongsan River. Therefore, the prediction and factor analysis of Chlorophyll-a (Chl-a) concentration is needed for effective water quality management. In this study, Chl-a prediction model was developed, and the performance evaluated using machine and deep learning methods, such as Deep Neural Network (DNN), Random Forest (RF), and eXtreme Gradient Boosting (XGBoost). Moreover, the correlation analysis and the feature importance results were compared to identify the major factors affecting the concentration of Chl-a. All models showed high prediction performance with an R² value of 0.9 or higher. In particular, XGBoost showed the highest prediction accuracy of 0.95 in the test data.The results of feature importance suggested that Ammonia (NH₃-N) and Phosphate (PO₄-P) were common major factors for the three models to manage Chl-a concentration. From the results, it was confirmed that three machine learning methods, DNN, RF, and XGBoost are powerful methods for predicting water quality parameters. Also, the comparison between feature importance and correlation analysis would present a more accurate assessment of the important major factors.

• 한국전산구조공학회논문집
• /
• 제31권1호
• /
• pp.63-69
• /
• 2018

베어링은 많은 회전체에서 사용되는 핵심부품으로, 예기치 않은 고장을 방지하기 위해 많은 연구가 집중되고 있다. 이때 중요한 것은 되도록 초기에 건전성 상태를 잘 나타내는 적절한 특징신호를 추출하는 것이다. 그러나 기존의 연구들은 주로 진단관점에서 특징신호를 추출하여 고장예지에는 적합하지 않은 측면이 있었다. 본 논문에서는 이러한 문제를 극복하기 위해 베어링 고장 주파수의 에너지와 시간 사이의 상관계수 가중 합을 이용하여 베어링 수명 예측에 용이한 특징신호를 추출하는 방법을 개발하였다. 그 결과 일반적으로 고장진단에서 많이 사용되고 있는 특징신호인 RMS에 비해서 결함 초기부터 단조로운 증가 경향의 특징신호를 추출함을 알 수 있었다. 이를 입증하기 위해서 NASA Ames에서 제공한 IMS bearing 진동 데이터를 이용하였고 제시한 특징신호와 일반적인 RMS와 의 거동을 비교하여 유효성을 검증하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.810-831
• /
• 2019

Recently, continuous dimensional emotion recognition from audiovisual clues has attracted increasing attention in both theory and in practice. The large amount of data involved in the recognition processing decreases the efficiency of most bimodal information fusion algorithms. A novel algorithm, namely the incomplete Cholesky decomposition based kernel cross factor analysis (ICDKCFA), is presented and employed for continuous dimensional audiovisual emotion recognition, in this paper. After the ICDKCFA feature transformation, two basic fusion strategies, namely feature-level fusion and decision-level fusion, are explored to combine the transformed visual and audio features for emotion recognition. Finally, extensive experiments are conducted to evaluate the ICDKCFA approach on the AVEC 2016 Multimodal Affect Recognition Sub-Challenge dataset. The experimental results show that the ICDKCFA method has a higher speed than the original kernel cross factor analysis with the comparable performance. Moreover, the ICDKCFA method achieves a better performance than other common information fusion methods, such as the Canonical correlation analysis, kernel canonical correlation analysis and cross-modal factor analysis based fusion methods.

• 정보처리학회논문지B
• /
• 제14B권2호
• /
• pp.135-140
• /
• 2007

특징선택은 문제 영역에서 관찰된 다차원데이터로부터 데이터가 묘사하는 구조를 잘 반영하는 속성을 선택하여 효과적인 실험 데이터를 구성하는 데이터 준비과정이다. 이 과정은 문서분류, 영상인식, 유전자 선택 분야에서의 같은 분류시스템의 성능향상에 중요한 구성요소로서 상관관계 기법, 차원축소 및 상호 정보 처리 등의 통계학이나 정보이론의 접근방법을 중심으로 연구되어왔다. 이와 같은 선택 분야의 연구는 다루는 데이터의 양이 방대해지고 복잡해지면서 더욱 중요시 되고 있다. 본 논문에서는 데이터가 가지는 특성을 반영하면서 새로운 데이터에 대하여 일반화 할 수 있는 특징선택 방법을 제안하고자 한다. 준비된 데이터의 각 속성 데이터에 대하여 퍼지 클러스터 분석에 의하여 최적의 클러스터 정보를 얻고 이를 바탕으로 근접성과 분리성의 경로를 측정하여 그 값에 따라 특징을 선택하는 매카니즘을 제공한다. 제안된 방법을 실세계의 컴퓨터 바이러스 분류에 적용하여 기존의 대비에 의한 휴리스틱 방법에 의해 선택된 데이터를 가지고 분류한 것과 비교하고자 한다. 이를 통하여 주어진 특징에 시연을 부여할 수 있고 효과적으로 특징을 선택하여 시스템의 성능을 향상 시킬 수 있음을 확인한다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.102-112
• /
• 2012

본 논문에서는 웨이브렛 영역의 BDIP(block difference of inverse probabilities)와 BVLC(block variance of local correlation coefficients) 특징, 그리고 WPCA(whitened principal component analysis) 분류기를 이용한 질감 분류 방법을 제안한다. 제안된 방법에서는 먼저 질의 영상에 웨이브렛 변환을 적용한다. 그런 다음 웨이브렛 영역의 각 부대역에 BDIP와 BVLC 연산자를 적용한다. 이어서 각 BDIP, BVLC 부대역에 대하여 전역 통계치를 계산하고 그 결과들을 벡터화하여 특징 벡터로 사용한다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 질의 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 실험 결과 제안된 방법은 3가지의 실험 질감 영상 DB에 대하여 낮은 특징 벡터 차원으로 매우 우수한 질감 분류 성능을 보여준다.

• 한국정보통신학회논문지
• /
• 제15권7호
• /
• pp.1439-1446
• /
• 2011

본 논문에서는 고차 상관 특정 정보와 주성분 분석을 결합하여 차원을 낮추면서도 객체 인식을 유지하고, 고유 공간 구성 시간을 현저하게 줄이는 알고리즘에 대해 기술한다. 제안된 방법은 기존의 기하학적 정보를 이용하거나 스테레오 영상을 이용하는 방법에 비해 많은 계산량이 요구되지 않기 때문에 실시간 시스템 구축에 매우 적합하다는 것이 실험을 통하여 증명되었다. 또한 인식률을 향상시키기 위해 단순히 기존의 방법인 point to point 방식인 단순 거리 계산은 오차가 많기 때문에 본 논문에서는 개선된 Class to Class방식인 K-Nearest Neighbor을 이용하여 몇 개의 연속적인 입력영상을 인식의 단위로 이용하여 인식 오차를 줄일 수 있었다.

• 말소리와 음성과학
• /
• 제6권1호
• /
• pp.71-76
• /
• 2014

In this paper voice quality of normal speech is qualitatively classified by five components of breathy, creaky, rough, nasal, and thin/thick voice. To determine whether a correlation exists between a subjective measure of voice and an objective measure of voice, each voice is perceptually evaluated using the 1/2/3 scale by speech processing specialists and acoustically analyzed using speech analysis tools such as the Praat, MDVP, and VoiceSauce. The speech parameters include features related to speech source and vocal tract filter. Statistical analysis uses a two-independent-samples non-parametric test. Experimental results show that statistical analysis identified a significant correlation between the speech feature parameters and the components of voice quality.

• 한국콘텐츠학회논문지
• /
• 제22권2호
• /
• pp.326-336
• /
• 2022

본 연구는 한국 대학생들의 미국 영어 모음 발화를 자질적으로 분석하여 한국인의 영어 모음 발화의 특성을 알아보는 것을 목적으로 한다. 즉 영어 모음의 분절음 정확도 뿐만 아니라 혀의 전후설성, 혀높이, 원순성, 긴장성과 같은 모음의 자질적 특성들을 분석하여 한국인 학습자가 비교적 쉽게 습득할 수 있는 자질들과 어려워하는 영어모음의 자질들을 밝히고자 했다. 영어 비전공자 대학생들이 11개의 영어 모음 /i, ɪ, eɪ, ɛ, æ, ɑ, oʊ, ɔ, ʊ, u, ʌ/가 포함된 1음절 영어 단어를 발화한 음성자료를 통해, 분절음 정확도 뿐만 아니라 이를 4개의 모음 자질로 분석하였다. 자질 분석 결과, 모든 모음을 통해 전후설성이 가장 쉽게 발화한 자질로 확인된 반면 혀높이와 긴장성 자질은 발화에 어려움이 있는 자질로 확인되었다. 전반적으로 후설모음과 중저모음이 전설모음과 고모음 보다 혀높이와 원순성 자질에서 발화의 어려움을 나타냈다. 개별모음을 볼 때 이중모음 /eɪ/가 모든 자질에서 가장 높은 정확도를 보여 쉽게 습득되는 모음으로 확인되었다. 반면 /ɑ, ɔ, ʌ/는 혀높이와 원순성에서 공통적으로 발화의 어려움을 보였고 고모음 /i, ʊ, u/는 긴장성 자질에서 어려움을 보였다. 각 자질들 사이의 상관관계를 분석한 결과에서는 혀높이-원순성, 그리고 혀높이-긴장성 두 자질쌍이 강한 상관성을 나타냈다. 이와 같은 연구 결과를 바탕으로 실제 교실 학습에 적용할 수 있는 교육적인 함축점도 논의되었다.

• 대한의용생체공학회:의공학회지
• /
• 제28권1호
• /
• pp.8-16
• /
• 2007

Finite element analysis (FEA) is an effective means for the analysis of bioelectromagnetism. It has been successfully applied to various problems over conventional methods such as boundary element analysis and finite difference analysis. However, its utilization has been limited due to the overwhelming computational load despite of its analytical power. We have previously developed a novel mesh generation scheme that produces FE meshes that are content-adaptive to given MR images. MRI content-adaptive FE meshes (cMeshes) represent the electrically conducting domain more effectively with far less number of nodes and elements, thus lessen the computational load. In general, the cMesh generation is affected by the quality of feature maps derived from MRI. In this study, we have tested various feature maps created based on the improved differential geometry measures for more effective cMesh head models. As performance indices, correlation coefficient (CC), root mean squared error (RMSE), relative error (RE), and the quality of cMesh triangle elements are used. The results show that there is a significant variation according to the characteristics of specific feature maps on cMesh generation, and offer additional choices of feature maps to yield more effective and efficient generation of cMeshes. We believe that cMeshes with specific and improved feature map generation schemes should be useful in the FEA of bioelectromagnetic problems.

• 대한기계학회논문집A
• /
• 제23권7호
• /
• pp.1065-1074
• /
• 1999

This study proposes the analysis and evaluation method of time series ultrasonic signal using the chaotic feature extraction for ultrasonic pattern recognition. Features extracted from time series data using the chaotic time series signal analysis quantitatively welding defects. For this purpose analysis objective in this study is fractal dimension and Lyapunov exponent. Trajectory changes in the strange attractor indicated that even same type of defects carried substantial difference in chaoticity resulting from distance shills such as 0.5 and 1.0 skip distance. Such differences in chaoticity enables the evaluation of unique features of defects in the weld zone. In experiment fractal(correlation) dimension and Lyapunov exponent extracted from 6dB ultrasonic defect signals of weld zone showed chaoticity. In quantitative chaotic feature extraction, feature values(mean values) of 4.2690 and 0.0907 in the case of porosity and 4.2432 and 0.0888 in the case of incomplete penetration were proposed on the basis of fractal dimension and Lyapunov exponent. Proposed chaotic feature extraction in this study enhances ultrasonic pattern recognition results from defect signals of weld zone such as vertical hole.