• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.1866-1883
• /
• 2019

As the youngest branch of information hiding, network covert timing channels conceal the existence of secret messages by manipulating the timing information of the overt traffic. The popular model-based framework for constructing covert timing channels always utilizes cumulative distribution function (CDF) of the inter-packet delays (IPDs) to modulate secret messages, whereas discards high-order statistics of the IPDs completely. The consequence is the vulnerability to high-order statistical tests, e.g., entropy test. In this study, a rich security model of covert timing channels is established based on IPD chains, which can be used to measure the distortion of multi-order timing statistics of a covert timing channel. To achieve rich security, we propose two types of covert timing channels based on nested lattices. The CDF of the IPDs is used to construct dot-lattice and interval-lattice for quantization, which can ensure the cell density of the lattice consistent with the joint distribution of the IPDs. Furthermore, compensative quantization and guard band strategy are employed to eliminate the regularity and enhance the robustness, respectively. Experimental results on real traffic show that the proposed schemes are rich-secure, and robust to channel interference, whereas some state-of-the-art covert timing channels cannot evade detection under the rich security model.

• 대한한의학원전학회지
• /
• 제32권3호
• /
• pp.47-57
• /
• 2019

Objectives : We aim to assist in choosing an appropriate method for word extraction when analyzing East Asian Traditional Medical texts based on unsupervised learning. Methods : In order to assign ranks to substrings, we conducted a test using one method(BE:Branching Entropy) for exterior boundary value, three methods(CS:cohesion score, TS:t-score, SL:simple-ll) for interior boundary value, and six methods(BExSL, BExTS, BExCS, CSxTS, CSxSL, TSxSL) from combining them. Results : When Miss Rate(MR) was used as the criterion, the error was minimal when the TS and SL were used together, while the error was maximum when CS was used alone. When number of segmented texts was applied as weight value, the results were the best in the case of SL, and the worst in the case of BE alone. Conclusions : Unsupervised-Learning-Based Word Extraction is a method that can be used to analyze texts without a prepared set of vocabulary data. When using this method, SL or the combination of SL and TS could be considered primarily.

• 전기전자학회논문지
• /
• 제21권3호
• /
• pp.280-283
• /
• 2017

HEVC(high efficiency video coding)의 엔트로피 코딩 방식인 CABAC(context-based adaptive binary arithmetic coding)에서는 각 구문 요소의 발생 확률을 추정하는 문맥 모델이 사용된다. 본 논문에서는 CABAC 복호화에 필요한 문맥 모델러를 설계하고 이를 구현하였다. 초기화에 필요한 연산 숫자를 줄이고 속도를 높이기 위해 참조 테이블을 사용하였으며, HEVC의 표준 테스트 영상 및 표준 부호기 구성에 대해 12가지의 시뮬레이션을 수행하여 모두 성공적으로 동작하는 것을 확인하였다. 설계된 문맥 모델러를 0.18um에서 합성하였을 때의 최대 동작 주파수, 최대 처리율 및 게이트 수는 각각 200 MHz, 200 Mbin/s, 29,268 게이트이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.485-488
• /
• 2005

이 논문에서는 트래킹 터널 또는 트래킹 카드를 이용하여 살아있는 곤충의 발자국을 획득한 후 남겨진 발자국 패턴을 이용하여 곤충의 부류나 종류를 판단하는 인식 시스템을 위한 전처리 과정을 살펴본다. 특히 발자국 패턴을 획득하는 과정과 곤충 발자국의 특징을 추출하기에 적합한 스캔된 발자국 이미지의 이진화 과정에 대하여 고찰한다. 이진화 과정에서는 기존에 발표된 대표적인 이진화 알고리듬 3가지를 구현하여 비교 분석하였다. 비교 분석 결과 Abutaleb에 의해 제안된 고차 엔트로피 이진화 알고리듬이 가장 우수한 결과를 보였다.

• 대한전자공학회논문지SP
• /
• 제40권3호
• /
• pp.185-193
• /
• 2003

MPEG-4 삼차원 메쉬 모델 압축(3DMC) 표준에서 사용되는 평행사변형예측 방법은 예측하고자 하는 꼭지점이 인접한 꼭지점들과 같은 평면상에 있다고 가정하여 하나의 삼각형 내에 있는 인접한 세 개의 꼭지점 좌표 값만을 이용하므로 예측 효율이 좋지 않다. 본 논문에서는 삼각형 주변의 꼭지점 좌표값과 인접하는 삼각형 사이의 사잇각을 고려한 통합예측을 이용하여 삼차원 메쉬 모델의 기하정보를 부호화하는 방법을 제안한다. 우선 제안한 꼭지점 계층탐색 방법으로 위상학적으로 거리가 가까운 점들을 탐색하여 정렬된 값들의 기하학적 상관도를 높이고, 정렬된 삼차원 메쉬의 꼭지점 순서에 따라 주변의 꼭지점 값들을 이용하여 현재 꼭지점 값을 예측한다. 본 논문에서 제안한 통합예측 방법은 다양한 VRML 포맷의 테스트 모델에 대해서 기존의 MPEG-4 3DMC의 평행사변형예측 방법보다 우수한 성능을 보인다.

• 한국음향학회지
• /
• 제18권8호
• /
• pp.3-8
• /
• 1999

문맥독립형 음향모델을 채택하고 있는 기존의 가변어휘 음성인식기는 주변환경에 따른 음소의 변화를 모델링 할 수 없었다. 이러한 문제를 해결하기 위해서는 변이음을 이용한 문맥의존형 음향모델을 사용해야 한다. 본 논문은 가변어휘 음성인식기의 음향모델을 효과적으로 개선하기 위하여 적용한 방법에 대해서 기술하고 있다. 즉, 음향모델의 개선은 엔트로피를 이용한 군집화 기법을 적용하여 변이음의 개수를 변경시키면서 최적의 변이음 모델을 추출하는 방법을 사용하였다. 개선된 모델에 대한 성능은 POW(Phonetically Optimized Words) 3848 DB 및 SNR이 크게 다른 2종류의 PC168 DB를 이용하여 훈련 및 인식 실험을 수행하면서 평가하였다. 결론적으로 변이음의 개수를 낮추면서도 인식 성능의 저하를 가져오지 않는 최적의 변이음 모델을 얻을 수 있었으며 PC168 DB를 이용한 인식실험을 통하여 확인할 수 있었다.

• Smart Structures and Systems
• /
• 제33권3호
• /
• pp.201-215
• /
• 2024

Spline chirplet transform and local maximum synchrosqueezing are introduced to present a novel structural instantaneous frequency (IF) identification method named local maximum synchrosqueezing spline chirplet transform (LMSSSCT). Namely spline chirplet transform (SCT), a transform is firstly introduced based on classic chirplet transform and spline interpolated kernel function. Applying SCT in association with local maximum synchrosqueezing, the LMSSSCT is then proposed. The index of accuracy and Rényi entropy show that LMSSSCT outperforms the other time-frequency analysis (TFA) methods in processing analytical signals, especially in the presence of noise. Numerical examples of a Duffing nonlinear system with single degree of freedom and a two-layer shear frame structure with time-varying stiffness are used to verify the effectiveness of structural IF identification. Moreover, a nonlinear supported beam structure test is conducted and the LMSSSCT is utilized for structural IF identification. Numerical simulation and experimental results demonstrate that the presented LMSSSCT can effectively identify the IFs of nonlinear structures and time-varying structures with good accuracy and stability.

• 한국정보과학회논문지:데이타베이스
• /
• 제28권4호
• /
• pp.545-557
• /
• 2001

본 논문에서는 저장 데이타베이스의 정보 시스템을 정제하여 이해 가능한 정보로 전환하고 새로운 객체를 근사 추론할 수 있도록 하기 위해 러프 소속 함수 값의 개념을 도입한 계층적 근사 분류 알 고리즘을 제안한다. 제안하는 알고리즘은 근사 추론의 한 방법인 퍼지 추론 방법의 언어적 불확실성을 속 성의 퍼지 소속 함수 값으로 나타내고 조건 속성의 소속 함수 값의 합성에 의해 근사 추론하는 방법을 이용하였으며 퍼지 소속 함수 값 대신에 러프 소속 함수 값을 이용하도록 제안하였다. 이는 퍼지 소속 함 수 값을 이용하여 괴지 규칙을 생성하는 과정을 생략할 수 있는 장점이 있다. 또한 정보 시스템 내의 속 성 중에서 수치 속성에 대한 이산화 방법을 연구하고 이것 또한 러프 소속 함수 값과 정보이론의 무질서 도의 개념을 이용한 수치 속성의 이산화를 제안하였다. 제안된 알고리즘을 이용하여 패턴 분류 문제에 교 준적으로 사용되는 IRIS 데이타에 대한 실험결과96%~98% 분류율을 나타냈으며 다른 실험 데이타에서 도 기존 알고리즘과 비교하여 수치 이산화나 근사 추론 모두 우수함을 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제40권2호
• /
• pp.62-67
• /
• 2019

The purpose of this study was to evaluate the performance of deep neural network model in order to determine whether there is a risk factor for coronary artery disease based on the cardiac variation parameter. The study used unidentifiable 297 data to evaluate the performance of the model. Input data consists of heart rate parameters, which are SDNN (standard deviation of the N-N intervals), PSI (physical stress index), TP (total power), VLF (very low frequency), LF (low frequency), HF (high frequency), RMSSD (root mean square of successive difference) APEN (approximate entropy) and SRD (successive R-R interval difference), the age group and sex. Output data are divided into normal and patient groups, and the patient group consists of those diagnosed with diabetes, high blood pressure, and hyperlipidemia among the various risk factors that can cause coronary artery disease. Based on this, a binary classification model was applied using Deep Neural Network of deep learning techniques to classify normal and patient groups efficiently. To evaluate the effectiveness of the model used in this study, Kernel SVM (support vector machine), one of the classification models in machine learning, was compared and evaluated using same data. The results showed that the accuracy of the proposed deep neural network was train set 91.79% and test set 85.56% and the specificity was 87.04% and the sensitivity was 83.33% from the point of diagnosis. These results suggest that deep learning is more efficient when classifying these medical data because the train set accuracy in the deep neural network was 7.73% higher than the comparative model Kernel SVM.

• 한국융합학회논문지
• /
• 제9권3호
• /
• pp.53-59
• /
• 2018

본 논문에서는 스마트 공장에서 의사결정 모델을 이용한 순차 마이닝 기반 제조공정을 제안한다. 제안하는 모델은 소규모의 제조공정에서 순차 마이닝 의사결정 모델을 적용하여 제조 효율을 높이는 방법이다. 제조 단계 중 제품 제조 과정에서 나타나는 데이터를 입력 변수들로 구성하고, 시간당 제조량과 불량률을 출력 변수로 구성한다. t-검정을 통해 유의수준이 높은 변수만을 사용하여 GSP 알고리즘과 REPTree 알고리즘을 이용한 규칙과 모델을 생성한다. 의미있는 순차 규칙과 의사결정 모델은 정확도, 민감도, 특이성, 예측도를 통해 유의미함을 확인한다. 결과적으로, 실제 제조에 적용한 결과 불량률은 0.38%가 개선되었고, 시간당 제조량은 평균 1.89/h 증가되었다. 이는 소규모 제조 공정에서 데이터 마이닝 분석을 통한 제조 효율을 높이기 위한 의미있는 결과를 나타낸다.