• 한국컴퓨터정보학회논문지
• /
• 제26권6호
• /
• pp.29-35
• /
• 2021

본 논문에서는 위치 측위의 정확도를 높일 수 있는 방안으로 KNN(K-Nearest Neighbor)과 Local Map Classification 및 Bayes Filter를 융합한 기법을 제안한다. 먼저 이 기법은 Local Map Classification이 실제 지도를 여러 개의 Cluster로 나누고, 다음으로 KNN으로 Cluster들을 분류한다. 그리고 Bayes Filter가 획득한 각 Cluster의 확률을 통하여 Posterior Probability을 계산한다. 이 Posterior Probability으로 로봇이 위치한 Cluster를 검색한다. 성능 평가를 위하여 KNN과 Local Map Classification 및 Bayes Filter을 적용하여서 얻은 위치 측위의 결과를 분석하였다. 분석 결과로 RSSI 신호가 변하더라도 위치 정보는 한 Cluster에 고정되면서 위치 측위의 정확도가 높아진다는 사실을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권3호
• /
• pp.591-609
• /
• 2024

In this study, preprocessings with all combinations were examined in terms of the effects on decreasing word number, shortening the duration of the process and the classification success in balanced and imbalanced datasets which were unbalanced in different ratios. The decreases in the word number and the processing time provided by preprocessings were interrelated. It was seen that more successful classifications were made with Turkish datasets and English datasets were affected more from the situation of whether the dataset is balanced or not. It was found out that the incorrect classifications, which are in the classes having few documents in highly imbalanced datasets, were made by assigning to the class close to the related class in terms of topic in Turkish datasets and to the class which have many documents in English datasets. In terms of average scores, the highest classification was obtained in Turkish datasets as follows: with not applying lowercase, applying stemming and removing stop words, and in English datasets as follows: with applying lowercase and stemming, removing stop words. Applying stemming was the most important preprocessing method which increases the success in Turkish datasets, whereas removing stop words in English datasets. The maximum scores revealed that feature selection, feature size and classifier are more effective than preprocessing in classification success. It was concluded that preprocessing is necessary for text classification because it shortens the processing time and can achieve high classification success, a preprocessing method does not have the same effect in all languages, and different preprocessing methods are more successful for different languages.

• 한국도서관정보학회지
• /
• 제48권3호
• /
• pp.45-61
• /
• 2017

본 연구의 목적은 DDC가 당시 도서관 장서의 급속한 증가 문제를 해결하기 위해 도서관 최초로 상관식 배가법을 도입하고 세분화된 분류체계를 적용한 것이 도서관계에 어떤 영향을 미쳤는지 분석하는데 있다. 이를 위해 DDC가 상관식 배가법을 도입하고, 분류체계를 세분화하여, 도서관과 타 분류법에 미친 영향 등을 비교 분석하였다. 분석 결과 첫째, DDC는 이전에는 존재하지 않았던 상관식 배가법이라는 혁신적인 방법을 적용하여, 세분화된 분류체계를 도입하면서 당시 도서관이 처해있던 급속한 장서 증가 문제를 해결하였다. 둘째, 세부적인 분류를 위해 형식 구분을 분류기준으로 적용하여 실질적으로 도서관의 도서 분류에 도움을 주었다. 셋째, 분류체계에 십진법을 도입함으로써 분류체계의 무한정 세분화가 가능하여, 경제성과 실용성을 획득하였다. 넷째, 전개분류법이나 주제분류법을 비롯한 현대 도서관 분류법 발전에 큰 영향을 미쳤다. 이처럼 상관식 배가법을 적용하고 세분화된 분류체계를 가진 DDC는 시대적 요구에 적합한 분류법이었고, 개별 도서관에서 실용적으로 사용할 수 있는 분류법이었다.

• 한국통신학회논문지
• /
• 제33권8B호
• /
• pp.707-718
• /
• 2008

Traffic classification의 방법은 동적으로 변하는 application의 변화에 대처하기 위하여 페이로드나 port를 기반으로 하는 것에서 ML 알고리즘을 기반으로 하는 것으로 변하여 가고 있다. 그러나 현재의 ML 알고리즘을 이용한 traffic classification 연구는 offline 환경에 맞추어 진행되고 있다. 특히, 현재의 기존 연구들은 testing 방법으로 cross validation을 이용하여 traffic classification을 수행하고 있으며, traffic flow를 기반으로 classification 결과를 제시하고 있다. 본 논문에서는 testing방법으로 cross validation과 split validation을 이용했을 때, traffic classification의 정확도 결과를 비교한다. 또한 바이트를 기반으로 한 classification의 결과와 flow를 기반으로 한 classification의 결과를 비교해 본다. 본 논문에서는 J48, REPTree, RBFNetwork, Multilayer perceptron, BayesNet, NaiveBayes와 같은 ML 알고리즘과 다양한 feature set을 이용하여 트래픽을 분류한다. 그리고 split validation을 이용한 traffic classification에 적합한 최적의 ML 알고리즘과 feature set을 제시한다.

• Asia pacific journal of information systems
• /
• 제5권2호
• /
• pp.143-176
• /
• 1995

We present an overview of the Extensional Object Model (ExOM) and describe in detail the learning and classification components which integrate concepts from machine learning and object-oriented databases. The ExOM emphasizes flexibility in information acquisition, learning, and classification which are useful to support tasks such as diagnosis, planning, design, and database mining. As a vehicle to integrate machine learning and databases, the ExOM supports a broad range of learning and classification methods and integrates the learning and classification components with traditional database functions. To ensure the integrity of ExOM databases, a subsumption testing rule is developed that encompasses categories defined by type expressions as well as concept definitions generated by machine learning algorithms. A prototype of the learning and classification components of the ExOM is implemented in Smalltalk/V Windows.

• Journal of information and communication convergence engineering
• /
• 제5권3호
• /
• pp.245-248
• /
• 2007

In this paper, we research the content-based analysis and classification according to the composition of the feature parameter data base for the audio data to implement the audio data index and searching system. Audio data is classified to the primitive various auditory types. We described the analysis and feature extraction method for the feature parameters available to the audio data classification. And we compose the feature parameters data base in the index group unit, then compare and analyze the audio data centering the including level around and index criterion into the audio categories. Based on this result, we compose feature vectors of audio data according to the classification categories, and simulate to classify using discrimination function.

• Journal of Information Processing Systems
• /
• 제15권1호
• /
• pp.116-126
• /
• 2019

In this paper, an improved one-against-one support vector machine algorithm is used to classify multiple power quality disturbances. To solve the problem of parameter selection, an improved particle swarm optimization algorithm is proposed to optimize the parameters of the support vector machine. By proposing a new inertia weight expression, the particle swarm optimization algorithm can effectively conduct a global search at the outset and effectively search locally later in a study, which improves the overall classification accuracy. The experimental results show that the improved particle swarm optimization method is more accurate than a grid search algorithm optimization and other improved particle swarm optimizations with regard to its classification of multiple power quality disturbances. Furthermore, the number of support vectors is reduced.

• Asian Journal of Innovation and Policy
• /
• 제8권1호
• /
• pp.73-96
• /
• 2019

This study suggests a new approach for identifying core robot tech-nologies based on technological cross-impact. Specifically, the approach applies data mining techniques and multi-criteria decision-making methods to the co-classification information of registered patents on the robots. First, a cross-impact matrix is constructed with the confidence values by applying association rule mining (ARM) to the co-classification information of patents. Analytic network process (ANP) is applied to the co-classification frequency matrix for deriving weights of each robot technology. Then, a technique for order performance by similarity to ideal solution (TOPSIS) is employed to the derived cross-impact matrix and weights for identifying core robot technologies from the overall cross-impact perspective. It is expected that the proposed approach could help robot technology managers to formulate strategy and policy for technology planning of robot area.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 춘계학술발표대회
• /
• pp.377-380
• /
• 2010

This paper proposes texture descriptor for texture classification called Local Neighbor Differences (LND). LND is a high discriminating texture descriptor and also robust to illumination changes. The proposed descriptor utilizes the sign of differences between surrounding pixels in a local neighborhood. The differences of those pixels are thresholded to form an 8-bit binary codeword. The decimal values of these 8-bit code words are computed and they are called LND values. A histogram of the resulting LND values is created and used as feature to describe the texture information of an image. Experimental results, with respect to texture classification accuracies using OUTEX_TC_00001 test suite has been performed. The results show that LND outperforms LBP method, with average classification accuracies of 92.3% whereas that of local binary patterns (LBP) is 90.7%.

• 한국건설관리학회논문집
• /
• 제4권1호
• /
• pp.97-105
• /
• 2003

건설실패에 관련된 정보는 연구문헌, 사례집, 보고서 등에서 제공하고 있지만, 실패정보에 대한 체계적인 분류가 구축되어 있지 않아, 정보의 활용에 많은 문제점이 있다. 따라서 본 논문에서는 국내$\cdot$외의 건설실패연구 관련기관 및 문헌을 조사$\cdot$분석하여 건설실패정보 분류체계를 제안하였는데, 시설물 일반정보, 실패상황정보, 실패원인정보, 실패대책정보의 4개의 대분류로 구성되어 있다. 그리고 각각의 대분류항목은 중분류항목과 소분류항목으로 구성하였다. 본 연구에서 제시한 건설실패분류 체계는 실패사례의 정형화$\cdot$표준화를 통하여 건설산업 참여주체들이 실패정보를 공유함으로써 실패의 재발을 방지하는 유용한 자료로 활용될 수 있을 것이다.