• Proceedings of the KSRS Conference
• /
• 2004.10a
• /
• pp.260-262
• /
• 2004

Spatial database system provides many query types and most of them are required frequent disk I/O and much CPU time. k-NN search is to find k-th closest object from the query point and up to now, several k-NN search methods have been proposed. Among these, MINMAX distance method has an aim not to visit unnecessary node by applying pruning technique. But this method access more disk than necessary while pruning unnecessary node. In this paper, we propose new k-NN search algorithm based on density of object. With this method, we predict the radius to be expected to contain k-NN object using density of data set and search those objects within this radius and then adjust radius if failed. Experimental results show that this method outperforms the previous MINMAX distance method. This algorithm visit fewer disks than MINMAX method by the factor of maximum $22\%\;and\;average\;6\%.$

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.232-234
• /
• 2017

사이버전 피해평가에 있어서 유무선 통합 환경에 대한 공격의 탐지와 이에 대한 평가가 필요한 상황이다. 특히 회사, 정부 및 군 시설 등에서 인가되지 않은 AP를 사용하여 공격이 발생하는 경우 각종 바이러스 및 해킹 공격에 의한 피해가 발생한 가능성이 높다. 띠라서 인가된 AP와 인가되지 않은 AP를 탐지해서 찾아 내야한다. 본 논문에서는 인가된 AP와 인가 되지 않은 AP를 탐지하기 위해 RTT(Round Trip Time)값을 데이터셋으로 만들고 각 기계학습 알고리즘 SVM(Support Vector Machine), J48(C4.5), KNN(K nearest neighbors), MLP(Multilayer Perceptron)의 결과를 비교해 성능의 차이를 밝히고 이를 통하여 공격을 탐지하여 피해평가에 연결이 되도록 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.749-752
• /
• 2014

본 논문에서는 저속으로 동작하는 구름 베어링의 다중 결함 조기 검출을 위해 결함 특징 추출, 효과적인 특징 선택, 선택된 특징을 이용한 결함 분류의 세 단계로 구성된 결함 진단 기법을 제안한다. 1단계에서 이산 웨이블릿 변환을 이용하여 미세성분으로부터 통계적 결함 특징을 추출하고, DET(distance evaluation technique)를 이용하여 추출한 결함 특징 가운데 베어링 다중 결함 검출에 효과적인 특징을 선택한다. 마지막으로 선택된 특징을 k-NN(k-Nearest Neighbors) 분류기 입력으로 사용함으로써 결함을 진단한다. 본 논문에서는 제안한 결함 진단 기법의 성능을 분류 정확도 측면에서 평가한 결과 95.14%의 높은 분류 정확도를 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.1647-1650
• /
• 2010

다양한 옥내 측위 방법이 연구 발표되었다. 그 중에서 무선근거리통신망을 이용하는 방법은 측위를 위한 별도의 특수 장비를 요구하지 않기 때문에 실용적이다. 무선근거리통신망 기반 옥내 측위에서는 지문방식과 신호세기를 거리로 환산하여 사용하는 방법이 가장 흔히 사용되는 두 가지 방법이다. 지문방식은 시간과 노력이 많이 소요되는 준비단계가 필요하지만 신호세기를 거리로 환산하여 사용하는 방법보다 정확한 반면, 신호세기를 거리로 환산하여 사용하는 방법은 구현하기가 용이하지만 오차가 심하다. 때때로 지문방식 조차도 실제 응용에 적용되기에 부적절할 만큼 오차가 커, [1]은 일종의 지문방식인 K-NN (K nearest neighbors) 방법의 오차를 개선하기 위한 파티클 필터를 소개하였다. 칼만 필터도 역시 K-NN 옥내 측위의 정확도 개선을 위하여 사용된 바 있다. 본 논문은 K-NN 방법의 정확도 개선에 있어 칼만 필터와 파티클 필터의 성능을 비교하는 실험 결과를 소개한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.80-82
• /
• 2000

공간 데이터베이스 관리 시스템에서 제공하는 공간 질의는 많은 디스크 참조와 CPU 처리시간을 필요로 한다. 이 중에서 {{{{k}}}}-최근접 질의는 많은 디스크 참조를 요구하는 질의로써 지금까지 많은 연구가 이루어져 왔다. 트리 구조의 색인을 사용하는 {{{{k}}}}=최근접질의 처리방법은, 조건을 만족하지 않는 노드를 가지 치기 기법을 사용하여 노드 방문 횟수를 줄인다. 그러나, 이 방법은 가지치기 과정에서 불필요한 디스크 참고가 발생하여 성능을 저하시키는 단점을 가지고 있다. 본 논문에서는 가지치기 기법 대신 주어진 {{{{k}}}} 개의 최근접객체가 존재할 영역을 미리 예측함으로써 디스크 참조 횟수를 줄이는 방법을 제시한다. 이 영역을 예측하기 위해서 본 논문에서는 데이터 분포에 대한 밀도를 이용하였다. 실험에 의하면 이러한 방법은 기존의 가지치기 기법을 이용한 방법에 비해서 최고 22%, 평균 7%정도의 디스크 참조 횟수의 감소 효과가 있음을 알 수 있다.

• Information and Communications Magazine
• /
• v.31 no.11
• /
• pp.27-34
• /
• 2014

본 리뷰 논문에서는 많은 데이터 환경에서 얻어진 k-최근접 이웃들(k-nearest neighbors)의 이론적 성질로부터 어떻게 분류를 위한 알고리즘을 만들어낼 것인가에 대한 여러 가지 방법들을 설명한다. 많은 데이터 환경에서의 최근접 이웃 데이터의 정보는 다양한 기계학습 문제를 푸는데 아주 좋은 이론적인 성질을 가지고 있다. 하지만, 이런 이론적인 특성들이 데이터가 많지 않은 환경에서는 전혀 나타나지 않을 뿐 아니라 오히려 다른 다양한 알고리즘들에 비해 성능이 많이 뒤쳐지는 결과를 보여주고 있다. 본 리뷰 논문에서는 많은 데이터 환경 하에서 k-최근접 이웃들의 정보가 어떤 이론적인 특성을 가지는지 설명하고, 특별히 이런 특성들을 가지고 k-최근접 이웃을 이용한 분류 문제를 어떻게 베이지안 추론(Baysian inference) 문제로 수식화 할 수 있는지 보인다. 마지막으로 현재의 빅데이터 환경에서 실용적으로 사용할 수 있는 알고리즘들을 소개한다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1063-1064
• /
• 2007

본 연구는 유도전동기 진단시스템을 개발하기 위하여 테스트 전동기 내부에 취부된 자속센서 신호를 사용한 알고리즘 적용 결과를 논한 것으로서 분류기별 고장 판별 정확도에 대하여 서술하였다. 특징추출은 Kernel Principal Component Analysis (KPCA) 방법을 이용 하였으며, 테스트 샘플들에 대해서는 LDA(Linear Discriminant Analysis)와 k-NN(k-Nearest neighbors) 분류기법을 이용하여 판별하였다. 회전자 바 손상이나 편심(동적/정적)인 경우는 두 가지 분류기 모두 95[%]이상의 높은 분류 정확도를 보였지만, LDA인 경우 정상상태를 비롯한 베이링 불량이나, 샤프트 변형인 경우는 낮은 분류율을 보였다.

• Journal of electromagnetic engineering and science
• /
• v.17 no.4
• /
• pp.186-190
• /
• 2017

Visible-near-infrared (VIS-NIR) spectroscopy is a fast and non-destructive method for analyzing materials. However, most commercial VIS-NIR spectrometers are inappropriate for use in various locations such as in homes or offices because of their size and cost. In this paper, we classified eight food powders using a portable VIS-NIR spectrometer with a wavelength range of 450-1,000 nm. We developed three machine learning models using the spectral data for the eight food powders. The proposed three machine learning models (random forest, k-nearest neighbors, and support vector machine) achieved an accuracy of 87%, 98%, and 100%, respectively. Our experimental results showed that the support vector machine model is the most suitable for classifying non-linear spectral data. We demonstrated the potential of material analysis using a portable VIS-NIR spectrometer.

• Journal of Korea Multimedia Society
• /
• v.17 no.2
• /
• pp.113-123
• /
• 2014

Electrophysiological recordings are considered a reliable method of assessing a person's alertness. Sleep medicine is asked to offer objective methods to measure daytime alertness, tiredness and sleepiness. As EEG signals are non-stationary, the conventional method of frequency analysis is not highly successful in recognition of alertness level. In this paper, EEG signals have been analyzed using wavelet transform as well as discrete wavelet transform and classification using statistical classifiers such as euclidean and mahalanobis distance classifiers and a promising method SVM (Support Vector Machine). As a result of simulation, the average values of accuracies for the Linear Discriminant Analysis (LDA)-Quadratic, k-Nearest Neighbors (k-NN)-Euclidean, and Linear SVM were 48%, 34.2%, and 86%, respectively. The experimental results show that SVM classification method offer the better performance for reliable classification of the EEG signal in comparison with the other classification methods.

• The Journal of Korea Robotics Society
• /
• v.15 no.2
• /
• pp.169-176
• /
• 2020

This paper studied the collision detection of robot manipulators for safe collaboration in human-robot interaction. Based on sensor-based collision detection, external torque is detached from subtracting robot dynamics. To detect collision using joint torque sensor data, a comparative study was conducted using data-based machine learning algorithm. Data was collected from the actual 3 degree-of-freedom (DOF) robot manipulator, and the data was labeled by threshold and handwork. Using support vector machine (SVM), decision tree and k-nearest neighbors KNN method, we derive the optimal parameters of each algorithm and compare the collision classification performance. The simulation results are analyzed for each method, and we confirmed that by an optimal collision status detection model with high prediction accuracy.