• International Journal of Internet, Broadcasting and Communication
• /
• 제11권1호
• /
• pp.47-53
• /
• 2019

The idea of ensemble learning is to train multiple models, each with the objective to predict or classify a set of results. Most of the errors from a model's learning are from three main factors: variance, noise, and bias. By using ensemble methods, we're able to increase the stability of the final model and reduce the errors mentioned previously. By combining many models, we're able to reduce the variance, even when they are individually not great. In this paper we propose an ensemble model and applied it to classification problem. In iris, Pima indian diabeit and semiconductor fault detection problem, proposed model classifies well compared to traditional single classifier that is logistic regression, SVM and random forest.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2148-2161
• /
• 2019

In this paper, we present a real-time cattle action recognition algorithm to detect the estrus phase of cattle from a live video stream. In order to classify cattle movement, specifically, to detect the mounting action, the most observable sign of the estrus phase, a simple yet effective feature description exploiting motion history images (MHI) is designed. By learning the proposed features using the support vector machine framework, various representative cattle actions, such as mounting, walking, tail wagging, and foot stamping, can be recognized robustly in complex scenes. Thanks to low complexity of the proposed action recognition algorithm, multiple cattle in three enclosures can be monitored simultaneously using a single fisheye camera. Through extensive experiments with real video streams, we confirmed that the proposed algorithm outperforms a conventional human action recognition algorithm by 18% in terms of recognition accuracy even with much smaller dimensional feature description.

• 한국IT서비스학회지
• /
• 제18권1호
• /
• pp.173-186
• /
• 2019

Recently, as the amount of fine dust has risen rapidly, our interest is increasing day by day. It is virtually impossible to remove fine dust. However, it is best to predict the concentration of fine dust and minimize exposure to it. In this study, we developed a mathematical model that can predict the concentration of fine dust using various information related to the weather and air quality, which is provided in real time in 'Air Korea (http://www.airkorea.or.kr/)' and 'Weather Data Open Portal (https://data.kma.go.kr/).' In the mathematical model, various domestic seasonal variables and atmospheric state variables are extracted by multiple regression analysis. The parameters that have significant influence on the fine dust concentration are extracted, and using ANN (Artificial Neural Network) and SVM (Support Vector Machine), which are machine learning techniques, we proposed a prediction model. The proposed model can verify its effectiveness by using past dust and weather big data.

• 로봇학회논문지
• /
• 제16권3호
• /
• pp.283-290
• /
• 2021

We propose a task and motion planning algorithm for clearing obstacles and wiping surfaces, which is essential for surface disinfection during the pathogen disinfection process. The proposed task and motion planning algorithm determines task parameters such as grasping pose and placement location during the planning process without using pre-specified or discretized values. Furthermore, to quickly inspect many unit motions, we propose a motion feasibility prediction algorithm consisting of collision checking and an SVM model for inverse mechanics and self-collision prediction. Planning time analysis shows that the feasibility prediction algorithm can significantly increase the planning speed and success rates in situations with multiple obstacles. Finally, we implemented a hierarchical control scheme to enable wiping motion while following a planner-generated joint trajectory. We verified our planning and control framework by conducted an obstacle-clearing and surface wiping experiment in a simulated disinfection environment.

• 전자공학회논문지
• /
• 제49권11호
• /
• pp.183-190
• /
• 2012

기존의 운동량 측정방법들은 가속도 센서나 GPS, 심장박동, 체온측정 등의 정보를 이용하였으나, 각기 측정방식 및 측정환경 등의 제한으로 인해 정확한 신체활동 측정 및 분석에 어려움이 있었다. 이러한 단점을 극복하기 위해 본 논문에서는, 운동 시 발생하는 생체전기신호를 이용하여 유산소운동은 물론 기존에 측정이 어려웠던 근력운동에 대한 분석도 가능한 시스템을 개발하였다. 운동을 분석하기 위해 두개의 전극이 부착된 허리벨트를 착용해 운동 중 복부에서 발생하는 생체전기신호를 기록했고, 측정된 생체전기신호는 각각 상체 움직임 및 근육활동을 대표할 수 있는 주파수 대역으로 분리한 후, 분리된 각 신호의 파워 값과 차분의 파워 값, 그리고 중간주파수 값들을 운동형태 구분을 위한 특징값으로 추출하였다. 일원분산분석과 다중비교 분석의 통계적 검증을 통하여 추출된 특징값들의 유의성을 검증하였고, 또한 SVM분류기를 이용하여 운동의 형태를 구분하였다. 여섯 가지의 세부운동들을 분류하기 위해 두 가지의 분류방법을 적용하였고, 그 결과 유산소운동과 근력운동으로 분류 시 100%, 유산소운동과 근력운동 및 복합운동으로 분류한 경우 92.7%의 구분율을 보이며 운동형태의 분류가 가능하였다. 또한 유산소운동 및 근력운동의 양을 각각 수치화하여 표현 가능하다. 본 시스템은 기존의 유산소운동 기반의 운동량 측정방식대비 추가적으로 근력운동의 분석이 가능해짐에 따라 보다 다양한 활동에 대해서도 분석이 가능하다.

• 전기전자학회논문지
• /
• 제21권4호
• /
• pp.397-403
• /
• 2017

현대사회에서 스트레스로 인한 심리적 질병과 충동적 범죄들이 발생하고 있다. 스트레스를 줄이기 위한 기존 치료방법은 지속적인 방문 상담을 통해 심리상태를 파악하고, 약물치료나 심리치료로 처방하였다. 이러한 대면 상담 치료 방법은 효과적지만, 환자의 상태 판단에 많은 시간이 소요되며, 개인의 상황에 따라서 지속적인 관리가 어려운 치료 효율성의 문제가 있다. 본 논문에서 시청각적 스트레스에 의해 유발된 감정 상태를 실시간으로 분류하고, 사용자의 감정을 안정적인 상태로 유도하는 인공지능 감정 관리 시스템을 제안한다. 본 시스템은 PPG와 GSR를 이용하여 다중 생체신호를 측정하고, 적합한 데이터 형태로 변환하는 전처리 과정을 거쳐 SVM 알고리즘을 통해 기쁨, 진정, 슬픔, 두려움 등 대표적인 4가지의 감정 상태를 분류한다. 분류결과가 슬픔이나 두려움과 같은 부정적 상태로 판단되면, 실시간 감정관리 서비스를 제공하여 사용자의 감정이 안정적인 상태로 유도됨을 실험을 통해 검증한다.

• 전자공학회논문지
• /
• 제50권12호
• /
• pp.238-244
• /
• 2013

음악 장르 분류를 위해서 다양한 종류의 특징 벡터들이 이용되고 있다. 대표적인 short-term 특징 벡터들로는 mel-frequency cepstral coefficient (MFCC), decorrelated filter bank (DFB), octave-based spectral contrast (OSC) 등이 있으며, 이들의 long-term variation이 함께 이용된다. 본 논문에서는 OSC 특징을 추출하는데 있어서 하나의 옥타브 밴드 뿐만 아니라 다중 옥타브 밴드를 동시에 이용하여 옥타브 밴드 간 상관관계를 함께 반영할 수 있도록 하였다. 2012년도 music information retrieval evaluation exchange (MIREX) 평가회의 mixed 장르 분류 분야에서 4위를 한 알고리즘에 다중 옥타브 밴드를 이용한 결과, GTZAN과 Ballroom 데이터베이스에 대해서 각각 0.40% 포인트와 3.15% 포인트의 성능 향상을 얻을 수 있었다.

• 스마트미디어저널
• /
• 제10권3호
• /
• pp.31-38
• /
• 2021

낙상사고는 언제, 어디에서 일어날지 예측하기 어렵다. 또한 신속한 후속 조치가 수행되지 않으면 생명의 위협으로 이어지므로 낙상사고를 자동으로 감지할 수 있는 연구가 필요하게 되었다. 자동적인 낙상사고 감지기법 중 손목에 부착된 IMU 센서를 활용한 기법은 움직임이 많아 낙상사고 검출이 어렵지만, 착용의 간편함과 접근성이 뛰어난 기법으로 인식되고 있다. 낙상 데이터 확보의 어려움을 극복하기 위해 본 연구는 KNN과 SVM과 같은 머신러닝으로 적은 데이터를 효율적으로 학습하는 알고리즘을 제안한다. 또한, 이들 수학적 분류기의 성능을 높이기 위해 본 연구에서는 주파수 공간에서 취득한 특징 데이터를 활용하였다. 제안된 알고리즘은 표준 데이터세트를 활용한 실험을 통해 모델의 파라미터와 주파수 특징 추출기의 파라미터를 다각화하여 그 영향을 분석하였다. 제안된 알고리즘은 학습 데이터를 확보하기 어려운 현실적인 문제에 적절히 대처할 수 있었다. 또한 본 알고리즘이 다른 분류기보다 경량화되어 있기 때문에 SIMD(Single Instruction Multiple Data) 처리장치 탑재가 어려운 소형 임베디드시스템에도 구현이 용이했다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제21권3호
• /
• pp.21-34
• /
• 2016

In the present study, we applied various machine learning techniques comparatively for prediction of subsurface structures based on multiple secondary information (i.e., well-logging data). The machine learning techniques employed in this study are Naive Bayes classification (NB), artificial neural network (ANN), support vector machine (SVM) and logistic regression classification (LR). As an alternative model, conventional hidden Markov model (HMM) and modified hidden Markov model (mHMM) are used where additional information of transition probability between primary properties is incorporated in the predictions. In the comparisons, 16 boreholes consisted with four different materials are synthesized, which show directional non-stationarity in upward and downward directions. Futhermore, two types of the secondary information that is statistically related to each material are generated. From the comparative analysis with various case studies, the accuracies of the techniques become degenerated with inclusion of additive errors and small amount of the training data. For HMM predictions, the conventional HMM shows the similar accuracies with the models that does not relies on transition probability. However, the mHMM consistently shows the highest prediction accuracy among the test cases, which can be attributed to the consideration of geological nature in the training of the model.

• Journal of Information Processing Systems
• /
• 제16권5호
• /
• pp.1083-1094
• /
• 2020

Recognizing plant species based on leaf images is challenging because of the large inter-class variation and inter-class similarities among different plant species. The effective extraction of leaf descriptors constitutes the most important problem in plant leaf recognition. In this paper, a multi-scale angular description method is proposed for fast and accurate leaf recognition and retrieval tasks. The proposed method uses a novel scale-generation rule to develop an angular description of leaf contours. It is parameter-free and can capture leaf features from coarse to fine at multiple scales. A fast Fourier transform is used to make the descriptor compact and is effective in matching samples. Both support vector machine and k-nearest neighbors are used to classify leaves. Leaf recognition and retrieval experiments were conducted on three challenging datasets, namely Swedish leaf, Flavia leaf, and ImageCLEF2012 leaf. The results are evaluated with the widely used standard metrics and compared with several state-of-the-art methods. The results and comparisons show that the proposed method not only requires a low computational time, but also achieves good recognition and retrieval accuracies on challenging datasets.