• 전자공학회논문지B
• /
• 제31B권12호
• /
• pp.100-107
• /
• 1994

This article describes the hardware design scheme of Hamming MAXNET algorithm which is appropriate for binary pattern classification with minimum HD measurement between stimulus vector and storage vector. Circuit integration is profitable to Hamming MAXNET because the structure of hamming network have a few connection nodes over the similar neuro-algorithms. Designed hardware is the two-layered structure composed of hamming network and MAXNET which enable the characteristics of low power consumption and fast operation with biline volgate sensing scheme. Proposed Hamming MAXNET hardware was designed as quantize-level converter for simulation, resulting in the expected binary pattern convergence property.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.730-736
• /
• 2011

본 연구는 순차적인 시계열 자료들에서 가장 최근의 추세가 반영될 수 있는 패턴분류 모델을 설계하였다. 의사결정을 지원하는 데이터마이닝 패턴분류 모델을 설계할 때 통계 기법과 인공지능 기법을 융합한 모델들이 기존의 모델보다 우수함을 입증하였다. 특히 퍼지이론과 융합된 패턴분류 모델들의 적중률이 상대적으로 더 향상되었다. 예를 들어, 통계적 이론을 기반으로 한 SVM모델과 퍼지소속함수와의 결합, 혹은 신경망과 FCM을 결합한 모델들의 성능이 우수하였다. 실험에서 사용한 패턴분류 모델들은 BPN, PNN, FNN, FCM, SVM, FSVM, Decision Tree, Time Series Analysis, Regression Analysis 등이다. 그리고 데이터베이스는 시계열 속성을 지닌 금융시장의 경제지표 DB(한국, KOSPI200 데이터베이스)와 병원 응급실의 부정맥환자에 대한 심전도 DB(미국 MIT-BIH 데이터베이스)들을 사용하였다.

• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.360-366
• /
• 2008

퍼지 규칙기반 분류 시스템에서 초기의 퍼지 분할은 주어진 데이터가 가진 속성들의 도메인을 고려함으로서 결정되어지고, 최적의 분류 경계면은 초기에 정의된 퍼지 분할의 파라미터들을 조정함으로서 찾을 수 있다. 본 논문에서는 학습과정들을 사용하지 않고 패턴분류의 성능을 최대화하기 위해 통계적 정보에 기반을 둔 퍼지 분할의 선택방법을 제안한다. 제안된 방법에서 통계적 정보는 주어진 수치적인 데이터로부터 각 입력 속성의 '불확실성 영역', 즉 패턴분류문제에서 분류 경계면이 결정되는 영역을 추출하기 위해 사용되었다. 또한 통계적인 정보에 의해서 생성된 퍼지 분할구간에 대응하는 후보 규칙들을 추출하기 위한 방법과 그 후보 규칙들 간의 커플링 문제를 최소화하기 위한 방법도 추가적으로 논의하였다. 실험에서는 제안된 방법의 효용성을 보이기 위해 IRIS와 New Thyroid Cancer 데이터를 사용한 기존 패턴분류 방법들과의 분류 정확성을 비교하였고, 그 결과들로부터 제안된 방법이 기존의 방법들보다 더 좋은 분류 정확성을 제공함을 확인할 수 있었다.

• 디지털산업정보학회논문지
• /
• 제13권4호
• /
• pp.91-98
• /
• 2017

Previous works for detecting arrhythmia have mostly used nonlinear method such as artificial neural network, fuzzy theory, support vector machine to increase classification accuracy. Most methods require higher computational cost and larger processing time. Therefore it is necessary to design efficient algorithm that classifies PVC(premature ventricular contraction) and decreases computational cost by accurately detecting minimal feature point based on only R peak through optimal R wave. We propose an optimal R wave detection and PVC classification method through extracting minimal feature point in IoT environment. For this purpose, we detected R wave through optimal threshold value and extracted RR interval and R peak pattern from noise-free ECG signal through the preprocessing method. Also, we classified PVC in realtime through RR interval and R peak pattern. The performance of R wave detection and PVC classification is evaluated by using record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.758% in R wave detection and the rate of 93.94% in PVC classification.

• 한국콘텐츠학회논문지
• /
• 제2권1호
• /
• pp.68-76
• /
• 2002

클러스터링은 부품 분류의 대표적인 방법인데, 클래스나 모듈의 응집도와 결합도를 이용한 기존의 클러스터링 방법은 클래스간의 관계에 중점을 둔 디자인 패턴을 기존의 클러스터링 방법을 이용하는 것은 효과적일 수 있다. 본 논문에서는 디자인 패턴을 분류하기 위해 패턴 구조의 특성을 가지고 분류하였다. 그리고 클러스터링에 의한 분류는 패싯 분류에 의한 방법보다 높은 정확도를 보여주었다. 따라서 자동화된 분류방법인 클러스터링 알고리즘을 사용하여 디자인 패턴을 분류하는 것이 효과적이라 할 수 있다. 디자인 패턴의 분류는 검색 시 유사한 패턴들이 같은 카테고리에 저장이 되므로 유사 패턴을 비교하여 사용할 수 있으며, 패턴 클러스터링에 의해 분류되고, 패턴의 링크정보를 이용하여 저장하므로 저장소를 효율적으로 관리할 수 있다.

• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1531-1539
• /
• 2014

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 하지만 ECG 신호의 개인 차이가 있음에도 불구하고, 일반적인 신호의 판단 규칙에 따라 진단을 수행함으로써 성능하락이 나타날 수 밖에 없다. 이러한 문제점을 극복하기 위해서는 개인에 따른 이상 신호를 검출한 후 다양한 QRS 패턴을 고려하여 PVC를 분류할 수 있는 알고리즘이 필요하다. 본 연구에서는 개인별 이상신호 검출과 QRS 패턴 변화에 따른 PVC 분류 기법을 제안한다. 이를 위해 전 처리 과정과 차감기법을 통해 R파를 검출하였으며, 개인별 이상신호를 검출하였다. 이후 QRS 패턴에 따른 QS 간격과 R파의 진폭 변화율에 따라 PVC를 분류하였다. 제안한 알고리즘의 이상 신호 검출 및 PVC 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, 이상 신호 검출률은 98.33%, PVC는 각각 94.46%의 평균 분류율을 나타내었다.

• 전자공학회논문지
• /
• 제51권11호
• /
• pp.146-154
• /
• 2014

텍스쳐 분류에 사용되는 방식 중 하나인 지역적 이진화 패턴은 일반적으로 영상 내의 평탄한 부분, 에지, 코너의 분포를 사용한다. 그러나 영상이 가지는 방향성을 고려하지 않고, 단순히 크고 작음만을 비교하는 지역적 이진화 패턴의 특성때문에 화소간 차이를 반영하지 못하는 문제점이 있다. 또한 영상의 분포를 사용하기 때문에 작은 크기의 영상에 대해서는 분류 성능이 저하된다. 이런 문제를 해결하기 위해 본 논문에서는 영상의 방향성 분포와 고유치 행렬을 이용한 세부 분류 기법을 제안한다. 지역적 이진화 패턴으로 초기 분류에서 누락된 텍스쳐 영상에 대하여 두 가지 특징을 이용하여 세부적으로 분류한다. 첫째, 영상이 가질 수 있는 방향을 여덟 가지로 양자화하고 그 방향들의 분포를 계산한다. 둘째, 구조 행렬을 이용하여 나온 고유치 중 큰 값의 분포를 구한다. 모의 실험을 통해 지역적 이진화 패턴만을 사용하였을 때 대비 제안 방법이 약 8% 정도 분류 정확도가 향상됨을 보였다.

• 대한원격탐사학회지
• /
• 제23권5호
• /
• pp.393-400
• /
• 2007

We present in this paper a novel power load prediction method using temporal pattern mining from AMR(Automatic Meter Reading) data. Since the power load patterns have time-varying characteristic and very different patterns according to the hour, time, day and week and so on, it gives rise to the uninformative results if only traditional data mining is used. Also, research on data mining for analyzing electric load patterns focused on cluster analysis and classification methods. However despite the usefulness of rules that include temporal dimension and the fact that the AMR data has temporal attribute, the above methods were limited in static pattern extraction and did not consider temporal attributes. Therefore, we propose a new classification method for predicting power load patterns. The main tasks include clustering method and temporal classification method. Cluster analysis is used to create load pattern classes and the representative load profiles for each class. Next, the classification method uses representative load profiles to build a classifier able to assign different load patterns to the existing classes. The proposed classification method is the Calendar-based temporal mining and it discovers electric load patterns in multiple time granularities. Lastly, we show that the proposed method used AMR data and discovered more interest patterns.

• 한국정밀공학회지
• /
• 제19권11호
• /
• pp.103-111
• /
• 2002

In this study, the natural flaws in welding parts are classified using the signal pattern classification method. The storage digital oscilloscope including FFT function and enveloped waveform generator is used and the signal pattern recognition procedure is made up the digital signal processing, feature extraction, feature selection and classifier design. It is composed with and discussed using the distance classifier that is based on euclidean distance the empirical Bayesian classifier. feature extraction is performed using the class-mean scatter criteria. The signal pattern classification method is applied to the signal pattern recognition of natural flaws.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 A
• /
• pp.416-418
• /
• 2001

This Paper presents the 2-step load cycle of daily load curve for representative load pattern of power distribution transformer. We decide the representative load pattern of distribution transformer in domestic using the pattern classification algorithm. The K-mean method is used for the pattern classification algorithm. The acquisition equipment of field load data is utilized for 96-sample distribution transformers and the field data is used in the construction of the database for the creation of daily load pattern.