• 한국해양공학회지
• /
• 제28권6호
• /
• pp.552-559
• /
• 2014

In general, the number of underwater transient signals is very limited for research on automatic recognition. Data-dependent feature extraction is one of the most effective methods in this case. Therefore, we suggest WPCC (Wavelet packet ceptsral coefficient) as a feature extraction method. A wavelet packet best tree for each data set is formed using an entropy-based cost function. Then, every terminal node of the best trees is counted to build a common wavelet best tree. It corresponds to flexible and non-uniform filter bank reflecting characteristics for the data set. A GMM (Gaussian mixture model) is used to classify five classes of underwater transient data sets. The error rate of the WPCC is compared using MFCC (Mel-frequency ceptsral coefficients). The error rates of WPCC-db20, db40, and MFCC are 0.4%, 0%, and 0.4%, respectively, when the training data consist of six out of the nine pieces of data in each class. However, WPCC-db20 and db40 show rates of 2.98% and 1.20%, respectively, while MFCC shows a rate of 7.14% when the training data consists of only three pieces. This shows that WPCC is less sensitive to the number of training data pieces than MFCC. Thus, it could be a more appropriate method for underwater transient recognition. These results may be helpful to develop an automatic recognition system for an underwater transient signal.

• 한국인터넷방송통신학회논문지
• /
• 제20권4호
• /
• pp.17-22
• /
• 2020

현재 많은 연구가 진행되고 있는 행위 기반 인증 기술은 다른 인증 기술들에 비해서 인증의 인식률을 높이는데 많은 데이터의 장기간 추출이 필요하다. 본 논문은 안드로이드 환경의 스마트폰에 내재되어있는 터치 센서와 자이로스코프를 이용하여 그동안의 행위 기반 인증 연구에서 사용 되었던 행위 특징 데이터들 중에서 핵심적인 최소한의 데이터들만을 이용하기 위해 사용자에게 다섯 차례의 측정을 요구하여 다섯 번의 터치스크린 화면을 터치 하는 방식으로 총 6가지의 행위 특징 데이터를 수집하였고 다음 터치 측정으로 넘어가는 동안의 데이터들의 변화 값에 평균 값을 구하여 이 값과 측정값의 코사인 유사도 측정을 수행하여 코사인 유사도 허용 범위를 생성 한 후, 인증 시도 데이터의 코사인 유사도 값과 비교하는 방식의 사용자 행위 기반 인증 방식을 제안한다. 본 논문을 통해서 적은 수의 특징 데이터와 실험자수 환경에서도 코사인 유사도 인증 범위에 적용되는 임계값을 조절하는 방식을 통해서 최초 EER 37.6%에서 최종 EER 1.9%의 높은 성능을 증명하는데 성공하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.344-346
• /
• 2004

IKONOS 1m satellite imagery is particularly well suited for 3-D feature extraction and 1 :5,000 scale topographic mapping. Because the image line and sample calculated by given RPCs have the error of more than 11m, in order to be able to perform feature extraction and topographic mapping, rational polynomial coefficients(RPCs) camera model that are derived from the very complex IKONOS sensor model to describe the object-image geometry must be refined by several Ground Control Points(GCPs). This paper presents a quantitative evaluation of the geometric accuracy that can be achieved with IKONOS imagery by refining the offset and scaling factors of RPCs using several GCPs. If only two GCPs are available, the offsets and scale factors of image line and sample are updated. If we have more than three GCPs, four parameters of the offsets and scale factors of image line and sample are refined first, and then six parameters of the offsets and scale factors of latitude, longitude and height are updated. The stereo images acquired by IKONOS satellite are tested using six ground points. First, the RPCs model was refined using 2 GCPs and 4 check points acquired by GPS. The results from IKONOS stereo images are reported and these show that the RMSE of check point acquired from left images and right are 1.021m and 1.447m. And then we update the RPCs model using 4 GCPs and 2 check points. The RMSE of geometric accuracy is 0.621 m in left image and 0.816m in right image.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1610-1629
• /
• 2021

Failures frequently occurred in manufacturing machines due to complex and changeable manufacturing environments, increasing the downtime and maintenance costs. This manuscript develops a novel deep learning-based method named Multi-Domain Convolutional Neural Network (MDCNN) to deal with this challenging task with vibration signals. The proposed MDCNN consists of time-domain, frequency-domain, and statistical-domain feature channels. The Time-domain channel is to model the hidden patterns of signals in the time domain. The frequency-domain channel uses Discrete Wavelet Transformation (DWT) to obtain the rich feature representations of signals in the frequency domain. The statistic-domain channel contains six statistical variables, which is to reflect the signals' macro statistical-domain features, respectively. Firstly, in the proposed MDCNN, time-domain and frequency-domain channels are processed by CNN individually with various filters. Secondly, the CNN extracted features from time, and frequency domains are merged as time-frequency features. Lastly, time-frequency domain features are fused with six statistical variables as the comprehensive features for identifying the fault. Thereby, the proposed method could make full use of those three domain-features for fault diagnosis while keeping high distinguishability due to CNN's utilization. The authors designed massive experiments with 10-folder cross-validation technology to validate the proposed method's effectiveness on the CWRU bearing data set. The experimental results are calculated by ten-time averaged accuracy. They have confirmed that the proposed MDCNN could intelligently, accurately, and timely detect the fault under the complex manufacturing environments, whose accuracy is nearly 100%.

• 전력전자학회논문지
• /
• 제25권5호
• /
• pp.376-384
• /
• 2020

An energy storage system is composed of lithium-ion batteries in modern applications. Batteries are regarded as storage devices for renewable and residual energy. The failure of batteries can cause the performance reduction and explosion of battery systems. High maintenance cost is essential when dealing with the problem of battery safety. Therefore an accurate health diagnosis is required to ensure the high reliability of battery systems. A battery pack is a combination of single cells in series and parallel connections. A battery pack has to consider various factors to assess battery health. Battery health involves conventional factors and additional factors, such as cell-to-cell imbalance. For large applications, state-of-health (SOH) can be inaccurate because of the lack of factors that indicate the state of the battery pack. In this study, six characterization factors are proposed for improving the SOH estimation of battery packs. The six proposed characterization factors can be regarded as health indicators (HIs). The six HIs are applied to the principal component analysis (PCA) algorithm. To reflect information regarding capacity, voltage, and temperature, the PCA algorithm extracts new degradation factors by using the six HIs. The new degradation factors are applied to a multiple regression model. Results show the advancement and improvement of SOH estimation.

• Asian-Australasian Journal of Animal Sciences
• /
• 제32권1호
• /
• pp.49-57
• /
• 2019

Objective: The first stage in both breeding and programs for the conservation of genetic resources are the identification of genetic diversity in the relevant population. The aim of the present study is to identify genetic diversity of six brown layer pure chicken lines (Rhode Island Red [RIRI, RIRII], Barred Rock [BARI, BARII], Columbian Rock [COL], and line 54 [L-54]) with microsatellite markers. Furthermore, the study aims to employ its findings to discuss the possibilities for the conservation and sustainable use of these lines that have been bred as closed populations for a long time. Methods: In the present study, a total number of 180 samples belonging to RIRI (n = 30), RIRII (n = 30), BARI (n = 30), BARII (n = 30), L-54 (n = 30), and COL (n = 30) lines were genotyped using 22 microsatellite loci. Microsatellite markers are extremely useful tools in the identification of genetic diversity since they are distributed throughout the eukaryotic genome in multitudes, demonstrate co-dominant inheritance and they feature a high rate of polymorphism and repeatability. Results: In this study, we found all loci to be polymorphic and identified the average number of alleles per locus to be in the range between 4.41 (BARI) and 5.45 (RIRI); the observed heterozygosity to be in the range between 0.31 (RIRII) and 0.50 (BARII); and $F_{IS}$ (inbreeding coefficient) values in the range between 0.16 (L-54) and 0.46 (RIRII). The $F_{IS}$ values obtained in this context points out to a deviation from Hardy-Weinberg equilibrium due to heterozygote deficiency in six different populations. The Neighbour-Joining tree, Factorial Correspondence Analysis and STRUCTURE clustering analyzes showed that six brown layer lines were separated according to their genetic origins. Conclusion: The results obtained from the study indicate a medium level of genetic diversity, high level inbreeding in chicken lines and high level genetic differentiation between chicken lines.

• 대한전자공학회논문지SP
• /
• 제48권3호
• /
• pp.19-29
• /
• 2011

지금까지 많은 얼굴 인식 방법들이 제안되었으나, 대부분의 방법들은 특징추출 과정 없이 입력 영상을 1차원 형태의 벡터로 변형한 것을 1차원 특징 벡터로 사용하거나 또는 입력 영상 자체를 특징 매트릭스로 사용하였다. 이와같이 영상 자체를 특징으로 사용하면 조명변화가 심한 데이터베이스에서는 성능이 좋지 않는 것으로 알려져 있다. 본 논문에서는 조명변화에 효과적인 그래디언트와 상관관계의 국부통계를 이용하여 얼굴을 인식하는 방법을 제안하였다. BDIP(block difference of inverse probabilities)는 그래디언트의 국부 통계이다. 그리고 BVLC(block variation of local correlation coefficients)의 두 타입은 상관관계의 국부 통계이다. 입력영상이 얼굴인식 시스템에 들어 오면 먼저 BDIP, BVLC1, BVLC2의 특징 영상을 추출하고 융합한 후, (2D)2 PCA 변환을 거쳐 특징 매트릭스를 얻어서 훈련특징 매트릭스와의 거리를 구하여 최근린 분류기를 이용하여 얼굴 영상을 인식한다. 네 가지 얼굴 데이터베이스, FERET, Weizmann, Yale B, Yale에 대한 실험결과로부터, 제안한 방법이 실험한 여섯 가지 방법 중에서 조명과 얼굴 표정의 변화에 가장 견실하다는 것을 알 수 있었다.

• 전자공학회논문지
• /
• 제52권6호
• /
• pp.79-84
• /
• 2015

디지털 영상의 배포에서, 위 변조자에 의해 영상이 변조되는 심각한 문제가 있다. 이러한 문제를 해결하기 위하여, 본 논문에서는 영상의 픽셀값 경사도에 따른 특징벡터를 이용한 미디언 필터링 영상 포렌식 판정 알고리즘을 제안한다. 제안된 알고리즘에서, 원영상의 픽셀값 경사도로부터 자기회귀 계수를 1~6차까지의 6 Dim.을 계산한다. 그리고 경사도를 Poisson 방정식의 해에 의한 재구성 영상과 원영상과의 차영상으로 부터, 4 Dim. (평균값, 최대값 그리고 최대값의 좌표 i,j)의 특징벡터를 추출한다. 2 종류의 특징벡터는 10 Dim.으로 조합되어 변조된 영상의 미디언 필터링 (Median Filtering: MF) 검출기의 SVM (Support Vector Machine) 분류를 위한 학습에 사용된다. 제안된 미디언 필터링 검출 알고리즘은 동일 10 Dim. 특징벡터의 MFR (Median Filter Residual) 스킴과 비교하여 원영상, 평균필터링 ($3{\times}3$) 영상 그리고 JPEG (QF=90) 영상에서는 성능이 우수하며, Gaussian 필터링 ($3{\times}3$) 영상에서는 성능이 다소 낮지만, 성능평가 전체항목에서 민감도 (Sensitivity; TP: True Positive rate)와 1-특이도 (1-Specificity; FP: False Positive rate)의 AUC (Area Under Curve)가 모두 1에 수렴하여 'Excellent (A)' 등급임을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.816-820
• /
• 2004

클러스터링은 데이터 집합을 유사한 데이터 개체들의 클러스터들로 분할하여 데이터 속에 존재하는 의미 있는 정보를 얻는 과정이다. 클러스터링의 주요 쟁점은 고차원 데이터를 효율적으로 클러스터링하는 것과 최적화 문제를 해결하는 것이다. 본 논문에서는 SVM(Support Vector Machines)기반의 새로운 유사도 측정법과 효율적으로 클러스터의 개수를 생성하는 방법을 제안한다. 고차원의 데이터는 커널 함수를 이용해 Feature Space로 매핑시킨 후 이웃하는 클러스터와의 유사도를 측정한다. 이미 생성된 클러스터들은 측정된 유사도 값과 Δd 임계값에 의해서 원하는 클러스터의 개수를 얻을 수 있다. 제안된 방법을 검증하기 위하여 6개의 UCI Machine Learning Repository의 데이터를 사용한 결과, 제시된 클러스터의 개수와 기존의 연구와 비교하여 향상된 응집도를 얻을 수 있었다.

• 융합보안논문지
• /
• 제14권7호
• /
• pp.23-28
• /
• 2014

본 논문에서는 기존에 제안된 LDP(Local Directional Pattern)를 기반으로 얼굴 표정 인식 시스템에 대한 설계 및 구현 방법을 제안한다. LDP는 얼굴 영상을 구성하고 있는 각 화소를 주변 화소들과의 관계를 고려하여 지역적인 미세 패턴(Local Micro Pattern)으로 표현해준다. 새롭게 제시된 LDP에서 생성되는 코드들이 다양한 조건하에서 정확한 정보를 포함할 수 있는지의 여부를 검증할 필요가 있다. 따라서, 새롭게 제안된 지역 미세 패턴인 LDP를 다양한 환경에서 신속하게 검증하기 위한 평가 시스템을 구축한다. 제안된 얼굴 표정인식 평가 시스템에서는 6개의 컴포넌트를 거쳐 얼굴 표정인식률을 계산할 수 있도록 구성하였으며, Gabor, LBP와 비교하여 LDP의 인식률을 검증한다.