• 한국멀티미디어학회논문지
• /
• 제9권11호
• /
• pp.1435-1444
• /
• 2006

본 논문은 얼굴 영상에서 추출된 특징 값들을 주성분 분석(Principle Component Analysis; 이하 PCA)을 이용하여 재해석하고, 서포트 벡터 머신(Support Vector Machine; 이하 SVM)을 이용한 이진 분류를 통하여 효과적이면서 실시간으로 얼굴을 검출할 수 있는 방법론을 제안한다. 얼굴과 얼굴이 아닌 영상들로 학습데이터를 구성하여, 이 영상들로부터 Haar-like 특징값들을 추출한다. 추출된 다량의 특징 값들 중에 얼굴과 얼굴이 아닌 영역에 대하여 판별 능력이 우수한 특징값들은 PCA를 이용하여 재해석되고 유용한 특징들을 선별한다. 선별된 특징들을 SVM의 입력 차원으로 사용하여 최종 분류기를 학습 및 구성한다. 제안하는 분류기는 학습데이터 집단의 구성에 크게 영향을 받지 않고, 소량의 학습데이터만으로도 90.1%의 만족할만한 얼굴 검출률을 보여주며, $320{\times}240$ 크기의 영상에 대하여 실시간 얼굴 검출에 사용 가능한 초당 8프레임의 처리속도를 보여주었다.

• 한국음향학회지
• /
• 제20권2호
• /
• pp.10-15
• /
• 2001

본 논문에서 우리는 음향신호에서 음성과 음악을 분류하는 음성/음악 분류실험에 사용되는 특징들간의 상호조합을 비교하였다. 음향신호는 3가지 (음성, 음악, 음성+음악)와 2가지 (음성, 음악)로 분류하였다. 실험은 멜캡스트럼, 에너지, 영교차를 특징으로 사용하였고, 음성/음악 분류성능이 가장 좋은 특징간 상호조합을 모색하였다. 분류 알고리즘으로는 Gaussian Mixture Model (GMM)을 이용하였으며, GMM에 의한 데이터 모델링 전에 각기 다른 특징들을 하나의 특징공간에서 결합하였다. 실험결과 3가지 분류기준 적용시에는 멜캡스트럼, 영교차 조합이 가장 좋은 결과 (음성: 95.1％, 음악: 61.9％, 음성+음악: 55.5％)를 보였고, 2가지 분류기준 적용시에는 멜캡스트럼, 에너지 조합과 멜캡스트럼, 에너지, 영교차 조합이 가장 좋은 결과 (음성: 98.9％, 음악: 100％)를 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(3)
• /
• pp.77-80
• /
• 2001

In general, the informations of the inner image that user interested in are limited to a special domain. In this paper, as using Wavelet Transform for dividing image into high frequency and low frequency, We can separate foreground including many data. After calculating object boundary of separated part, We extract special features using Color Coherence Vector. According to results of this experiment, the method of comparing data extracting foreground features is more effective than comparing data extracting features of entire image when we extract the image user interested in.

• Journal of Microbiology
• /
• 제35권2호
• /
• pp.149-151
• /
• 1997

A plasmid vector with combined features of yeast shuttle vector and mammalian expression vector was constructed to facilitate expression of cloned gene in both cell-types. All necessary elements required for plasmid maintenance and selection in E. coli, yeast and mammalian cells were size-economically arranged in this plasmid. The numan cytomegalovirus (CMV) immediate early promoter and yeast GAL1 promoter were sequentially placed in front of the gene to be expressed. The synthetic splicing donor and acceptor sequences were inserted into the immediate upstream and downstream of the GAL1 promotor, allowing the CMV promotor to direct the expression of a given gene in mammalian cell environment by splicing out the interfering GAL1 promotor sequence. When the resulting vector containing LacZ as a gene was introduced into yeast and mammalian cells, both cells efficiently produced .betha.-galactosidase, dimonstrating its dual host usage.

• Communications for Statistical Applications and Methods
• /
• 제26권1호
• /
• pp.35-46
• /
• 2019

Multivariate Confidence Region (MCR) cannot be used to obtain the confidence region of the mean vector of multivariate data when the normality assumption is not satisfied; however, the Quantile Confidence Region (QCR) could be used with a Multivariate Quantile Vector in these cases. The coverage rate of the QCR is better than MCR; however, it has a disadvantage because the QCR has a wide shape when the probability density function follows a bimodal form. In this study, we propose a Quantile Confidence Region using the Highest density (QCRHD) method with the Highest Density Region (HDR). The coverage rate of QCRHD was superior to MCR, but is found to be similar to QCR. The QCRHD is constructed as one region similar to QCR when the distance of the mean vector is close. When the distance of the mean vector is far, the QCR has one wide region, but the QCRHD has two smaller regions. Based on these features, it is found that the QCRHD can overcome the disadvantages of the QCR, which may have a wide shape.

• 한국컴퓨터정보학회논문지
• /
• 제19권10호
• /
• pp.43-53
• /
• 2014

Gunnery 표적으로부터 발생하는 영상특징은 장비의 위치를 탐지하고 종류를 판별하는 주요 정보로 활용될 수 있다. 본 논문에서는 Gunnery 영상에서 표적 영역의 밝기값을 획득하여 특징을 추출하고 분류하는 기법을 제안한다. 제안하는 기법에서는 38~40개의 신호 기반 특징과 2개의 모델 기반 특징을 추출하여 분석하고 분류모델에 적용한다. 다중 클래스 분류를 위하여 트리(tree) 기반의 분류 모델을 설계하였으며, 시스템에서 요구하는 Gunnery의 종류와 특성에 따라 유사도를 정의하여 트리 구조를 설계하였다. 트리 구성 단계에서는 각 레벨마다 SVM(Support Vector Machine)을 이용하여 분류 하였으며 시스템에서 요구하는 분류 성능을 만족함을 확인하였다.

• 정보처리학회논문지B
• /
• 제11B권6호
• /
• pp.667-674
• /
• 2004

이미지에서 문자 추출은 영상을 이해하기 위한 가장 기초적이고 중요한 문제이다. 본 논문에서는 문자의 획 특징을 이용하는 통계적인 방법으로 문자 영역을 검증하는 방법을 제안한다. 제안하는 방법은 $16\times16$ 크기의 텍스트와 비텍스트 이미지를 웨이블릿(wavelet) 변환하여 문자의 획과 방향성을 표현하는 35차원의 특징을 추출한다. 추출된 특징 중 변별력이 높은 특징만을 선택하여 SVM(Support Vector Machine) 분류기를 구성한다. 분류기론 이용하여 $16\times16$크기의 윈도우로 검증 영역을 스캔하면서, 각각의 윈도우를 텍스트와 비텍스트로 분류하고 최종적으로 검증 영역의 텍스트 여부를 결정한다. 제안한 방법을 적용함으로써 텍스트와 유사하여 구별하기 어려운 비텍스트 영역을 검증할 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권9호
• /
• pp.2424-2441
• /
• 2012

In this paper, we propose a fake iris detection method that combines the optical and textural features of the human eye. To extract the optical features, we used dual Purkinje images that were generated on the anterior cornea and the posterior lens surfaces based on an analytic model of the human eye's optical structure. To extract the textural features, we measured the amount of change in a given iris pattern (based on wavelet decomposition) with regard to the direction of illumination. This method performs the following two procedures over previous researches. First, in order to obtain the optical and textural features simultaneously, we used five illuminators. Second, in order to improve fake iris detection performance, we used a SVM (Support Vector Machine) to combine the optical and textural features. Through combining the features, problems of single feature based previous works could be solved. Experimental results showed that the EER (Equal Error Rate) was 0.133%.

• 한국콘텐츠학회논문지
• /
• 제12권12호
• /
• pp.471-478
• /
• 2012

문서를 대상으로 한 다양한 감정 분류 연구가 진행되어 왔으며, 최근에는 트윗 감정 분류에 그대로 적용되고 있다. 그러나 이러한 연구들은 트윗의 구조, 이모티콘, 철자 오류 그리고 신조어와 같은 트윗의 특징을 고려하지 않아 좋은 성능을 보이지 못하고 있다. 본 논문에서는 기계학습을 기반으로 다양한 자질을(이모티콘 극성, 리트윗 극성, 사용자 극성, 대체 어휘)사용하여 실험하여 트윗 감정 분류 성능의 영향을 확인하였다. 기계 학습기 SVM(Support Vector Machine) 기반의 감정 분류 실험으로 이모티콘 극성 자질과 사용자 극성 자질이 트윗 감정 분류 모델의 성능 향상에 기여를 하는 것을 알 수 있었다. 이와 비교하여 리트윗 극성과 대체 어휘 자질은 트윗 감정 분류 모델에 큰 영향이 없는 것을 알 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.285-288
• /
• 2008

기계 학습을 응용한 많은 침입 탐지 시스템들은 n-그램 접근 방법을 주로 쓰고 있다. 그러나, n-그램 접근 방법은 주어진 시퀀스에서 획득한 n-그램들이 서로 겹치는 문제들을 가지고 있다. 본 연구에서는 이러한 문제들을 해결하기 위해, n-그램 증강 나이브 베이스 (n-gram augmented naive Bayes) 알고리즘을 침입 시퀀스의 분류에 적용하였다. 제안된 시스템의 성능을 평가하기 위해 n-그램 특징들을 사용하는 일반 나이브 베이스 (naive Bayes) 알고리즘과 서포트 벡터 머신 (support vector machines) 알고리즘과 본 연구에서 제안한 n-그램 증강 나이브 베이스 알고리즘을 비교하였다. 뉴 멕시코 대학의 벤치마크 데이터에 적용해 본 결과에 따르면, n-그램 증강 방법이, n-그램이 나이브 베이스에 직접 적용되는 경우(예: n-그램 특징을 사용하는 일반 나이브 베이스), 생기는 독립성 가정에 대한 위배 문제도 해결하면서, 동시에 n-그램 특징을 사용하는 일반 나이브 베이스보다 더 정확하며, n-그램 특징을 사용하는 SVM과 필적할만한 수준의 침입 탐지기를 생성해 내었다.