• 한국산업융합학회 논문집
• /
• 제23권6_2호
• /
• pp.1025-1032
• /
• 2020

In this paper, we propose a method to classify road weather conditions into rain, fog, and sun using a SVM (Support Vector Machine) classifier after extracting weather features from images acquired in real time using an optical sensor installed on a roadside post. A multi-dimensional weather feature vector consisting of factors such as image sharpeness, image entropy, Michelson contrast, MSCN (Mean Subtraction and Contrast Normalization), dark channel prior, image colorfulness, and local binary pattern as global features of weather-related images was extracted from road images, and then a road weather classifier was created by performing machine learning on 700 sun images, 2,000 rain images, and 1,000 fog images. Finally, the classification performance was tested for 140 sun images, 510 rain images, and 240 fog images. Overall classification performance is assessed to be applicable in real road services and can be enhanced further with optimization along with year-round data collection and training.

• International Journal of Computer Science & Network Security
• /
• 제23권11호
• /
• pp.21-31
• /
• 2023

In this paper, we focused on the problem of evaluating multi-class classification accuracy and simulation of multiple classifier performance metrics. Multi-class classifiers for sentiment analysis involved many challenges, whereas previous research narrowed to the binary classification model since it provides higher accuracy when dealing with text data. Thus, we take inspiration from the non-linear Support Vector Machine to modify the algorithm by embedding dynamic hyperplanes representing multiple class labels. Then we analyzed the performance of multi-class classifiers using macro-accuracy, micro-accuracy and several other metrics to justify the significance of our algorithm enhancement. Furthermore, we hybridized Enhanced Convolution Neural Network (ECNN) with Dynamic Support Vector Machine (DSVM) to demonstrate the effectiveness and efficiency of the classifier towards multi-class text data. We performed experiments on three hybrid classifiers, which are ECNN with Binary SVM (ECNN-BSVM), and ECNN with linear Multi-Class SVM (ECNN-MCSVM) and our proposed algorithm (ECNNDSVM). Comparative experiments of hybrid algorithms yielded 85.12 % for single metric accuracy; 86.95 % for multiple metrics on average. As for our modified algorithm of the ECNN-DSVM classifier, we reached 98.29 % micro-accuracy results with an f-score value of 98 % at most. For the future direction of this research, we are aiming for hyperplane optimization analysis.

• 한국생산제조학회지
• /
• 제20권4호
• /
• pp.412-418
• /
• 2011

Reliability-based Topology optimization(RBTO) is to get an optimal design satisfying uncertainties of design variables. Although RBTO based on homogenization and density distribution method has been done, RBTO based on BESO has not been reported yet. This study presents a reliability-based topology optimization(RBTO) using bi-directional evolutionary structural optimization(BESO). Topology optimization is formulated as volume minimization problem with probabilistic displacement constraint. Young's modulus, external load and thickness are considered as uncertain variables. In order to compute reliability index, four methods, i.e., RIA, PMA, SLSV and ADL(adaptive-loop), are used. Reliability-based topology optimization design process is conducted to obtain optimal topology satisfying allowable displacement and target reliability index with the above four methods, and then each result is compared with respect to numerical stability and computing time. The results of this study show that the RBTO based on BESO using the four methods can effectively be applied for topology optimization. And it was confirmed that DLSV and ADL had better numerical efficiency than SLSV. ADL and SLSV had better time cost than DLSV. Consequently, ADL method showed the best time efficiency and good numerical stability.

• Nuclear Engineering and Technology
• /
• 제53권1호
• /
• pp.148-163
• /
• 2021

Timely fault identification is important for safe and reliable operation of the electric valve system. Many research works have utilized different data-driven approach for fault diagnosis in complex systems. However, they do not consider specific characteristics of critical control components such as electric valves. This work presents an integrated shallow-deep fault diagnostic model, developed based on signals extracted from DN50 electric valve. First, the local optimal issue of particle swarm optimization algorithm is solved by optimizing the weight search capability, the particle speed, and position update strategy. Then, to develop a shallow diagnostic model, the modified particle swarm algorithm is combined with support vector machine to form a hybrid improved particle swarm-support vector machine (IPs-SVM). To decouple the influence of the background noise, the wavelet packet transform method is used to reconstruct the vibration signal. Thereafter, the IPs-SVM is used to classify phase imbalance and damaged valve faults, and the performance was evaluated against other models developed using the conventional SVM and particle swarm optimized SVM. Secondly, three different deep belief network (DBN) models are developed, using different acoustic signal structures: raw signal, wavelet transformed signal and time-series (sequential) signal. The models are developed to estimate internal leakage sizes in the electric valve. The predictive performance of the DBN and the evaluation results of the proposed IPs-SVM are also presented in this paper.

• 한국컴퓨터정보학회논문지
• /
• 제25권11호
• /
• pp.41-50
• /
• 2020

감성분석 연구에서는 문장에 내포된 감성을 결정짓는 단어를 찾는 것으로부터 시작된다. 경영자는 소비자가 주로 사용하는 단어를 분석함으로써 시장의 반응을 이해할 수 있다. 본 연구에서는 감성분류의 성능에 영향을 미치는 단어를 찾기 위하여 입자군집최적화 탐색방법과 다목적진화 알고리즘이 적용된 속성선택 방법을 제안한다. 속성선택 방법은 기존 머신러닝 분류기를 벤치마킹함으로써 성능이 비교된다. 벤치마킹된 분류기는 의사결정나무, 나이브 베이지안 네트워크, 서포터 벡터 머신, 랜덤포레스트, 배깅, 랜덤 서브스페이스, 로테이션 포레스트이다. 연구결과에 따르면, 입자군집 최적화 알고리즘이 적용된 속성선택방법으로 선택된 속성을 사용한 경우에 속성의 수를 상당히 줄일 수 있었고, 분류기의 성능을 유지시킬 수 있었다. 특히, 정확도 결과에서는 입자군집 최적화 탐색방법으로 선택된 속성을 사용한 경우의 서포터 벡터 머신의 성능이 가장 높게 나타났다. AUC 결과에서는 랜덤 서브스페이스가 가장 높게 나타났다. 본 연구의 결과는 해당 탐색방법과 분류기를 적용함으로써 오피니언 마이닝 모델의 성능을 효율적으로 유지 및 개선시키도록 도움을 준다.

• 한국음향학회지
• /
• 제19권4호
• /
• pp.37-44
• /
• 2000

본 논문에서는 인터넷 폰, 디지털 이동통신 등과 같이 낮은 비트율이 요구되는 분야에 사용될 수 있는 MPEG-4 오디오의 HVXC(Harmonic Vector eXcitation Coding) 알고리즘을 부동 소수점 DSP인 TMS320C6701에 실시간 구현한 내용을 기술한다. 실시간 동작을 위한 하드웨어 구조를 채택하였으며, 소프트웨어 최적화의 경우 연산 시간이 많이 소요되는 함수 루틴에 대한 C 언어 및 어셈블리 언어 레벨의 최적화를 수행하였다. 또한, DSP의 내부 프로그램 메모리의 프로그램 캐쉬로의 활용, DSP의 내부 데이터 메모리의 영역의 중첩 활용 및 background DMA 방식을 이용한 최적화를 수행하였다. 최적화 결과 2kbps및 4kbps의 비트율에서 압축 및 복원을 실시간으로 수행할 수 있으며, 인코더의 경우 2kbps의 경우에는 최적화 전에 비해 약 96% 정도로 수행시간을 단축하였다. 또한, 비공식 주관품질 평가에 의하면 2kbps의 비트율에서 약 MOS 2.45를 얻었다.

• 융합신호처리학회논문지
• /
• 제10권1호
• /
• pp.32-39
• /
• 2009

동화상의 부호화 효율향상을 위하여 유전적 알고리즘(Genetic Algorithm: GA)을 이용하여 영역 분할하는 방법을 제안한다. 유전적 알고리즘은 함수치만을 이용하여 큰 탐색공간으로부터 최적의 조합을 축차적으로 찾아내는 방법이다. 이동추정과 영역분할을 동시에 진행함으로써, 이동 벡터를 화면내의 작은 블록이나 화소의 각각에 할당하고, 그것을 부호화 정보량과 신호 대 잡음비의 관계로부터 최적화 문제로 변환할 수 있다. 즉, 이동보상예측 부호화에는 영역분할과 이동 추정은 서로 밀접하게 관계되어 있다. 이것은 부호량과 S/N비를 최적화하는 것으로서 화면 속의 각 블록에서 이동 벡타를 최적의 상태로 배치하는 것이다. 그러므로, 본 논문에서는 최적인 영역분할 결과를 얻기 위하여 GA의 데이터형과 그 데이터의 처리 방법에 대해서 검토하였다. 또한, 테스트 화상을 이용한 컴퓨터시뮬레이션을 통하여 제안 방법의 유효성을 확인하였다.

• 지능정보연구
• /
• 제3권2호
• /
• pp.1-9
• /
• 1997

본 논푼에서는 경수로 원자력 발전소의 사용 후 핵연료를 중수로의 핵연료로 재사용하기 위해 사용 후 경수로 핵연료의 최적 조합을 찾는데 진화 알고리즘(Evolutionary Algorithm)을 이용하여 해결해 보고자 한다. 진화 알고리즘은 대규모 문제 공간에서 최적화 문제를 해결하는데 적합한 알고리즘이다. 사용 후 경수로 핵연료에는 중수로에서 사용할 수 있는 유용한 원자들을 많이 포함하고 있지만 핵연료 봉마다 그 함량이 다양하고, 중수로 연료가 되기 위한 제약 조건 때문에 최적 조합 전략이 펼요하다. 사용후 핵연료의 조합 문제는 알고리즘 분야에서 대표적인 조합 최적화 문제인 0/1 Knapsack문제와 같이 Non-Polynomial (NP) Complete문제에 해당한다. 이러한 문제를 해결하기 위해셔는 고전적언 전화 알고리즘의 전략에 기반하여 랜덤 연산자를 이용하되 평가 함수 값이 좋은 방향으로만 탐색을 수행하는 방법이 있으나 이것은 탐색의 효율면에셔 좋지 않다. 따라서 본 연구에서는 벡터 연산자를 이용하여 최적의 해를 보다 빨리 얻을 수 있는 휴리스틱을 사용하는 방법을 제안한다. 본 논문에서는 경수로 핵연료 조합 문제 영역의 모든 지식을 벡터화하여 벡터의 연산만으로 가능성 검사, 해를 평가 하는 방법을 소개한다. 또한 벡터 휴리스틱이 고전적인 진화 알고리즘에 비해 어느 정도의 성능을 보이는지 비교한다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2003년도 하계학술대회 논문집
• /
• pp.94-97
• /
• 2003

본 논문에서는, 웨이브렛 변환과 잡음 섞인 숫자 영상에 대한 최적화 인식 훈련기법을 사용한 다계층 신경망을 제안하고, 이 시스템을 아라비아숫자 인식에 적용한다. 웨이브렛 변환을 이용해 원 영상 정보의 중요한 부분은 최대한 보존하면서 입력벡터의 크기를 줄임으로써 신경망의 노드 수와 학습 수렴시간이 줄어들도록 하였고, 최적화 인식 훈련기법은 데이터의 잡음을 점차적으로 높여가면서 훈련벡터에 적용, 인식률의 변화에 대해 살펴보았다. 잡음이 섞인 숫자 영상의 인식율을 높이기 위해 원 영상에 0, 10, 20, 30, 40, 50㏈의 잡음을 섞은 영상을 훈련에 함께 사용하였다. 테스트 영상에 잡음이 30∼50㏈정도 섞였을 경우에는 원 영상만을 훈련에 이용했을 패와 잡음이 섞인 영상을 이용하여 훈련시켰을 경우에 인식율의 차이가 별로 없지만, 0∼20㏈정도 섞인 영상을 테스트에 사용할때에는 0, 10, 20, 30, 40 , 50㏈의 잡음이 있는 영상을 훈련에 사용했을 때가 원 영상만을 훈련에 이용했을 경우에 비해 인식율이 9% 향상된다.

• Journal of Applied Biological Chemistry
• /
• 제53권4호
• /
• pp.189-194
• /
• 2010

Xenopus oocyte을 이용하여 식물 aquaporin 단백질의 물 흡수 활성을 측정하기 위한 최적의 조건을 확립하기 위하여 애기장대의 AtPIP2-1유전자를 클로닝하여 cRNA 제작용 vector, buffer osmolarity, hypoosmotic shock 처리시간, 발현 단백질의 localization등을 검토한 결과, Xenopus ${\beta}$-globin 유전자의 5'과 3' UTR(untranlation region)'염기서열을 갖고 있는 pGEMHE vector가 단백질 생산에 더욱 효과적이며, 이 vector를 시용하였을 경우 hypoosomotic stress는 1/2ND buffer에서 6분간 처리시 가장 큰 차이를 볼 수 있었으며, 애기장대 AtPIP2-1단백질과 GFP를 결합시켜 발현시킬 경우 GFP가 plasmamembrane에 위치하는 것을 보아 올바른 subcelluar localization이 이루어지는 것을 확인할 수 있었다.