http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김성완(Sung-Oan Kim) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
김성완(Sung-Oan Kim),임승린(Seung-In Lim) 한국컴퓨터정보학회 2009 한국컴퓨터정보학회 학술발표논문집 Vol.16 No.2
감시 시스템은 지역의 특성에 따라 다양한 환경 및 설치 조건을 가지게 되며, 지능적 처리 요구에 따라 객체 분류를 필요로 한다. 본 논문에서는 검출된 객체로부터 특징 정보의 자율적 추출 및 학습을 이용하여 객체를 분류하기 위한 방안을 제시하고자 한다. 다양한 환경 및 설치 조건에서도 감시 시스템의 입력과 처리에 대한 추가적 보정 과정이 필요하지 않으며, 연속적으로 입력되는 객체의 형태와 움직임 정보를 효과적으로 활용하여 객체의 특징 추출 및 분류가 가능하게 된다.
-
김성완(Sung-Oan Kim) 한국컴퓨터정보학회 2013 韓國컴퓨터情報學會論文誌 Vol.18 No.8
본 논문에서는 먼저 심전도 진단을 위한 처리 과정별 관련 연구내용을 살펴본 후 심전도 신호의 리듬 특징을 이용하여 부정맥을 검출 및 분류하는 방법을 제안한다. 특징 추출에서는 리듬 구간에 대하여 동일성 및 규칙성 등의 리듬 및 심박 분포에 관련되는 특징을 추출하게 되며, 리듬 분류에서는 리듬 구간의 특징에 대하여 미리 구축된 규칙 베이스를 이용하여 리듬 유형을 분류하게 된다. MIT-BIH 부정맥 데이터베이스의 모든 리듬 유형에 대한 실험을 통하여 정상 리듬 규칙만으로도 100% 부정맥 검출 성능을 보였으며, 부정맥 리듬 규칙으로는 유형 분류 적용 가능성을 확인하였다. In this paper, we look into previous research in relation to each processing step for ECG diagnosis and propose detection and classification method of arrhythmia using rhythm features of ECG signal. Rhythm features for distribution of rhythm and heartbeat such as identity, regularity, etc. are extracted in feature extraction, and rhythm type is classified using rule-base constructed in advance for features of rhythm section in rhythm classification. Experimental results for all of rhythm types in the MIT-BIH arrhythmia database show detection performance of 100% for arrhythmia with only normal rhythm rule and applicability of classification for rhythm types with arrhythmia rhythm rules.
-
김성완(Sung-Oan Kim) 한국컴퓨터정보학회 2005 韓國컴퓨터情報學會論文誌 Vol.10 No.5
본 논문에서는 MLP 신경망의 패턴 학습과정을 위하여 시공간 병렬성을 고려한 병렬처리모델을 제시한다. 시간 병렬성을 위한 학습집합 분할과 공간 병렬성을 위한 네트워크 분할을 동시 적용하여 융통성있는 병렬처리모델을 설계하고자 하였다. 성능평가모델로부터 해석적으로 구한 결과, 대규모 과제라고 해도 패턴 크기와 패턴 갯수 중 어느 쪽이 지배적이냐에 따라 분할병렬처리 방법이 절충되어야 할 것으로 본다. A parallel processing model by considering a spatiotemporal parallelism is presented for the training procedure of the MLP neural network. We tried to design the flexible parallel processing model by simultaneously applying both of the training-set decomposition for a temporal parallelism and the network decomposition for a spatial parallelism. The analytical performance evaluation model shows that when the problem size is extremely large, the speedup of each implementation depends, in the extreme, on whether the problem size is pattern-size intensive or pattern-quantity intensive.
-
규칙 및 SVM 기반 알고리즘에 의한 심전도 신호의 리듬 분류
김성완(Sung-Oan Kim),김대환(Dae-Hwan Kim) 한국컴퓨터정보학회 2013 韓國컴퓨터情報學會論文誌 Vol.18 No.9
신뢰성 있는 부정맥 진단을 위해서는 리듬 구간 및 심박 단위의 종합적인 분석을 통하여 심전도 신호에 대한 분류 결과가 제시되어야 한다. 본 논문에서는 심전도 신호의 특징점에 기반하여 규칙기반 분류를 이용한 일정 구간의 리듬 분석을 수행하고 SVM기반 분류를 이용한 심박 단위의 리듬분석을 첨가하였다. 규칙기반 분류에서는 리듬 구간의 특징에 대하여 임상 자료로부터 도출된 규칙 베이스를 이용하여 리듬 유형을 분류하도록 하며, SVM기반 분류에서는 심박 단위의 특징에 대하여 미리 학습된 다중 SVM 분류기를 이용하여 단조 리듬 및 주요 비정상 심박을 분류하도록 한다. MIT-BIH 부정맥 데이터베이스를 이용한 실험을 통하여 11가지 리듬 유형에 대하여 규칙기반 방법만을 적용하였을 경우 68.52%, 규칙기반과 SVM기반의 융합 방법을 적용하였을 경우 87.04%의 분류 성능을 각각 보였다. SVM기반 방법으로 단조 리듬과 배열 리듬에 대한 오분류 개선을 통하여 분류 성능에서 19% 정도가 향상됨을 확인하였다. Classification result by comprehensive analysis of rhythm section and heartbeat unit makes a reliable diagnosis of heart disease possible. In this paper, based on feature-points of ECG signals, rhythm analysis for constant section and heartbeat unit is conducted using rule-based classification and SVM-based classification respectively. Rhythm types are classified using a rule base deduced from clinical materials for features of rhythm section in rule-based classification, and monotonic rhythm or major abnormality heartbeats are classified using multiple SVMs trained previously for features of heartbeat unit in SVM-based classification. Experimental results for the MIT-BIH arrhythmia database show classification ratios of 68.52% by rule-based method alone and 87.04% by fusion method of rule-based and SVM-based for 11 rhythm types. The proposed fusion method is improved by about 19% through misclassification improvement for monotonic and arrangement rhythms by SVM-based method.
-
류춘하(Chunha Ryu),김성완(Sung-Oan Kim),김세윤(Se-Yun Kim),김태훈(Tae-Hun Kim),최병재(Byung-Jae Choi),박길흠(Kil-Houm Park) 한국지능시스템학회 2012 한국지능시스템학회논문지 Vol.22 No.4
심전도 신호의 신뢰성 있는 진단을 위해서는 높은 분류 정확도와 함께 낮은 오분류 성능이 중요하며, 특히 비정상을 정상으로 진단하는 것은 심검자에게 치명적인 문제로 귀결될 수 있다. 본 논문에서는 임상 진단 기준을 반영하는 규칙기반 분류 알고리즘을 이용하여 비정상 리듬을 검출 및 분류하는 방법을 제안한다. 규칙기반 분류는 리듬 구간의 특징에 대한 규칙 베이스를 이용하여 리듬 유형을 분류하도록 하며, 이 때 규칙 베이스는 임상 및 내과 분야의 심전도 전문 임상 자료에 기반한 본 논문의 기준표에 따라 구성된다. MIT-BIH 부정맥 데이터베이스를 이용한 제안 방법의 실험을 통하여 정상동조율, 박동조율, 및 다양한 비정상 리듬에 대한 리듬 유형의 분류가 가능함을 확인하였으며, 특히 비정상 리듬 검출 측면에서는 오분류가 전혀 발생되지 않는 결과를 보였다. Low misclassification performance is significant with high classification accuracy for a reliable diagnosis of ECG signals, and diagnosing abnormal state as normal state can especially raises a deadly problem to a person in ECG test. In this paper, we propose detection and classification method of abnormal rhythm by rule-based rhythm classification reflecting clinical criteria for disease. Rule-based classification classifies rhythm types using rule-base for feature of rhythm section, and rule-base deduces decision results corresponding to professional materials of clinical and internal fields. Experimental results for the MIT-BIH arrhythmia database show that the applicability of proposed method is confirmed to classify rhythm types for normal sinus, paced, and various abnormal rhythms, especially without misclassification in detection aspect of abnormal rhythm.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
