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 : 송혜정(Hyeo-jung Song) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
지역적 특성을 갖는 동적 선택 방법에 기반 한 다중 인식기 시스템
송혜정(Hyeo-jung Song),김백섭(Baek-sop Kim) 한국정보과학회 2003 정보과학회논문지 : 소프트웨어 및 응용 Vol.30 No.3·4
본 논문에서는 지역적 특성을 가지는 작은 인식기(마이크로 인식기)의 모음으로 인식기를 구현하는 다중 인식기 시스템을 제안한다. 각 학습패턴에서 k개의 이웃한 학습패턴을 추출해서 학습한 인식기를 마이크로인식기라고 한다. 각 학습패턴에는 한개 이상의 마이크로 인식기를 부여한다. 본 논문에서는 선형 커널을 사용한 SVM과 RBF 커널을 사용한 SVM등 두 가지 형태의 마이크로 인식기를 사용한다. 테스트 패턴이 인가되면 테스트패턴 주변의 마이크로인식기들 중에서 성능이 가장 좋은 것 하나를 선택한 후 선택된 인식기로 최종 클래스를 결정한다. 테스트패턴 주변에 있는 학습패턴들을 인식한 결과를 성능 측정 척도로 사용한다. Elena 데이타베이스를 사용하여 기존의 단일 인식기, 다중 인식기 결합, 다중 인식기 선택 방법들과 인식률을 비교한 결과 제안된 방법이 우수함을 알 수 있다. This paper proposes a multiple classifier system having massive micro classifiers.The micro classifiers are trained by using a local set of training patterns.The k nearest neighboring training patterns of one training pattern comprise the local region for training a micro classifier.Each training pattern is incorporated with one or more micro classifiers.Two types of micro classifiers are adapted in this paper : SVM with linear kernel and SVM with RBF kernel. Classification is done by selecting the best micro classifier among the micro classifiers in vicinity of incoming test pattern.To measure the goodness of each micro classifier, the weighted sum of correctly classified training patterns in vicinity of the test pattern is used. Experiments have been done on Elena database.Results show that the proposed method gives better classification accuracy than any conventional classifiers like SVM, k-NN and the conventional classifier combination/selection scheme.
-
-
원정임(Jung-Im Won),이덕형(Duck-Hyung Lee),송혜정(Hyeo-Jung Song),윤지희(Jee-Hee Yoon),김백섭(Baek-Sop Kim) 한국정보과학회 2002 한국정보과학회 학술발표논문집 Vol.29 No.1B
의료영상 처리시스템의 자동인식 결과 등과 함께 진단 중인 의료 영상과 유사한 영상객체를 임의로 검색하여, 부가정보로 활용할 수 있는 지능적 의료정보 시스템 구현에 대하여 논한다. 의료 영상객체간 유사도 계산을 위하여 각 객체로부터 추출된 특징 정보를 객체 속성으로 이용하며, 이 들 특징 값들의 빈도와 관련 분포, 속성 간 관련성 등을 고려한 유사객체 분류방식을 사용한다. 이와 같이 얻어진 영상객체 간 유사도 정보는 지식베이스로 관리되어 자동 영상 인식에 사용될 뿐 아니라 유사 영상 검색 및 진단의 근거자료로 사용된다. 즉 전문의나 병리학자들은 진단 과정에서 유사영상의 판독 결과 등을 참조함으로써 영상의 정확한 판독 및 진단 확증의 객관적 근거 자료를 확보하는데 도움을 받을 수 있다. 구현된 시스템의 적용 예로 자궁경부 세포진 영상인식 시스템을 이용하여 그 유용성을 보인다.
-
박석진(Seok-Jin Park),송혜정(Hyeo-Jung Song),김백섭(Beak-Sub Kim) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.1B
문자인식시스템 설계에서 사용되는 특징들은 모두 유용한 것이 아닐 수 있으므로 가장 의미 있는 특징들을 선택하여 최적의 특징집합을 만들어 내기 위한 특징선택 방법으로 유전자알고리즘을 적용한다. 특징을 평가하기 위하여 인식률과 오인식 문자의 표준편차를 적합도 값으로 정의하여 이를 최대로 하는 특징들을 선택한다. 이에 대한 최악의 탐색공간은 2⁴³³ 가지수를 가진다. 실험은 전체 433개의 특징들 중에서 좋은 특징들을 유지해 나가면서 특징집합을 탐색하는 방법과 각 특징의 엔트로피 값을 이용하여 초기 특징집합을 선택 후 유전자알고리즘을 적용하는 방법으로 구성되며, 전체 특징 433개를 모두 사용한 경우(93%)와 선택된 특징 270개를 사용한 경우(93.2%)를 비교하면 40% 정도의 특징을 사용하지 않아도 0.2%의 인식률이 향상되었다. 이는 추출된 모든 특징들이 인식에 적합한 특징이 아닐 수 있음을 보여주며, 특징벡터의 크기를 줄임으로써 적은 비용의 인식시스템 설계를 가능하게 한다.
-
필기체 문자인식을 위한 체인코드에 기반한 효율적인 전처리 및 특징추출
김백섭(Baek-sop Kim),송혜정(Hyeo-jung Song) 한국정보과학회 1998 정보과학회논문지(B) Vol.25 No.12
본 논문에서는 필기체 영문자 인식을 위한 전처리와 특징추출에 대한 효율적인 방법을 제안한다. 문자영상은 체인 코드로 표현하며 모든 처리가 체인코드에 기반한다. 전처리에서는 잡음 제거, 기울기 교정, 윤곽선에 대한 평활화를 다룬다. 체인 코드 리스트의 길이가 주어진 임계값보다 작으면 잡음으로 간주하여 제거한다. 기울기는수직과 수평성분으로 계산되는데 수직, 수평성분에 대한 산포행렬의 고육벡터가 기울기 계산에 이용된다. 평활화는 윤곽선의 울퉁불퉁한 부분에 대한 모든 가능성을 look up table로 만들어 처리한다. 특징추출에서는 다양한 해상도에서의 특징을 복합적으로 이용하는데, 지역적 특징으로는 윤곽 화소간의 방향을 이용하며, 구조적인 특징은 화소간의 방향정보를 긴 거리로 확장한 작은 획의 구조를 이용한다. 전역적인 특징으로는 면적과 폭과 높이의 비율을 이용한다. 지역적 특징과 구조적 특징은 체인 코드에 대한 look up table을 만들어 효율적으로 계산한다. NIST 문자 데이타베이스를 사용하여 실험한 결과, 처리시간은 전처리에서 문자 당 평균 5.7 msec, 특징추출에서는 5.3 msec가 소요되었으며, 인식률은 소문자, 대문자에 대해 각각 93.4%와 96.6%가 되었다. In this paper, we proposed an efficient method of preprocessing and feature extraction for recognizing handwrittencharacters. The character image is represented by the chain code and every processing is done based on thisrepresentation. Preprocessing deals with noise removal, slant correction, and smoothing of contours. List of chain codes whose length is smaller than the given threshold is regarded as noise and removed Slant angle is estimated from the vertical andhorizontal components: The scatter matrix is obtained from these components and the slant angle is estimated by the eigenvector of the scatter matrix. Smoothing is done by the look up table which is built by examining all the possibilities of jaggedness of contours. Three types of features are extracted; local, structural, and global. The local features measure direction in aneighborhood of a contour pixel, the structural features measure short stroke types which span several pixels, and the global features measure area and aspect ratios of a character. The local and structural features are calculated efficiently using the lookup table of chain codes. Experiments were done on the NIST character database. It took 5.7 and 5.3 msec on the average at the preprocessing andfeature extraction steps, respectively. The classification accuracy was 93.4% and 96.6% for lowercase and uppercasecharacters, respectively.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
