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 : 이제헌(Jaehun Lee) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
이제헌(Jaehun Lee),황재필(Jae Pil Hwang),김은태(Euntai Kim) 한국지능시스템학회 2011 한국지능시스템학회논문지 Vol.21 No.5
본 논문에서는 커널 함수를 이용한 기법을 통한 추천 시스템을 제안한다. 제안된 추천 시스템은 기계 학습 기법을 이용하여 새로운 아이템에 대한 사용자의 선호도를 예측하고 예측된 결과를 바탕으로 사용자가 선호할만한 아이템들을 추천한다. 일반적으로 사용자의 평가 정보는 잡음이 포함되어 있고 일관성이 적으므로 잡음에 영향을 적게 받는 이원 분류기인 이중 마진 Lagrangian support vector machine (DMLSVM) 을 사용한다. 제안된 기법은 MovieLens 데이터베이스에 적용하였다. 또한 시뮬레이션을 통해 제안된 방법의 우수성을 확인하였다. In this paper, a new kernelized approach for use in a recommender system (RS) is proposed. Using a machine learning technique, the proposed method predicts the user"s preferences for unknown items and recommends items which are likely to be preferred by the user. Since the ratings of the users are generally inconsistent and noisy, a robust binary classifier called a dual margin Lagrangian support vector machine (DMLSVM) is employed to suppress the noise. The proposed method is applied to MovieLens databases, and its effectiveness is demonstrated via simulations.
-
GAVaPS를 이용한 다수 K-Nearest Neighbor classifier들의 Feature 선택
이희성(Heesung Lee),이제헌(Jaehun Lee),김은태(Euntai Kim) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.6
본 논문은 개체군 변환 유전자 알고리즘을 (GAVaPS) 이용하여 k-nearest neighbor (k-NN) 분류기에서 사용되는 특징들을 선정하는 방법을 제시한다. 우리는 다수의 k-NN 분류기들을 사용하기 때문에 사용되는 특징들을 선정하는 문제는 매우 탐색 영역이 크고 해결하기 어려운 문제이다. 따라서 우리는 효과적인 특징들의 선정을 위해 일반적인 유전자 알고리즘 (GA) 보다 효율적이라고 알려진 개체군 변환 유전자 알고리즘을 사용한다. 또한 다수 k-NN 분류기를 개체군 변환 유전자 알고리즘으로 효과적으로 결합하는 방법을 제시한다. 제안하는 알고리즘의 우수성을 여러 실험을 통해 보여준다. This paper deals with the feature selection for multiple k-nearest neighbor (k-NN) classifiers using Genetic Algorithm with Varying Population Size (GAVaPS). Because we use multiple k-NN classifiers, the feature selection problem for them is vary hard and has large search region. To solve this problem, we employ the GAVaPS which outperforms comparison with simple genetic algorithm (SGA). Further, we propose the efficient combining method for multiple k-NN classifiers using GAVaPS. Experiments are performed to demonstrate the efficiency of the proposed method.
-
자동차 검출을 위한 GAVaPS를 이용한 최적 분류기 앙상블 설계
이희성(Heesung Lee),이제헌(Jaehun Lee),김은태(Euntai Kim) 제어로봇시스템학회 2010 제어·로봇·시스템학회 논문지 Vol.16 No.1
This paper proposes novel genetic design of optimal classifier ensemble for vehicle detection using Genetic Algorithm with Varying Population Size (GAVaPS). Recently, many classifiers are used in classifier ensemble to deal with tremendous amounts of data. However the problem has a exponential large search space due to the increasing the number of classifier pool. To solve this problem, we employ the GAVaPS which outperforms comparison with simple genetic algorithm (SGA). Experiments are performed to demonstrate the efficiency of the proposed method.
-
퍼지 모델링과 유전자 알고리즘을 이용한 무선 센서 네트워크에서 위치추정
윤숙현(Sukhyun Yun),이제헌(Jaehun Lee),정우용(Wooyong Chung),김은태(Euntai Kim) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.4
무선 센서 네트워크에서 노드들의 위치 측정 문제는 다양한 위치인식 기법을 적용하기 위해 기본적으로 해결해야 한다. 위치측정 문제는 위치가 알려진 일부 고정 노드들을 기준으로 나머지 노드들의 위치를 결정하는 문제이다. 기존의 대부분의 위치측정 기법은 고정 노드들로 부터의 각도나 거리 측정값을 기반으로 삼각기법(triangulation) 이나 multilateration 방법을 사용한다. 본 논문에서는 노드들 간의 연결성이 알려져 있을 때 퍼지 모델링과 유전자 알고리즘을 사용하여 서로 전송범위 내에 있는 노드 쌍에 대해 가중치를 주어 미지 노드의 위치를 계산하는 향상된 중점 기법을 제안한다. 또한 시뮬레이션을 통해 제안된 중점 기법이 단순히 연결성만을 사용하는 중점 기법에 비해 정확한 위치측정이 가능함을 확인하였다. Localization is one of the fundamental problems in wireless sensor networks (WSNs) that forms the basis for many location-aware applications. Localization in WSNs is to determine the position of node based on the known positions of several nodes. Most of previous localization method use triangulation or multilateration based on the angle of arrival (AOA) or distance measurements‘ In this paper, we propose an enhanced centroid localization method based on edge weights of adjacent nodes using fuzzy modeling and genetic algorithm when node connectivities are known. The simulation results shows that our proposed centroid method is more accurate than the simple centroid method using connectivity only.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
