국내 농경지에서 발생하는 배추과 잡초의 DNA 바코드

허경종(Gyeong-Jong Heo),이정란(Jeongran Lee),이인용(In-Yong Lee),김진원(Jin-Won Kim) 한국잡초학회 2019 한국잡초학회 별책(학술대회 초록집) Vol.39 No.1

Support Vector Machine을 이용한 문맥 민감형 융합

허경용(Gyeongyong Heo) 한국컴퓨터정보학회 2013 韓國컴퓨터情報學會論文誌 Vol.18 No.7

문맥 종속형 융합(CDF, Context Dependent Fusion)은 여러 분류기의 결과를 종합하여 성능을 향상시키는 융합 방법으로 주어진 문제의 문맥을 균일한 여러 문맥으로 나누고 각 문맥에서 문맥 종속적인 융합을 시도함으로써 기존 융합 방법에 비해 향상된 성능을 보여주었다. 하지만 CDF는 학습해야할 파라미터의 개수가 많아 학습 데이터가 적은 경우 잡음에 민감한 문제점이 있으며, 선형 알고리듬이라는 한계로 인해 문맥 추출 및 지역적 융합 과정에서 성능 저하의 원인이 된다. 본 논문에서는 CDF의 문제점을 완화할 수 있는 방법으로 SVM(Support Vector Machine)과 커널 주성분 분석을 이용한 CDF-SVM을 제안하였다. 커널 주성분 분석은 입력 벡터에 비선형 변환을 가함으로써 타원형이 아닌 비정형의 클러스터 생성이 가능하도록 해주며, SVM은 융합과정에서 비선형 경계의 생성을 가능하게 해주어 CDF의 선형성 제약을 극복하도록 해준다. 또한 목적함수에 정규화 항을 추가함으로써 잡음 민감성을 줄이도록 하였다. 제안한 CDF-SVM은 기존 CDF 및 그 변형들에 비해 나은 성능을 보여주었으며 이는 실험 결과를 통해 확인할 수 있다. Context dependent fusion (CDF) is a fusion algorithm that combines multiple outputs from different classifiers to achieve better performance. CDF tries to divide the problem context into several homogeneous sub-contexts and to fuse data locally with respect to each sub-context. CDF showed better performance than existing methods, however, it is sensitive to noise due to the large number of parameters optimized and the innate linearity limits the application of CDF. In this paper, a variant of CDF using support vector machines (SVMs) for fusion and kernel principal component analysis (K-PCA) for context extraction is proposed to solve the problems in CDF, named CDF-SVM. Kernel PCA can shape irregular clusters including elliptical ones through the non-linear kernel transformation and SVM can draw a non-linear decision boundary. Regularization terms is also included in the objective function of CDF-SVM to mitigate the noise sensitivity in CDF. CDF-SVM showed better performance than CDF and its variants, which is demonstrated through the experiments with a landmine data set.

Boeing Sikorsky RAH-66 Comanche 소개-기술과 조달혁신면에서 사례연구

허경,Heo, Gyeong 한국방위산업진흥회 2001 國防과 技術 Vol.- No.272

집안에너지 공급 성과 및 향후 시장 전망

허경,Heo, Gyeong 한국지역냉난방협회 2005 집단에너지 Vol.2 No.-

미 유군 항공과 Objective Force-달라진 육군과 코만치 헬기의 필수적 역할

허경,Heo, Gyeong 한국방위산업진흥회 2003 國防과 技術 Vol.- No.287

Objective Force의 모든 측면에서 볼 때, 육군항공은 절대 필요한 구성요소이다. 통합개념팀(Intergrated Concept Team)은 현재 Alabama주 Fort Rucker에서 미래 항공력에 대한 작전적 및 조직적(O & O : Operational and Organizational) 개념을 개발하고 있는 중이다. 이러한 노력은 무인항공기, 공중기동수송기, Loitering Attack Munition – Aviation, 새로운 군수 및 공중수송서비스 등과 같은 최근에 생겨난 개념과 시스템들을 획득하는데 목적이 있다.

최신 전차 개발 현황

허경,Heo, Gyeong 한국방위산업진흥회 2002 國防과 技術 Vol.- No.283

앞으로는 전투기와 마찬가지로 한 나라가 독자적으로 신형 전차를 개발할 수 있을 것이라고는 생각하지 않는다. 아마 신형 전차를 한 나라가 독자적으로 만든 예는 Leclerc가 마지막일 것이다. 그러나 베를린 장벽의 붕괴 이후 간격은 전차의 판매에 영향을 미치고 있으며 최근까지 야심에 찬 계획을 가졌던 많은 국가들이 계획을 수정하거나 성능개량으로 전환하고 있다. 현세대 전차 구성품의 방향은 모듈(modular)화로써 보다 높은 성능을 제공하면서 점유 공간은 줄이는 효과를 가져오고 있다.

이정우 외 지음 "프랑스철학과 우리" 를 읽고

허경,Heo, Gyeong 대한출판문화협회 1997 출판저널 Vol.217 No.-

이제 우리에게 남겨진 일은 '유행으로서의 학문'을 뒤로 하고 프랑스 철학의 실제 내용과 그것이 우리사회에서 갖는 구체적 함의에 대한 차분하고 진지한 성찰이다. 이 책들은 그런 관점에서 기획시점과 의도가 돋보인다.

경계선 강도 허프 변환에서 최적 파라미터의 결정

허경용(Gyeongyong Heo),우영운(Young Woon Woo),김광백(Kwang-Baek Kim) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.5

허프 변환(Hough transform)은 영상에서 몇 개의 파라미터로 표현되는 기하학적 요소 추출을 위해 널리 사용되고 있는 방법 중 하나이다. 하지만 허프 변환은 영상의 한 픽셀이 허프 공간(Hough space)의 한 방정식에 대응되는 일대다 특성으로 인해 잡음에 민감한 특성을 갖는다. 이를 개선하기 위해 경계선의 강도를 이용한 허프 변환(edge strength Hough transform)이 제안되었고, 제안된 방법은 잡음 민감성이 감소됨이 증명되었다. 하지만 허프 변환은 허프 공간과 영상의 크기, 잡음의 정도에 따라 검출된 요소의 품질이 달라지므로 필요한 파라미터 값들을 실험적으로 결정해야 하는 단점이 있다. 이 논문에서는 경계선 강도 허프 변환에서 중요한 역할을 하는 두 개의 파라미터, 감쇄 파라미터(decreasing parameter)와 확장 파라미터(broadening parameter) 값을 결정하는 방법을 유도한다. 제시된 방법은 사전에 정해지는 허프 공간의 크기와 영상의 크기만을 이용하여 파라미터 값을 결정하므로, 주어진 조건에 맞는 최적의 파라미터를 자동적으로 찾아낼 수 있다. 유도한 방법의 유효성은 서로 다른 파라미터 값을 이용한 실험을 통해서 확인할 수 있었다. Though the Hough transform is a well-known method for detecting analytical shape represented by a number of free parameters, the basic property of the Hough transform, the one-to-many mapping from an image space to a Hough space, causes the innate problem, the sensitivity to noise. To remedy this problem, Edge Strength Hough Transform (ESHT) was proposed and proved to reduce the noise sensitivity. However the performance of ESHT depends on the size of a Hough space and image and some other parameters which should be decided experimentally. In this paper, we derived formulae to decide 2 parameter values; decreasing parameter and broadening parameter, which play an important role in ESHT. Using the derived formulae, 2 parameter values can be decided only with the pre-determined values, the size of a Hough space and an image, which make it possible to decide them automatically. The experiments with different parameter values also support the result.

Regularization을 이용한 Possibilistic Fuzzy C-means의 확장

허경용(Gyeong-Yong Heo),남궁영환(Young-Hwan NamKoong),김성훈(Seong-Hoon Kim) 한국컴퓨터정보학회 2010 韓國컴퓨터情報學會論文誌 Vol.15 No.1

Fuzzy c-means(FCM)와 possibilistic c-means(PCM)는 퍼지 클러스터링 영역에서 대표적인 두 가지 방법으로 많은 패턴 인식 문제들에 성공적으로 활용되어져 왔다. 하지만 이들 방법 역시 잡음 민감성과 중첩 클러스터 문제를 가지고 있다. 이들 문제점을 극복하기 위해, 최근 두 방법을 결합하려는 시도가 있어왔고, possibilistic fuzzy c-means(PFCM)는 FCM과 PCM을 목적 함수 단계에서 통합함으로써 두 방법이 가지는 문제점을 완화시키는 성공적인 결과를 보여주었다. 이 논문에서는 PFCM에 regularization을 도입함으로써 PFCM의 잡음 민감성을 한층 더 줄여줄 수 있는 향상된 PFCM을 소개한다. Regularization은 해공간을 평탄화 함으로써 잡음의 영향을 줄이는 대표적인 방법 중 하나이다. 제안한 방법은 PFCM의 장점과 더불어 regularization에 의해 잡음의 영향을 더욱 줄일 수 있으며, 이는 실험을 통해 확인할 수 있다. Fuzzy c-means (FCM) and possibilistic c-means (PCM) are the two most well-known clustering algorithms in fuzzy clustering area, and have been applied in many applications in their original or modified forms. However, FCM's noise sensitivity problem and PCM's overlapping cluster problem are also well known. Recently there have been several attempts to combine both of them to mitigate the problems and possibilistic fuzzy c-means (PFCM) showed promising results. In this paper, we proposed a modified PFCM using regularization to reduce noise sensitivity in PFCM further. Regularization is a well-known technique to make a solution space smooth and an algorithm noise insensitive. The proposed algorithm, PFCM with regularization (PFCM-R), can take advantage of regularization and further reduce the effect of noise. Experimental results are given and show that the proposed method is better than the existing methods in noisy conditions.

잡음 민감성이 향상된 주성분 분석 기법의 비선형 변형

허경용(Gyeong-Yong Heo),서진석(Jin-Seok Seo),이임건(Im-Geun Lee) 한국컴퓨터정보학회 2011 韓國컴퓨터情報學會論文誌 Vol.16 No.4

주성분 분석(PCA)은 데이터의 차원을 줄이면서 최대의 데이터 변이를 보존하는 기법으로 차원 축소나 특징 추출을 위해 널리 사용되고 있다. 하지만 PCA는 잡음에 민감하며 가우스 분포에 대하여만 유효하다는 단점이 있다. 잡음 민감성의 개선을 위해 다양한 방법이 제시되었고 그 중 퍼지 소속도를 이용한 반복적 최적화 기법인 RF-PCA2가 다른 방법에 비해 우수한 성능을 보였다. 하지만 RF-PCA2는 가우스 분포에만 사용할 수 있는 선형 알고리듬이라는 한계가 있다. 이 논문에서는 RF-PCA2와 커널 주성분 분석(kernel PCA, K-PCA)을 결합하여 가우스 분포 이외의 분포들도 다룰 수 있는 비선형 알고리듬인 improved robust kernel fuzzy PCA (RKF-PCA2)를 제안한다. RKF-PCA2는 RF-PCA2 알고리듬의 잡음 강건성과K-PCA의비선형성을 통해 기존알고리듬에 비해 잡음민감성이 적으며 가우스분포 한계를 효과적으로 극복할 수 있다. 이러한 사실은 실험 결과를 통해 확인할 수 있다. Principal component analysis (PCA) is a well-known method for dimensionality reduction and feature extraction while maintaining most of the variation in data. Although PCA has been applied in many areas successfully, it is sensitive to outliers and only valid for Gaussian distributions. Several variants of PCA have been proposed to resolve noise sensitivity and, among the variants, improved robust fuzzy PCA (RF-PCA2) demonstrated promising results. RF-PCA, however, is still a linear algorithm that cannot accommodate non-Gaussian distributions. In this paper, a non-linear algorithm that combines RF-PCA2 and kernel PCA (K-PCA), called improved robust kernel fuzzy PCA (RKF-PCA2), is introduced. The kernel methods make it to accommodate non-Gaussian distributions. RKF-PCA2 inherits noise robustness from RF-PCA2 and non-linearity from K-PCA. RKF-PCA2 outperforms previous methods in handling non-Gaussian distributions in a noise robust way. Experimental results also support this.