http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
APPLICATION OF GENETIC-BASED FUZZY INFERENCE TO FUZZY CONTROL
Park, Daihee,Kandel, Abraham,Langholz, Gideon Korean Institute of Intelligent Systems 1992 한국지능시스템학회논문지 Vol.2 No.2
The successful application of fuzzy reasoning models to fuzzy control systems depends on a number of parameters, such as fuzzy membership functions, that are usually decided upon subjectively. It is shown ill this paper that the performance of fuzzy control systems call be improved if the fuzzy reasoning model is supplemented by a genetic-based learning mechanism. The genetic algorithm enables us to generate all optimal set of parameters for the fuzzy reasoning model based either on their initial subjective selection or on a random selection. It is shown that if knowledge of the domain is available, it is exploited by the genetic algorithm leading to an even better performance of the fuzzy controller.
One-Class Support Vector Learning and Linear Matrix Inequalities
Park, Jooyoung,Kim, Jinsung,Lee, Hansung,Park, Daihee Korean Institute of Intelligent Systems 2003 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGE Vol.3 No.1
The SVDD(support vector data description) is one of the most well-known one-class support vector learning methods, in which one tries the strategy of utilizing balls defined on the kernel feature space in order to distinguish a set of normal data from all other possible abnormal objects. The major concern of this paper is to consider the problem of modifying the SVDD into the direction of utilizing ellipsoids instead of balls in order to enable better classification performance. After a brief review about the original SVDD method, this paper establishes a new method utilizing ellipsoids in feature space, and presents a solution in the form of SDP(semi-definite programming) which is an optimization problem based on linear matrix inequalities.
박대희(Daihee Park),길준민(Joonmin Gil) 한국정보과학회 1995 정보과학회논문지 Vol.22 No.6
본 논문에서는 지능적인 퍼지 시스템의 설계를 위한 조직적인 방법을 제시한다. Cao의 퍼지 시스템에서 퍼지 관계 행렬은 주요한 역할을 하지만 시스템이 복잡한 경우 최적의 퍼지 관계 행렬을 전문가로부터 유추하는 것은 불가능하다. 게다가 퍼지 소속 함수의 변화는 퍼지 시스템의 성능을 크게 변화시킨다. 따라서 우리는 최적의 퍼지 관계 행렬과 퍼지 소속 함수를 자동적으로 유도하기 위해서 역전파 학습 알고리즘을 접목시킨 Improved Neural-Fuzzy Reasoning Model(INFRM)을 제안한다. 또한 제안된 방법을 DC series 모터, 2차원 비선형 문제 그리고 다입력 다출력 플랜트에 적용하여 INFRM의 유용성과 성능을 분석한다. In this paper, we present a systematic method for designing intelligent fuzzy systems. That is, in the Cao′s fuzzy system, the fuzzy relation matrix plays an important role, but may be impractical to extract optimally from an expert if the system is quite complex. In addition, a change in the membership function may alter the performance of the fuzzy system significantly. Therefore, we propose an Improved Neural-Fuzzy Reasoning Model(INFRM) which incorporates the back-propagation learning algorithm to facilitate the automatic derivation of the optimal fuzzy relation matrix and fuzzy membership function simultaneously. Moreover, we report on the application and performance analysis of the proposed one by applying to a DC series motor, two-dimensional nonlinear function problem and multi-input multi-output plant.
박창현 ( Changhyun Park ),김진성 ( Jinseong Kim ),김희곤 ( Heegon Kim ),정용화 ( Yongwha Chung ),박대희 ( Daihee Park ),김학재 ( Hakjae Kim ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.2
국내 돈사 환경에서 돼지들의 세밀한 관리를 위해, 개별 돼지 관리를 자동화하는 방법이 필요하고, 개별 돼지 관리를 위해서는 근접한 돼지들을 개별 돼지들로 구분이 우선적으로 수행되어져야 한다. 영역 기반의 정보를 사용하여 개별 돼지를 구분하는 기존 방법으로는 복잡한 상황에서 개별 돼지로의 분리가 정확하게 되지 않는 문제가 발생한다. 본 논문에서는 이러한 문제를 해결하기 위한 방법으로 움직임 정보를 활용하여 근접 돼지를 분리하고 추적하는 방법을 제안한다. 이전 프레임의 움직임 정보를 계산하여 현재 돼지의 위치 및 방향을 예측하고, 예측된 돼지의 정보를 사용하여 근접한 돼지를 분리하고 추적한다. 실험 결과, 실제 돈사에서 획득한 근접 돼지 시퀀스에서 근접 돼지의 분리 및 추적이 가능함을 확인하였다.
박승진(Seungjin Park),오승근(Seunggeun Oh),강봉수(Bongsu Kang),박대희(Daihee Park) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.1C
감시카메라 환경에서의 비정상 집단행동 탐지란 감시카메라로부터 유입되는 영상에서 다중 객체가 위험에 처한 상황을 신속하고 정확하게 탐지 및 인식하는 분야를 말한다. 본 논문에서는 CCTV 등과 같은 감시카메라 환경에서 움직임 벡터와 SVDD를 이용하여 집단내의 비정상 상황을 탐지하는 프로토타입 시스템을 제안한다. 제안된 시스템은 움직임 벡터를 이용하여 영상내의 움직임 정보를 추출 · 표현하였으며, 비정상 집단행동의 판별 문제를 실용적 차원의 단일 클래스 분류 문제로 재해석하여 단일 클래스 SVM의 대표적 모델인 SVDD를 탐지자로 설계하였다. 공개적으로 사용 가능한 벤치마크 데이터 셋인 PETS 2009와 UMN을 이용하여 본 논문에서 제안한 비정상 집단행동 탐지 시스템의 성능을 실험적으로 검증한다.
박창현 ( Changhyun Park ),사재원 ( Jaewon Sa ),김희곤 ( Heegon Kim ),정용화 ( Yongwha Chung ),박대희 ( Daihee Park ),김학재 ( Hakjae Kim ) 한국정보처리학회 2018 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.7 No.4
좁은 공간에 돼지들을 밀집 사육하는 구조가 대부분인 국내 돈사의 환경은 구제역과 같은 전염병 확산에 취약하다. 이러한 밀집 사육의 문제점을 해결하기 위한 방법으로 감시 카메라를 활용한 돈사 내 개별 돼지들의 행동을 자동으로 분석하는 연구가 진행 되고 있다. 그러나 공격행동 등 복잡한 상황에서 개별 돼지들을 추적하기 위해서는 근접한 돼지들에 대한 올바른 분리가 우선적으로 수행되어야 하지만, 정확도가 떨어지는 키넥트 카메라의 깊이 정보를 이용할 경우 돼지들 간의 경계선이 정확히 추출되지 않는다는 문제가 있다. 본 논문에서는 이러한 문제를 해결하기 위한 방법으로 움직임 정보를 활용하여 근접 돼지를 분리하는 방법을 제안한다. 또한, 제안된 방법은 혼잡한 돈방에서 개별 돼지를 추적하는 경우 추적 오류를 탐지하는 문제에도 적용될 수 있다. 실험 결과, 실제 돈사에서 획득한 두 개의 근접 돼지 시퀀스에 대하여 86%의 정확도로 분리 가능함을 확인하였고, 객체 추적에 대한 검증을 통하여 식별 번호가 잘못 부여된 객체를 정확히 탐지할 수 있음을 확인하였다. The domestic pigsty environment is highly vulnerable to the spread of respiratory diseases such as foot-and-mouth disease because of the small space. In order to manage this issue, a variety of studies have been conducted to automatically analyze behavior of individual pigs in a pig pen through a video surveillance system using a camera. Even though it is required to correctly segment touching pigs for tracking each pig in complex situations such as aggressive behavior, detecting the correct boundaries among touching pigs using Kinect’s depth information of lower accuracy is a challenging issue. In this paper, we propose a segmentation method using motion information of the touching pigs. In addition, our proposed method can be applied for detecting tracking errors in case of tracking individual pigs in the complex environment. In the experimental results, we confirmed that the touching pigs in a pig farm were separated with the accuracy of 86%, and also confirmed that the tracking errors were detected accurately.
박준상 ( Jun-sang Park ),박대희 ( Daihee Park ),김명섭 ( Myung-sup Kim ) 한국정보처리학회 2008 한국정보처리학회 학술대회논문집 Vol.15 No.1
DoS/DDoS 공격과 웜 공격으로 대표되는 트래픽 폭주 공격은 그 특성상 사전 차단이 어렵기 때문에 빠르고 정확한 탐지는 공격 탐지 시스템이 갖추어야 할 필수요건이다. 기존의 SNMP MIB 기반 트래픽 폭주공격 탐지 방법은 1 분 이상의 탐지 시간을 요구하였다. 본 논문은 SNMP MIB 객체의 상관 관계를 이용한 빠른 트래픽 폭주 공격 탐지 알고리즘을 제안한다. 또한 빠른 탐지 시간으로 발생되는 시스템의 부하와 탐지 트래픽을 최소화하는 방안도 함께 제시한다. 공격 탐지 방법은 3 단계로 구성되는데, 1 단계에서는 MIB 정보의 갱신주기를 바탕으로 탐지 시점을 결정하고, 2 단계에서는 MIB 정보간의 상관 관계를 이용하여 공격의 징후를 판단하고, 3 단계에서는 프로토콜 별 상세 분석을 통하여 공격 탐지뿐만 아니라 공격 유형까지 판단한다. 따라서 빠르고 정확하게 공격을 탐지할 수 있고, 공격 유형을 분류해 낼 수 있어 신속한 대처가 가능해 질 수 있다.