http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
손세호(Seo H. Son),이인근(In K. Lee),권순학(Soon H. Kwon) 한국지능시스템학회 2004 한국지능시스템학회 학술발표 논문집 Vol.14 No.1
In this paper, we propose a framework for ontological knowledge-based image understanding systems. Ontology composed of concepts can be used as a guide for describing objects from a specific domain of interest and describing relations between objects from different domains. The proposed framework consists of four main subparts: i) ontological knowledge bases, ⅱ) primitive feature detectors, ⅲ) concept inference engine, and ⅳ) semantic inference engine. Using ontological knowledge bases on various domains and features extracted from the detectors, concept inference engine infers concepts on regions of interest in an image and semantic inference engine reasons semantic situations between concepts from different domains. We present a outline for ontological knowledge-based image understanding systems and application examples within specific domains such as text recognition and human recognition in order to show the validity of the proposed system.
서석태(Suk T. Seo),손세호(Seo H. Son),이인근(In K. Lee),정혜천(Hye C. Jeong),권순학(Soon H. Kwon) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.4
Otsu의 임계값 결정법을 포함한 기존의 임계값 결정 기법은 그레이 레벨 빈도수 히스토그램 정보를 이용하여 임계값을 결정한다. 그러나 빈도수 히스토그램은 입력 영상에서 그레이 레벨 빈도수 정보만을 재구성한 것이므로, 입력 영상의 그레이레벨의 분포 및 그레이 레벨간의 관계성을 포함하지 않는다. 따라서 임계값 결정에 있어서 영상의 정보를 충분히 반영하지 못하여 때때로 부적절한 임계값을 제시한다. 본 논문에서는 빈도수 정보뿐만 아니라 그레이 레벨간의 상관관계함수를 정의하고, 정의된 상관관계함수를 이용하여 공간적 상관관계 정보 추출 및 추출된 정보로부터 임계값을 결정하는 기법을 제안한다. 제안된 기법의 타당성을 빈도수 히스토그램에 기반한 Otsu의 임계값 결정법과의 비교 실험을 통하여 보인다. Conventional thresholding methods including Otsu's thresholding method are based on the gray levels frequency histogram. But the gray levels frequency histogram is obtained by recomposing only frequency information from an input image, where frequency histogram dose not contain any other informations such as the distribution of gray levels and relation between gray levels. Therefore the methods using the gray levels frequency histogram occasionally present inappropriate threshold values because it cannot reflect informations of the given image sufficiently. In this paper, we define a correlation function of gray levels and propose a novel thresholding method using the gray levels frequency histogram and the spatial correlation information. The effectiveness of the proposed method will be shown through comparison with Otsu's thresholding method.
이중우(Jung W. Lee),손세호(Seo H. Son),권순학(Soon H. Kwon) 한국지능시스템학회 2001 한국지능시스템학회논문지 Vol.11 No.1
본 논문에서는 정규화된 데이터 공간과 가우스함수에 의한 산 함수 형성 그리고 형성된 산의 기울기를 이용한 산봉우리 붕괴를 특징으로 하는 개선된 산 클러스터링 방법을 제안한다. 이 개선된 방법은 기존의 Yager등에 의하여 제안된 방법이 조정해야 하는 매개변수가 3 개이고 발견된 클러스터 중심 주위에 원치 않는 다른 중심이 발생할 수 있는데 반하여 단지 하나의 매개변수 ω의 조정으로 더욱 타당한 중심을 찾아내는 점에서 유용하다 할 수 있다. 또한 매개변수 ω에 대한 적절한 선정 방법을 제시하고, 수치 자료에 대한 컴퓨터 모의실험을 통하여 개선된 산 클러스터링 방법의 유용성을 입증한다. We introduce an advanced mountain clustering method which uses a normalized data space, a gaussian type mountain function and a destruction method based on a mountain slope. This advanced method is more useful than Yager's mountain method because it needs just one parameter to tune instead of three and finds out more resonable cluster centers having no another centers neighboring to the first center. In addition, we present an adequate selection method for the only parameter ω. Finally, computer simulation results on numerical examples are presented to show the validity of the advanced mountain method.
서석태(Suk T. Seo),손세호(Seo. H. Son),이인근(In. G. Lee),정혜천(Hye. C. Jeong),권순학(Soon. H. Kwon) 한국지능시스템학회 2005 한국지능시스템학회 학술발표 논문집 Vol.15 No.2
기존의 클러스터 평가 지표(cluster validation index)는 클러스터의 개수가 커질수록 클러스터 평가 지표 값이 단조 감소하는 경향을 보인다. 최근에 이러한 단점을 보완하는 새로운 클러스터 평가 지표가 본 논문 저자중의 하나에 의해 제안되었으나. over-clustering의 단점을 지니고 있다. 본 논문에서는, 클러스터 평가 지표 값이 단조 감소 및 over-clustering을 방지할 수 있는 새로운 클러스터 평가 지표를 제안하고, 여러 가지 예제를 통하여 새롭게 제안된 평가 지표의 타당성을 보인다.
이인근(In K. Lee),손세호(Seo H. Son),권순학(Soon H. Kwon) 한국지능시스템학회 2004 한국지능시스템학회논문지 Vol.14 No.6
웹으로부터 사용자가 원하는 정보에 잘 부응하는 정보를 추출하는 것은 검색엔진이 갖추어야 할 기본적 요소라 할 수 있다. 그러나, 질의어와의 패턴 매칭 방식에 의존하는 기존의 대부분의 검색엔진은 질의어가 갖는 애매성으로 인하여 사용자의 요구에 부합하는 검색결과를 제공하기가 쉽지 않다는 단점을 지니고 있다. 이를 극복하기 위하여 본 논문에서는 다음과 같은 5가지 과정, 즉, (ⅰ) 질의어 형성, (ⅱ) 질의어 확장, (ⅲ) 검색, (ⅳ) 순위 재생성 및 (ⅴ) 지식베이스로 구성되는 지식기반 의미 메타 검색엔진의 기본 구조를 제안한다. 영어로 구현된 웹 문서에 대한 모의실험을 통하여 본 논문에서 제안된 지식기반 의미 메타 검색엔진이 기존의 검색엔진(구글)을 사용하여 얻은 결과보다 좋은 결과를 보임을 확인할 수 있었다. Retrieving relevant information well corresponding to the user's request from web is a crucial task of search engines. However, most of conventional search engines based on pattern matching schemes to queries have a limitation that is not easy to provide results corresponding to the user's request due to the uncertainty of queries. To overcome the limitation, in this paper, we propose a framework for knowledge-based semantic meta-search engines with the following five processes: (ⅰ) Query formation, (ⅱ) Query expansion, (ⅲ) Searching, (ⅳ) Ranking recreation, and (ⅴ) Knowledge base. From simulation results on english-based web documents, we can see that the proposed knowledge-based semantic meta-search engine provides more correct and better searching results than those obtained by using the Google.