http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
인공신경망과 지능형 에이전트를 이용한 철도관광 시스템에 대한 연구
정귀임(Jung Gwi-im),박상성(Park Sang-sung),장동식(Jang Dong-sik) 한국철도학회 2007 한국철도학회 학술발표대회논문집 Vol.- No.-
Intelligent agent is to decide what customers need on the internet and offer them accurate information. In this paper, the system which can recommend the tourism items in terms of customer"s needs is proposed by appling the intelligent agent to railway tourism system. Most of previous agents are focused on price. But, this study proposes the Railway tourism system which offers each customer the best suitable information based on quality of information and reputation. The customer"s needs are analyzed through intelligent agent and the information which is suitable for customer"s needs is obtained the Artificial Neural Network Model.
박상성(Sang-Sung Park),정귀임(Gwi-Im Jung),장동식(Dong-Sik Jang) 한국컴퓨터정보학회 2006 韓國컴퓨터情報學會論文誌 Vol.11 No.6
영상 식별 기술은 대용량의 멀티미디어 데이터베이스 환경 하에서 고속의 검색을 위해서 필수적이다. 본 논문은 이러한 고속 검색을 위하여 GA(Genetic Algorithm)과 SVM(Support Vector Machine)을 결합한 모델을 제안한다. 특징벡터로는 색상 정보와 질감 정보를 사용하였다. 이렇게 추출된 특징벡터의 집합을 제안한 모델을 통해 최적의 유효 특징벡터의 집합를 찾아 영상을 식별하여 정확도를 높였다. 성능평가는 색상, 질감, 색상과 질감의 연합 특징벡터를 각각 사용한 성능 비교, SVM과 제안된 알고리즘과의 성능을 비교하였다. 실험 결과 색상과 질감을 연합한 특징벡터를 사용한 것이 단일 특징벡터를 사용한 것 보다 좋은 결과를 보였으며 하이브리드 기법을 이용한 제안된 알고리즘이 SVM알고리즘만을 이용한 것 보다 좋은 결과를 보였다. Classification technology is essential for fast retrieval in large multi-media database. This paper proposes a combining GA(Genetic Algorithm) and SVM(Support Vector Machine) model to fast retrieval. We used color and texture as feature vectors. We improved the retrieval accuracy by using proposed model which retrieves an optimal feature vector set in extracted feature vector sets. The first performance test was executed for the performance of color, texture and the feature vector combined with color and texture. The second performance test, was executed for performance of SVM and proposed algorithm. The results of the experiment, using the feature vector combined color and texture showed a good performance than a single feature vector and the proposed algorithm using hybrid method also showed a good performance than SVM algorithm.