메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Ki-Tae Bae (Korean German Institute of Technology)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제11권 제7호(JKIIT, Vol.11, No.7)
발행연도
2013.7
수록면
39 - 46 (8page)
DOI
10.14801/kiitr.2013.11.7.39

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
SVM이론은 기계학습이론 분야에서 가장 강력한 학습 이론으로 사용되어 왔고 일반적으로 안정적인 성능을 가진 것으로 알려져 있다. 특정 분류 작업을 수행할 경우 SVM이론의 성공여부는 그 클래스를 대표하는 특징에 따라 상당한 영향을 받게 된다. 특정 클래스를 대표하는 특징이나 차별적인 특징이 주어졌을 때 SVM 학습과정은 최상의 일반론을 제시할 수 있고, 그 결과로 최상의 분류기가 될 수 있다. 본 논문에서는 휴먼 검출 분야에서 효과적인 특징 선택 문제를 평가하고 선택된 특징들의 성능을 평가하기 위한 효과적인 알고리즘을 제안한다. 본 논문에서는 특징 그룹을 생성하기 위해 새로운 군집 멤버로서 다중 크기를 가진 HOG-Family 특징을 제안한다. 또한 특징들의 차원을 줄이고 처리속도를 개선하기 위해 PCA이론과 SVM이론을 결합한 새로운 PCA-SVM이론을 제안한다. 제안한 방법은 대부분의 고유 특징 벡터는 유지하면서 처리 속도 및 특징점의 차원을 현저히 줄여주는 장점을 가지고 있다. 실험결과를 통해 제안한 알고리즘의 우수성을 입증해 보인다.

목차

Abstract
요약
Ⅰ. Introduction
Ⅱ. Features and the classifier
Ⅲ. Experiments
Ⅳ. Conclusion and future direction
References

참고문헌 (11)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2014-560-003174627