본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

목차

샘플 군집화를 이용한 개선된 아다부스트 알고리즘 / 백열민 ; 김중근 ; 김회율 1

요약 1

Abstract 1

I. 서론 1

II. 제안하는 방법 2

III. 실험 결과 3

III. 결론 4

참고문헌 4

초록보기

 본 논문에서는 아다부스트의 과적합 문제를 해결하기 위해 샘플 군집화를 이용한 개선된 아다부스트 알고리즘을 제안한다. 아다부스트는 다양한 객체 검출 방법에서 좋은 성능을 보이는 방법으로 알려져 있지만 훈련 샘플에 노이즈가 존재하는 경우 과적합 현상이 발생하는 문제가 있다. 이를 해결하기 위해 제안하는 방법은 우선 훈련 샘플의 긍정 샘플을 k-평균 군집화 알고리즘을 이용하여 K개의 군집으로 나눈다. 이후 아다부스트의 약분류기 훈련 시 K개의 군집 중 훈련 오차를 최소화하는 하나의 군집만을 선택하여 사용한다. 이로써, 제안하는 방법은 매 회 반복되는 약분류기의 훈련 시 훈련 샘플들이 과분할 되는 것과 노이즈 샘플이 훈련에 사용되는 것을 방지함으로써 기존 아다부스트의 과적합 현상을 효과적으로 줄여준다. 실험 결과, 제안하는 방법은 다양한 실제 데이터셋에서 기존의 부스팅 기반 방법들에 비해 더 나은 분류 성능 및 일반화 성능을 보여주었다.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
개인별 주요 블록의 다중 반경 LBP 매칭을 이용한 모바일 환경에서의 얼굴인증 이정섭, 안희석, 금지수, 김태형, 이승형, 이현수 pp.515-524

보기
가버 웨이블렛 변환 및 DCT를 이용한 자동 TFT-LCD 패널 얼룩 검출 조상현, 강행봉 pp.525-534

보기
지능형 자동차용 고성능 영상인식 엔진 여준기, 천익재, 석정희, 노태문 pp.535-542

보기
광혈류량 신호의 움직임 훼손 보상 기법 김한솔, 이의철 pp.543-549

보기
원적외선 영상의 열 정보를 고려한 가시광 영상 개선 방법 김선걸, 강행봉 pp.550-558

보기
비디오 품질 향상 응용을 위한 오버레이 텍스트 그래픽 영역 검출 이상희, 박한성, 안정일, 온영상, 조강현 pp.559-571

보기
DVB-T2기반으로 지상파 UHDTV방송과 직접수신환경 구축 연구 박성규, 조영준, 김동우, 박구만 pp.572-588

보기
시각피로 모형 : 카메라의 회전오차, 촬영 거리, 수렴 조건이 입체 시각피로에 미치는 영향 이형철, 박종진, 김신우 pp.589-598

보기
영상의 크기 변환을 이용한 효율적인 움직임 보상 보간 기법 권혜경, 이창우 pp.599-608

보기
다중스케일 노멀라이즈 컷을 이용한 영상분할 이재현, 이지은, 박래홍 pp.609-618

보기
컬러 채널 상관관계를 고려한 에지 방향성 컬러 디모자이킹 알고리즘 유두식, 이민석, 강문기 pp.619-630

보기
HEVC를 위한 고속 변환 크기 결정방법 강장병, 최해철 pp.631-642

보기
샘플 군집화를 이용한 개선된 아다부스트 알고리즘 백열민, 김중근, 김회율 pp.643-646

보기
HEVC RExt RGB 영상의 색평면 간 예측 향상을 위한 적응적 필터링 기법 최장원, 최윤식 pp.647-650

보기

참고문헌 (9건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 Improved Boosting Algorithms Using Confidence-rated Predictions 네이버 미소장
2 ADDITIVE LOGISTIC REGRESSION: A STATISTICAL VIEW OF BOOSTING 네이버 미소장
3 A. Vezhnevets and V. Vezhnevets, “Modest AdaBoost - Teaching AdaBoost to Generalize Better,” Graphicon, vol. 12, no. 5, pp. 987-997, 2005. 미소장
4 BIAS-VARIANCE CONTROL VIA HARD POINTS SHAVING 네이버 미소장
5 D.-S. Kim, Y.-M. Baek, and W.-Y. Kim, “Reducing Overfitting of AdaBoost by Clustering-based Pruning of Hard Examples,” Proceedings of the 7th International Conference on Ubiquitos Information Management and Communication, no. 90, 2013. 미소장
6 A. Vezhnevets and O. Barinova, “Avoiding boosting overfitting by removing confusing samples,” Proceedings of European Conference on Machine Learning, pp. 430-441, 2007. 미소장
7 J. Cao, S. Kwong, and R. Wang, “A noise-detection based AdaBoost algorithm for mislabeled data,” Pattern Recognition, vol. 45, no. 12, pp. 4451-4465, 2012. 미소장
8 A. Frank, and A. Asuncion, UCI Machine Learning Repository, , 2013. 미소장
9 A. Vezhnevets, GML Matlab Toolbox, Technical Manual, Graphics and Media Lab., Computer Science Department, Moscow state University. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기