公开(公告)号：KR100869554B1

公开(公告)日：2008-11-21

申请号：KR1020070018192

申请日：2007-02-23

Applicant: 재단법인서울대학교산학협력재단

Inventor： 강우성 ,  최진영

IPC: G06T7/40 ,  G06T7/00

Abstract: 본 발명은 영역 밀도 기반의 패턴 분류 방법에 관한 것으로, 특히 주어진 복수 개의 데이터에 대하여 각 종류별로 이차 계획법을 이용하여 특징 영역 거리 함수를 결정하여 특징 영역 거리 함수의 값을 이용하여 데이터의 영역을 결정하고, 최대 우도 추정 방식을 사용하여 영역 내의 데이터 밀도를 산출하고, 데이터 밀도와 사전확률의 곱을 비교하여 데이터를 종류별로 분류하고, 새로운 추가된 데이터가 기 분류된 영역에 포함되지 않으면 기존의 영역에서 구해진 지지벡터와 새로 추가된 데이터를 주어진 전체 데이터로 삼아 새로운 지지벡터를 구하고 지지벡터가 아닌 데이터는 모두 제거하는 패턴 분류 방법에 관한 것이다. 본 발명에 따르면 지지벡터 학습에 의해 얻어진 영역으로부터 밀도 정보를 사용함으로써, 다중 분류의 경우에 기존의 지지벡터 기계 및 신경망 분류기법보다 훨씬 빠르게 학습할 수 있으며, 기존의 확률밀도 추정 방식보다 적은 수의 데이터를 사용하여 판별함수를 표현할 수 있는 효과가 있다. 또한, 인식 성능을 높이기 위해 새롭게 주어진 데이터를 점진적으로 학습함으로써, 여러 번 재학습을 필요로 하는 얼굴 인식 시스템과 같은 응용에서 학습 계산량을 감소시키는 효과가 있다.
패턴인식, 분류, 지지벡터, support vector, 밀도, 이차계획법

公开(公告)号：KR1020080078292A

公开(公告)日：2008-08-27

申请号：KR1020070018192

申请日：2007-02-23

Applicant: 재단법인서울대학교산학협력재단

Inventor： 강우성 ,  최진영

IPC: G06T7/40 ,  G06T7/00

CPC classification number: G06K9/622 ,  G06K9/00268 ,  G06K9/00536 ,  G06K9/52

Abstract: An incremental pattern classification method based on domain density description is provided to determine a specific domain distance function, using support vector learning, to describe a domain of the data, and to obtain the domain density in the domain of the data for describing a discrimination function with small numbers of data. An incremental pattern classification method based on domain density description comprises the steps of: determining a specific domain distance function of showing the center of a domain and distance of data, using support vector learning based on each kind, and describing a domain of the data(S10); obtaining the domain density in the domain of the data, using a maximum likelihood estimating method(S20); multiplying/comparing each domain density description function by/with preliminary probability, and determining the kind of the data having the largest value(S30); and judging whether a newly generated data is obtained in a former step when the new data is added and re-learned(S40).

Abstract translation: 提供了基于域密度描述的增量模式分类方法，以确定特定的域距离函数，使用支持向量学习来描述数据的域，并获取用于描述鉴别功能的数据域中的域密度 数据量少。 基于域密度描述的增量模式分类方法包括以下步骤：使用基于每种类型的支持向量学习确定显示域的中心和数据距离的特定域距离函数，并描述数据的域（ S10）; 使用最大似然估计方法获得数据域中的域密度（S20）; 将每个域密度描述函数乘以/初步概率，并确定具有最大值的数据类型（S30）; 以及当添加并重新学习新数据时，判断在前一步骤中是否获得新生成的数据（S40）。