육각그리드 IL-SOM을 이용한 개체 시각화

조인경,송주원 한국자료분석학회 2019 Journal of the Korean Data Analysis Society Vol.21 No.3

자기조직화지도(SOM)는 고차원 다변량 자료를 저차원 그리드 공간에 축약하여 시각화하는 비지도 학습 신경망 모형의 일종이다(Kohonen, 1998). SOM은 개체를 각 승자노드의 중심에 할당하는데 개체의 연속성을 보존한다는 관점에서는 그리드 공간에 승자노드를 중심으로 개체들이 적절히 퍼지도록 분포시키는 게 바람직하다. Um(2003)은 개체벡터의 승자노드와 그 인접노드의 중량벡터에 대한 가능도를 이용하여 그리드 공간상에 개체벡터의 상대적인 위치를 표현하도록 SOM을 확장한 IL-SOM을 제안하였다. SOM에서는 사각형 또는 육각형 그리드를 주로 사용하는데 Um(2003)은 이차원 그리드 공간에 사각그리드와 가상노드를 통해 확장한 확장형 사각그리드를 구현하였고 개체표현지수(Um, 2003)가 최소화되는 그리드의 크기를 선택하면 개체를 가장 잘 시각화한다는 결론을 내렸다. 본 연구에서는 이차원 그리드 공간에 육각그리드와 가상노드를 통해 확장한 확장형 육각그리드를 사용하는 IL-SOM을 구현하였다. 모의실험을 통해 사각그리드, 확장형 사각그리드, 육각그리드와 확장형 육각그리드의 개체표현지수 및 자료의 시각화 결과를 비교하였다. 또한 이 방법들을 4개의 그룹으로 구성된 게 자료에 적용하여 개체표현지수를 최소화하는 그리드의 종류를 확인하고 이를 통해 자료를 시각화한 결과를 비교하였다. 사각그리드와 육각그리드 모두 가상노드가 없는 경우보다 있는 경우가 개체표현지수가 작아 더 좋은 결과를 보였으며 육각그리드가 사각그리드보다 대체로 나은 결과를 보였다. Self-organizing maps (SOM) is an unsupervised learning neural network model to visualize high dimensional data using a low dimensional grid space (Kohonen, 1990). SOM assigns objects to the center of the winning node, but it would be better to spread them all over the grid space to preserve continuity of the objects. Um (2003) proposed IL-SOM (interpolating using likelihood for SOM) to express relative locations of object vectors in a grid space using the likelihood of weight vectors of the winning node and its neighbor nodes. SOM usually uses the rectangular or the hexagonal grid. In a 2-dimensional rectangular grid, Um (2003) derived IL-SOM and extended it using a virtual nodes. In this study, IL-SOM is derived in a 2-dimensional hexagonal grid and extended using virtual nodes. A simulation is conducted to compare the performance of IL-SOM in the rectangular, the extended rectangular, the hexagonal and the extended hexagonal grid. These four methods are also compared with the crab data. In both rectangular and hexagonal grid, the extension using virtual nodes performed better. Performance of the hexagonal grid is usually better than the one of the rectangular grid.

긴장과 이완상태의 자동인식을 위한 SOM의 적용

정찬순(Chan-Soon Jeong),함준석(Jun-Seok Ham),고일주(Il-Ju Ko),장대식(Dae-Sik Jang) 한국컴퓨터정보학회 2010 韓國컴퓨터情報學會論文誌 Vol.15 No.2

본 연구에서는 비행슈팅게임을 플레이하는 피험자의 긴장 또는 이완상태를 자동으로 인식하는 시스템을 제안한다. 기존 연구에서는 피험자에게 자극원을 제시하여 나타난 변화 값을 비교하기 때문에 자동으로 분류하는데 한계가 있었다. 본 연구에서는 피험자의 상태 변화를 자동으로 분류하여 인식할 수 있도록 비지도학습의 SOM을 적용한다. 긴장과 이완상태의 자동인식을 위한 SOM의 적용은 두 가지 단계로 구성된다. 첫 번째 단계는 ECG측정 및 분석으로 피험자에게 게임을 플레이하게 한 후 ECG를 측정하여 HRV 분석으로 특징벡터를 추출한다. 두 번째 단계는 SOM 학습 및 인식으로 특징이 추출된 심박신호의 입력벡터들을 SOM으로 학습하여 피험자의 긴장과 이완상태를 분류하여 인식 한다. 실험 결과는 세 가지로 나누어진다. 첫 번째, HRV의 주파수변화와 두 번째 심박신호의 SOM 학습결과를 나타냈다. 세 번째 단계는 SOM학습의 성능을 알기 위해서 매칭율을 분석했다. HRV의 주파수분석의 LF/HF 비율을 1.5 기준으로 SOM의 승자뉴런 거리와 매칭한 결과 평균 72%의 매칭율을 보였다. We propose a system that automatically recognizes the tense or relaxed condition of scrolling-shooting game subject that plays. Existing study compares the changed values of source of stimulation to the player by suggesting the source, and thus involves limitation in automatic classification. This study applies SOM of unsupervised learning for automatic classification and recognition of player's condition change. Application of SOM for automatic recognition of tense and relaxed condition is composed of two steps. First, ECG measurement and analysis, is to extract characteristic vector through HRV analysis by measuring ECG after having the player play the game. Secondly, SOM learning and recognition, is to classify and recognize the tense and relaxed conditions of player through SOM learning of the input vectors of heart beat signals that the characteristic extracted. Experiment results are divided into three groups. The first is HRV frequency change and the second the SOM learning results of heart beat signal. The third is the analysis of match rate to identify SOM learning performance. As a result of matching the LF/HF ratio of HRV frequency analysis to the distance of winner neuron of SOM based on 1.5, a match rate of 72% performance in average was shown.

SOM의 통계적 특성과 다중 스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할

김태형,엄일규,김유신,Kim Tae-Hyung,Eom Il-Kyu,Kim Yoo-Shin 대한전자공학회 2005 電子工學會論文誌-SP (Signal processing) Vol.42 No.6

이본 논문에서는 Bayesian 영상 분할법과 SOM(Self Organization feature Map)을 이용한 텍스쳐(Texture) 분할 방법을 제안한다. SOM의 입력으로 다중 스케일에서의 웨이블릿 계수를 사용하고, 훈련된 SOM으로부터 관측 데이터에 대한 우도(尤度, likelihood)와 사후확률을 구하는 방법을 제시한다. 훈련된 SOM들로부터 구한 사후확률과 MAP(Maximum A Posterior) 분류법을 이용하여 텍스쳐 분할을 얻는다. 그리고 문맥 정보를 이용하여 텍스쳐 분할 결과를 개선하였다. 제안 방법은 HMT(Hidden Markov Tree)을 이용한 텍스쳐 분할보다 더 우수한 결과를 보여준다. 또한 SOM과 HMTseg라고 불리는 다중스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할 결과는 HMT와 HMTseg을 이용한 결과보다 더 우수한 성능을 보여준다. This paper proposes a novel texture segmentation method using Bayesian image segmentation method and SOM(Self Organization feature Map). Multi-scale wavelet coefficients are used as the input of SOM, and likelihood and a posterior probability for observations are obtained from trained SOMs. Texture segmentation is performed by a posterior probability from trained SOMs and MAP(Maximum A Posterior) classification. And the result of texture segmentation is improved by context information. This proposed segmentation method shows better performance than segmentation method by HMT(Hidden Markov Tree) model. The texture segmentation results by SOM and multi-sclae Bayesian image segmentation technique called HMTseg also show better performance than by HMT and HMTseg.

Isometric SOM 신경망을 이용한 지문 영상의 후처리 알고리듬

김상희(Sang-Hee Kim),김영정(Yung-Jung Kim),이성구(Sung-Koo Lee) 대한전자공학회 2008 電子工學會論文誌-CI (Computer and Information) Vol.45 No.5

본 논문은 Isometric SOM(ISOSOM)신경망을 이용하여 지문의 영상의 세선화 과정에서 발생하는 거짓 특징점의 제거를 위한 새로운 후처리 방법과 영상압축에 관한 것이다. SOM은 간단한 구조와 빠른 실행 시간, 그리고 비교적 뛰어난 분류 성능 등의 장점을 가지므로, 영상압축, 패턴분류 등과 같이 많은 영상관련 분야에 적용되고 있으나, 단층의 구조를 가지고 있으므로 패턴의 분류에 한계성을 가지고 있다. 본 논문은 적은 벡터 코드북 개수로 SOM의 패턴분류 특성을 최대화시키기 위하여 fractal의 isometry를 적용한 Isometric SOM을 사용하였다. 제안된 Isometric SOM을 이용한 지문영상의 후처리 및 압축 알고리즘은 거짓 특징점의 추출에 좋은 성능을 보였으며 동시에 압축을 수행하는 우수한 성능을 확인할 수 있었다. This paper presents a new postprocessing method to eliminate the false minutiae, that caused by the skeletonization of fingerprint image, and an image compression method using Isometric Self Organizing Map(ISOSOM). Since the SOM has simple structure, fast encoding time, and relatively good classification characteristics, many image processing areas adopt this such as image compression and pattern classification, etc. But, the SOM shows limited performances in pattern classification because of it's single layer structure. To maximize the performance of the pattern classification with small code book, we applied the Isometric SOM with the isometry of the fractal theory. The proposed Isometric SOM postprocessing and compression algorithm of fingerprint image showed good performances in the elimination of false minutiae and the image compression simultaneously.

도플러 레이더를 위한 X-Band SOM 설계

정선화(Sun-Hwa Jeong),황희용(Hee-Yong Hwang) 한국전자파학회 2013 한국전자파학회논문지 Vol.24 No.12

본 논문에서는 하나의 트랜지스터로 발진과 주파수 혼합이 동시에 이루어지는 self-oscillating-mixer(SOM) 방식을 적용하여 높은 변환 이득을 갖는 X-band 도플러 레이더를 설계하였다. SOM의 위상 잡음 특성을 향상시키기 위하여 λ/2 slotted square patch resonator(SSPR) 공진기를 제안하였으며, 동일 주파수에서 기존 공진기에 비해 50 %의 면적 감소와 175.4의 높은 Q값을 이루었다. 제작된 SOM은 저 전력 시스템을 구현하기 위해 1.7 V의 낮은 바이어스 전압을 인가해 주었으며, 높은 변환 이득을 위하여 트랜지스터의 pinch-off voltage 근처를 동작점 으로 설정하였고, 변환 이득이 최대가 되도록 최적화 하였다. 제안된 SOM의 출력 파워는 10.65 GHz에서 ?3.16 dBm으로 측정되었으며, DC Power consumption은 7.65 mW로 상대적으로 작은 전력을 소모한다. 또한, 9.48 dB의 높은 변환 이득 특성과 100 kHz offset에서 ?90.91 dBc/Hz의 위상 잡음 특성을 나타내며, 이때 성능지수(FOM)는 ?181.8 dBc/Hz 으로 다른 SOM에 비해 7 dB 이상 개선되었다. This paper presents a X-band doppler radar with high conversion gain using a self-oscillating-mixer(SOM) that oscillation and frequency mixing is realized at the same time. To improve phase noise of the SOM oscillator, a λ/2 slotted square patch resonator(SSPR) was proposed, which shows high Q-factor of 175.4 and the 50 % reduced circuit area compared to the conventional resonator. To implement the low power system, low biasing voltage of 1.7 V was supplied. To enhance the conversion gain of the SOM, bias circuit is configured near the pinch-off region of transistor, and the conversion gain was optimized. The output power of the proposed SOM was -3.16 dBm at 10.65 GHz. A high conversion gain of 9.48 dB was obtained whereas DC Power consumption is relatively low about 7.65 mW. The phase noise is -90.91 dBc/Hz at 100 kHz offset. The figure-of-merit(FOM) of the proposed SOM was measured as -181.8 dBc/Hz, which is supplier to other SOMs by more than about 7 dB.

디지털 영상 객체의 불투명도 추정을 위한 SOM Matting

박현준,차의영,Park, Hyun-Jun,Cha, Eui-Young 한국정보통신학회 2009 한국정보통신학회논문지 Vol.13 No.10

본 논문은 인공신경망을 이용한 새로운 매팅 기법을 제안한다. 매팅이란 영상에서 객체의 불투명도를 추정하는 기술이다. 매팅 기법을 이용하면 객체를 자연스럽게 추출할 수 있다. 먼저 trimap을 이용하여 영상을 배경 영역, 전경 영역, 미지 영역으로 구분한다. 배경 영역과 전경 영역의 정보를 이용하여 미지 영역 화소의 불투명도를 추정한다. 제안하는 알고리즘은 배경 영역과 전경 영역의 정보를 SOM을 이용하여 학습하고 그 결과를 이용하여 미지 영역의 각 화소의 불투명도를 추정한다. 본 논문에서는 배경 영역과 전경 영역의 정보를 학습하는 방법에 따라서 전역적 SOM matting과 지역적 SOM matting으로 구별한다. 제안하는 알고리즘의 성능을 평가하기 위하여 영상에 적용해보았다. 이를 통해 제안하는 알고리즘이 객체를 영상에서 분리 가능함을 확인 할 수 있다. This paper presents new matting techniques. The matting is an alpha estimation technique of object in an image. We can extract the object in an image naturally using the matting technique. The proposed algorithms begin by segmenting an image into three regions: definitely foreground, definitely background, and unknown. Then we estimate foreground, background, and alpha for all pixels in the unknown region. The proposed algorithms learn the definitely foreground and definitely background using self-organizing map(SOM), and estimate an alpha value of each pixel in the unknown region using SOM learning result. SOM matting is distinguished between global SOM matting and local SOM matting by learning method. Experiment results show the proposed algorithms can extract the object in an image.

RFM 기반 SOM을 이용한 매장관리 전략 도출

정윤정,최일영,김재경,최주철 한국지능정보시스템학회 2015 지능정보연구 Vol.21 No.2

Depending on the change in consumer’s consumption pattern, existing retail shop has evolved in hypermarket or convenience store offering grocery and daily products mostly. Therefore, it is important to maintain the inventory levels and proper product configuration for effectively utilize the limited space in the retail store and increasing sales. Accordingly, this study proposed proper product configuration and inventory level strategy based on RFM(Recency, Frequency, Monetary) model and SOM(self-organizing map) for manage the retail shop effectively. RFM model is analytic model to analyze customer behaviors based on the past customer’s buying activities. And it can differentiates important customers from large data by three variables. R represents recency, which refers to the last purchase of commodities. The latest consuming customer has bigger R. F represents frequency, which refers to the number of transactions in a particular period and M represents monetary, which refers to consumption money amount in a particular period. Thus, RFM method has been known to be a very effective model for customer segmentation. In this study, using a normalized value of the RFM variables, SOM cluster analysis was performed. SOM is regarded as one of the most distinguished artificial neural network models in the unsupervised learning tool space. It is a popular tool for clustering and visualization of high dimensional data in such a way that similar items are grouped spatially close to one another. In particular, it has been successfully applied in various technical fields for finding patterns. In our research, the procedure tries to find sales patterns by analyzing product sales records with Recency, Frequency and Monetary values. And to suggest a business strategy, we conduct the decision tree based on SOM results. To validate the proposed procedure in this study, we adopted the M-mart data collected between 2014.01.01~2014.12.31. Each product get the value of R, F, M, and they are clustered by 9 using SOM. And we also performed three tests using the weekday data, weekend data, whole data in order to analyze the sales pattern change. In order to propose the strategy of each cluster, we examine the criteria of product clustering. The clusters through the SOM can be explained by the characteristics of these clusters of decision trees. As a result, we can suggest the inventory management strategy of each 9 clusters through the suggested procedures of the study. The highest of all three value(R, F, M) cluster’s products need to have high level of the inventory as well as to be disposed in a place where it can be increasing customer’s path. In contrast, the lowest of all three value(R, F, M) cluster’s products need to have low level of inventory as well as to be disposed in a place where visibility is low. The highest R value cluster’s products is usually new releases products, and need to be placed on the front of the store. And, manager should decrease inventory levels gradually in the highest F value cluster’s products purchased in the past. Because, we assume that cluster has lower R value and the M value than the average value of good. And it can be deduced that product are sold poorly in recent days and total sales also will be lower than the frequency. The procedure presented in this study is expected to contribute to raising the profitability of the retail store. The paper is organized as follows. The second chapter briefly reviews the literature related to this study. The third chapter suggests procedures for research proposals, and the fourth chapter applied suggested procedure using the actual product sales data. Finally, the fifth chapter described the conclusion of the study and further research. 소비자의 소비성향이 필요 품목을 중심으로 근거리에서 구매하는 근린형으로 변화함에 기존의 소매점은 식료품, 생활용품을 위주로 제공하는 슈퍼마켓, 하이퍼마켓 또는 편의점으로 진화하고 있다. 따라서 소매점이 한정된 공간에서 효율적으로 공간을 활용하고 매출을 증대하기 위해서는 소비자의 구매욕을 충족시킬 수 있는 상품배치와 적정한 재고수준을 유지하는 것이 매우 중요하다. 본 연구에서는 소매점의 판매 상품에 대하여 RFM 기반 SOM 군집화를 하여 효율적으로 매장을 관리할 수 있는 상품 배치전략 및 재고전략을 제안하였다. 실제 M마트의 판매데이터를 이용하여 RFM모델을 상품에 적용한 후, 기존 문헌 연구뿐만 아니라 해석 가능성, 응용 가능성 등을 고려하여 3X3 총 9개의 군집으로 분류하여 분석한 결과, 주요 군집으로 R값, F값, M값이 모두 높은 군집, R값, F값, M값 모두 낮은 군집, R값만 높은 군집, F값만 높은 군집이 도출되었다. 본 논문에서는 다른 군집과 비교시 R값, F값, M값이 차이를 보이는 주요 4개의 군집의 상품 배치 및 재고 전략을 제시하였다. R값, F값, M값이 모두 높은 군집의 상품은 소비자 동선을 늘림으로써 상품 노출을 확대시킬 수 있는 장소에 배치하여야 할 뿐만 아니라 높은 수준의 재고를 보유할 필요가 있다. 반면에 R값, F값, M값이 모두 낮은 군집의 상품은 가시성이 낮은 곳에 배치하고 최소한의 안전재고만 보유할 필요가 있다. 또한 R값이 높은 군집은 신상품으로 매장 입구에 배치하여 상품의 판매를 유도할 필요가 있다. 그리고 F값만 높은 군집의 경우, R값과 M값이 평균 값 보다 작은 상품들의 군집이므로 최근에는 판매가 저조하며 빈도 수에 비해 총 판매액이 낮다는 것을 유추할 수 있다. 따라서 현재보다 과거에 많이 판매된 저가의 상품군집으로 재고 수준을 점차 감소시킬 필요가 있다. 본 연구에서 제시한 방법은 POS 시스템의 보유한 소매점에서 상품배치 및 재고관리 방법으로 활용되어 매장의 수익성 증대에 기여할 수 있을 것으로 기대된다.

자기조직화지도 신경망을 이용한 국내 컨테이너터미널의 클러스터링 측정소고

박노경(Ro-Kyung Park) 한국항만경제학회 2010 韓國港灣經濟學會誌 Vol.26 No.1

본 논문에서는, 국내와 외국에서 선행된 항만분야의 SOM신경망을 이용한 클러스터 분석과 관련된 선행연구들을 간략하게 검토하였으며, 또한 국내 컨테이너터미널 8곳의 3년간(2002년, 2003년, 2004년)자료를 이용하고, 4개의 투입물[종업원수(명), 부두길이(m), 부지면적(평방m), 갠트리크레인 대수(대)])과 1개의 산출물[년간 컨테이너 처리실적(TEU)]을 이용하여 DEA방법 및 SOM신경망을 이용한 클러스터링으로 실증분석하는 방법을 보여주었으며, 그 결과가 갖는 현실적인 의미와 정책적인 함의를 제시하였다. 주요한 실증분석 결과는 다음과 같다. 첫째, DEA분석결과에 의하면, 각 터미널의 참조터미널들이 감천터미널을 제외하고 지리적으로 근접지역에 위치하고 있는 것으로 나타나서 클러스터형성이 가능하며, 시너지 효과도 얻을 수 있는 것으로 나타났다. 광양 터미널들은 지리적으로 멀지만, 감만, 우암터미널들과 클러스터를 구축할 수 있는 것으로 나타났다. 둘째, SOM신경망을 이용한 클러스터링분석결과를 보면, 클러스터 1, 클러스터 2, 클러스터 3에 위치함 감만터미널, 클러스터 4에 위치하고 있는 허치슨터미널과 신선대터미널, 클러스터 5에 위치한 15개의 터미널들이 나름대로 클러스터링에 대한 의미를 가지고 있는 것으로 추정되었다. 셋째, DEA기법에 의한 참조터미널들에 의한 클러스터링과 SOM신경망에 의한 클러스터링 사이에서는 약67% 수준에서 일치하였다. 본 연구의 정책적인 함의는 첫째, 컨테이너터미널에 대한 정책입안자는 북항에 속한 자성대, 우암, 신감만, 감만 터미널은 터미널운영을 통합하는 것이 필요하다. 즉, 클러스터링의 효과를 극대화시키기 위해서는 부두운영사의 숫자를 줄여나가는 정책을 강제적으로 입안하여 시행하는 것이 가장 시급한 문제이다. 둘째, 부산북항에 위치한 터미널들의 최대약점은 터미널마다 부두운영사가 서로 달라서 화주들에게 원스톱서비스를 제공하지 못하고 있다는 점이다. 즉, 년간 물동양의 44%가 환적화물임을 감안해 보았을 때, 북항의 컨테이너 터미널들은 향후 신항과의 화물수주경쟁에서 성공하기 위해서는 반드시 클러스터링을 하는 정책을 도입해야만 한다. The purpose of this paper is to show the clustering measurement way for Korean container terminals by using neural network based SOM(Self Organizing Map). Inputs[Number of Employee, Quay Length, Container Terminal Area, Number of Gantry Crane], and output[TEU] are used for 3 years(2002,2003, and 2004) for 8 Korean container terminals by applying both DEA and SOM models. Empirical main results are as follows: First, the result of DEA analysis shows the possibility for clustering among the terminals and reference terminals except Gamcheon and Gwangyang terminals because of the locational closeness. Second, the result of neural network based SOM clustering analysis shows the positive clustering in clustering positions 1, 2, 3, 4, and 5. Third, the results between SOM clustering and DEA clustering show the matching ratio about 67%. The main policy implication based on the findings of this study is that the port policy planner of Ministry of Land, Transport and Maritime Affairs in Korea should introduce the clustering measurement way for the Korean container terminals using neural network based SOM with DEA models for clustering Korean ports and terminals.

Principal temporal extensions of SOM: Overview

Mohamed Salah Salhi,Najet Arous,Noureddine Ellouze 보안공학연구지원센터(IJSIP) 2009 International Journal of Signal Processing, Image Vol.2 No.4

비행슈팅게임에서 게이머의 긴장이완 상태를 인식하기 위한 SOM의 적용

정찬순(Chan-Soon Jeong),함준석(Jun-Seok Ham),박준형(Chan-Soon Jeong),여지혜(Jun-Seok Ham),고일주(Jun-Hyoung Park) 한국컴퓨터정보학회 2009 한국컴퓨터정보학회 학술발표논문집 Vol.16 No.2

본 논문은 SOM을 이용하여 비행슈팅게임을 하는 게이머의 긴장과 이완상태를 학습한다. 학습된 SOM을 이용해 게이머의 새로운 심박데이터가 입력되었을 때 긴장과 이완 상태에서 플레이하는 게이머의 인식을 제안한다. 게이머들은 비행슈팅게임을 플레이하면서 게임 환경들의 패턴들에 익숙해진다. 게이머들은 반복하면서 지루해지면서 자연스럽게 긴장감도 떨어지게 된다. 만약 긴장이완 정도를 알 수 있다면 게이머의 상태에 맞게 게임환경을 조절하여 긴장감을 유지할 수 있을 것이다. 본 연구에서는 비행슈팅게임을 하는 게이머의 심박신호를 이용하여 게이머의 긴장이완상태를 신경망 SOM으로 분류한다. SOM은 주어진 입력패턴에 정확한 답을 정해주지 않고 자기 스스로 학습하여 해답을 찾는 신경망중의 하나이다. 따라서 게이머의 심박신호는 SOM 학습을 통해 게이머의 긴장과 이완상태들을 군집화 할 수 있다. 비행슈팅게임을 20회 반복 플레이하여 SOM으로 게이머의 심박신호를 입력해 본 결과 긴장이완상태를 인식 할 수 있었다.