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
문백산 (단국대학교) 김대원 (단국대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제56권 제1호(통권 제494호)
발행연도
2019.1
수록면
57 - 68 (12page)
DOI
10.5573/ieie.2019.56.1.57

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 실제 환경에서 사용자의 제스처를 더욱 정확하게 추정하는 방법으로 기존의 랜덤 포레스트(Random Forest, RF) 분류기를 보정하는 Calibrated Random Forest(CRF) 분류 알고리즘과 분류기가 센서 데이터로부터 최대한의 정보를 획득할 수 있도록 하는 여러 특징 벡터의 조합을 제안한다. 대다수의 제스처는 개인차가 굉장히 심하기 때문에 실제 사용 환경에서 사용자로부터 캘리브레이션 데이터를 얻어 이미 학습된 RF 분류기를 보정해 최종 인식 정확도를 향상 시키고자 하였다. 또한 센서 데이터로부터 히스토그램과 표준편차, 리샘플링 된 데이터 등을 특징으로 추출, 조합하여 특징 벡터의 특정성을 높임으로써 분류기의 정확도를 높이고자 하였다. 본 연구에서 제안한 내용의 실험을 위해 30가지의 제스처 데이터를 수집해 특징 벡터 조합의 효과와 CRF 분류기의 정확도를 평가하였다. 센서 및 특징의 조합을 이용해 비교 실험한 결과, 약 95.1%의 정확도로 단일 센서군의 히스토그램만을 사용한 기존의 방법에 비해 최대 20%의 정확도가 향상됨을 확인했으며 CRF는 타 분류기 모델 비교군에 비해 약 48% 향상된 94.2%의 정확도를 보였다. 본 연구를 통해 단일 센서나 특징보다 여러 센서 및 특징을 조합하여 학습하는 것이 더욱 효과적임과 더불어 제안하는 CRF 분류기가 실제 환경에서도 사용자 개인의 제스처를 적절하게 잘 분류함을 확인할 수 있었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. Calibrated Random Forest 알고리즘
Ⅳ. 실험
Ⅴ. 결론
REFERENCES

참고문헌 (21)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0