맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

패턴 인식을 위한 특징 데이터 선택 방법 및 그 방법을 이용한 특징 데이터 선택 장치

  • 기술번호 : KST2014035596
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 패턴 인식을 위해 특징 데이터의 선택을 위한 상호 정보 계산시 특징 데이터의 연관성을 나타내는 클래스-특징 상호 정보와 특징 데이터의 중복성을 나타내는 특징-특징 상호 정보 간의 불균형을 제거하기 위한 것으로, 일 실시예에 따른 패턴 인식을 위한 특징 데이터 선택 방법은 입력된 데이터로부터 추출된 연속형 특징 데이터들을 평균이 0이고, 단위 표준 편차를 갖도록 정규화하는 단계와, 정규화된 연속형 특징 데이터들을 이산형 특징 데이터들로 변환하는 단계와, 정규화된 이산형 특징 데이터들의 연관성을 계산하여 최대 연관성을 가지는 제1 특징 데이터를 선택하는 단계와, 제1 특징 데이터 선택 단계에서 선택되지 않은 특징 데이터들의 포텐셜을 계산하여 가장 큰 포텐셜을 가지는 것을 제2 특징 데이터로 선택하는 단계를 포함함으로써, 특징 데이터의 연관성과 중복성 간에 불균형을 제거할 수 있다.
Int. CL G06F 17/15 (2006.01) G06F 17/10 (2006.01)
CPC G06F 17/15(2013.01)
출원번호/일자 1020100086705 (2010.09.03)
출원인 경희대학교 산학협력단
등록번호/일자 10-1137533-0000 (2012.04.10)
공개번호/일자 10-2012-0024074 (2012.03.14) 문서열기
공고번호/일자 (20120420) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2010.09.03)
심사청구항수 10

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경희대학교 산학협력단 대한민국 경기도 용인시 기흥구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이승룡 대한민국 경기도 성남시 분당구
2 이영구 대한민국 경기도 수원시 영통구
3 라더빈 베트남 경기도 용인시 기흥구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 신지 대한민국 서울특별시 강남구 테헤란로*길 **, *층 ***호실(역삼동, 청원빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 경희대학교 산학협력단 경기도 용인시 기흥구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2010.09.03 수리 (Accepted) 1-1-2010-0575741-71
2 의견제출통지서
Notification of reason for refusal		 2011.10.13 발송처리완료 (Completion of Transmission) 9-5-2011-0589893-55
3 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2011.12.13 수리 (Accepted) 1-1-2011-0990626-31
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2011.12.13 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2011-0990625-96
5 등록결정서
Decision to grant		 2012.01.12 발송처리완료 (Completion of Transmission) 9-5-2012-0021462-60
6 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2015.03.09 수리 (Accepted) 4-1-2015-5029677-09
7 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.19 수리 (Accepted) 4-1-2019-5164254-26
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
입력된 데이터로부터 추출된 연속형 특징 데이터들을 평균이 0이고, 단위 표준 편차를 갖도록 정규화하는 단계와;상기 정규화된 연속형 특징 데이터들을 이산형 특징 데이터들로 변환하는 단계와;상기 정규화된 이산형 특징 데이터들의 연관성을 계산하여 최대 연관성을 가지는 제1 특징 데이터를 선택하는 단계와;상기 제1 특징 데이터 선택 단계에서 선택되지 않은 특징 데이터들의 포텐셜을 계산하여 가장 큰 포텐셜을 가지는 것을 제2 특징 데이터로 선택하는 단계;를 포함하는 패턴 인식을 위한 특징 데이터 선택 방법
2 2
제1항에 있어서,상기 정규화 단계는,특징 데이터의 연관성을 나타내는 클래스-특징 상호 정보를 계산하기 위하여의 식을 사용하며,이때, C는 클래스의 변수를, X는 특징 변수를, MI(C;Xi)는 클래스-특징 상호 정보를, H(C)는 클래스 변수 C의 엔트로피를, I(C;Xi)는 두 특징 변수 C, Xi의 상호 정보를 나타내는 패턴 인식을 위한 특징 데이터 선택 방법
3 3
제1항에 있어서,상기 정규화 단계는,특징 데이터의 중복성을 나타내는 특징-특징 상호 정보를 계산하기 위하여의 식을 사용하며,이때, MI(Xs;Xj)는 특징-특징 상호 정보를, B는 연속형 특징 데이터를 양자화하는 비트의 수를, I(XS;Xj)는 두 특징 변수 XS, Xj의 상호 정보를 나타내는 패턴 인식을 위한 특징 데이터 선택 방법
4 4
제1항에 있어서,상기 변환 단계는,상기 연속형 특징 데이터들을 8비트, 16비트 및 32비트 중 어느 하나로 양자화하는 패턴 인식을 위한 특징 데이터 선택 방법
5 5
제1항에 있어서,상기 제2 특징 선택 단계는,특징 데이터의 포텐셜을 계산하기 위하여의 식을 사용하며,이때, f(Xj)는 특징 데이터의 포텐셜을, MI(C;Xj)는 특징 데이터의 연관성 정보를, MI(XS;Xj)는 특징 데이터의 중복성 정보를 나타내는 패턴 인식을 위한 특징 데이터 선택 방법
6 6
입력된 데이터로부터 추출된 연속형 특징 데이터들을 평균이 0이고, 단위 표준 편차를 갖도록 정규화하는 데이터 정규화부;상기 정규화된 연속형 특징 데이터들을 이산형 특징 데이터들로 변환하는 데이터 변환부;상기 정규화된 이산형 특징 데이터들의 연관성을 계산하여 최대 연관성을 가지는 제1 특징 데이터를 선택하는 제1 특징 데이터 선택부와;상기 제1 특징 데이터 선택 단계에서 선택되지 않은 특징 데이터들의 포텐셜을 계산하여 가장 큰 포텐셜을 가지는 것을 제2 특징 데이터로 선택하는 제2 특징 데이터 선택부;를 포함하는 패턴 인식을 위한 특징 데이터 선택 장치
7 7
제6항에 있어서,상기 데이터 정규화부는,특징 데이터의 연관성을 나타내는 클래스-특징 상호 정보를 계산하기 위하여의 식을 사용하며,이때, MI(C;Xj)는 특징 데이터의 연관성 정보를, H(C)는 클래스 변수 C의 엔트로피를, I(C;Xi)는 두 특징 변수 C, Xi의 상호 정보를 나타내는 패턴 인식을 위한 특징 데이터 선택 장치
8 8
제6항에 있어서,상기 데이터 정규화부는,특징 데이터의 중복성을 나타내는 특징-특징 상호 정보를 계산하기 위하여의 식을 사용하며,이때, MI(XS;Xj)는 특징 데이터의 중복성 정보를, B는 연속형 특징 데이터를 양자화하는 비트의 수를, I(XS;Xj)는 두 특징 변수 XS, Xj의 상호 정보를 나타내는 패턴 인식을 위한 특징 데이터 선택 장치
9 9
제6항에 있어서,상기 데이터 변환부는,상기 연속형 특징 데이터들을 8비트, 16비트 및 32비트 중 어느 하나로 양자화하는 패턴 인식을 위한 특징 데이터 선택 장치
10 10
제6항에 있어서,상기 제2 특징 선택부는,특징 데이터의 포텐셜을 계산하기 위하여의 식을 사용하며,이때, f(Xj)는 특징 데이터의 포텐셜을, MI(C;Xj)는 특징 데이터의 연관성 정보를, MI(XS;Xj)는 특징 데이터의 중복성 정보를 나타내는 패턴 인식을 위한 특징 데이터 선택 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 지식경제부 경희대학교 산학협력단 대학 IT연구센터 지원 사업 동서신의학 u-라이프케어 기술 연구