맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

판정불능집단을 함께 분류하는 패턴 분류방법

  • 기술번호 : KST2015207732
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 본 발명은 판정 불능 집단을 분류하여 분류의 정확도를 높이는 판정불능집단을 함께 분류하는 패턴 분류방법을 제공한다.이를 위해 본 발명에 따른 판정불능집단을 함께 분류하는 패턴 분류방법은 하나 이상의 실제 클래스 라벨을 정의하고, 하나 이상의 특징벡터를 입력하는 제1단계, 상기 특징벡터를 정의된 실제 클래스 라벨로 분류하기 위해 제1패턴 분류기를 생성하여 제1경계면을 찾는 제2단계, 생성된 상기 제1패턴분류기에 의해 찾은 상기 제1경계면을 따라 상기 특징벡터를 분류하여 분류 클래스 라벨을 부여하는 제3단계, 상기 제1패턴분류기에 의해 분류된 상기 분류 클래스 라벨과 상기 실제 클래스라벨간 일치하는지 비교하는 제4단계, 및 상기 분류 클래스 라벨과 상기 실제 클래스 라벨이 일치하는 특징벡터를 올바르게 분류된 클래스로 정의하고, 불일치하는 특징벡터를 잘못 분류된 클래스로 정의하는 제5단계를 포함하는 것을 특징으로 한다.판정 불능, 분류기
Int. CL G06F 15/18 (2006.01) G06F 19/00 (2011.01)
CPC G06F 17/30598(2013.01)G06F 17/30598(2013.01)
출원번호/일자 1020090114665 (2009.11.25)
출원인 한국 한의학 연구원
등록번호/일자 10-1139913-0000 (2012.04.18)
공개번호/일자 10-2011-0058013 (2011.06.01) 문서열기
공고번호/일자 (20120430) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2009.11.25)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국 한의학 연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 도준형 대한민국 대전시 유성구
2 김성훈 대한민국 대전광역시 유성구
3 김근호 대한민국 대전광역시 서구
4 김종열 대한민국 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 이원희 대한민국 서울특별시 강남구 테헤란로 ***, 성지하이츠빌딩*차 ***호 (역삼동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국 한의학 연구원 대전광역시 유성구
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		 2009.11.25 수리 (Accepted) 1-1-2009-0725584-15
2 선행기술조사의뢰서
Request for Prior Art Search		 2010.10.07 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2010.11.15 수리 (Accepted) 9-1-2010-0070461-90
4 의견제출통지서
Notification of reason for refusal		 2011.03.25 발송처리완료 (Completion of Transmission) 9-5-2011-0165387-31
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2011.04.22 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2011-0302184-59
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2011.04.22 수리 (Accepted) 1-1-2011-0302182-68
7 의견제출통지서
Notification of reason for refusal		 2011.09.26 발송처리완료 (Completion of Transmission) 9-5-2011-0548153-93
8 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2011.11.03 수리 (Accepted) 1-1-2011-0866059-22
9 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2011.11.03 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2011-0866060-79
10 등록결정서
Decision to grant		 2012.02.22 발송처리완료 (Completion of Transmission) 9-5-2012-0104815-53
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2013.06.11 수리 (Accepted) 4-1-2013-0024945-61
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
패턴 분류 알고리즘의 오류율을 최소화하기 위해 판정불능집단을 함께 분류하는 처리를 컴퓨터에 실행시키는 패턴 분류방법에 있어서, 상기 처리는, 하나 이상의 실제 클래스 라벨을 정의하고, 하나 이상의 특징벡터를 입력하는 제1단계와, 상기 특징벡터를 정의된 실제 클래스 라벨로 분류하기 위해 제1패턴 분류기를 생성하여 제1경계면을 찾는 제2단계와, 생성된 상기 제1패턴분류기에 의해 찾은 상기 제1경계면을 따라 상기 특징벡터를 분류하여 분류 클래스 라벨을 부여하는 제3단계와, 상기 제1패턴분류기에 의해 분류된 상기 분류 클래스 라벨과 상기 실제 클래스라벨간 일치하는지 비교하는 제4단계 및 상기 분류 클래스 라벨과 상기 실제 클래스 라벨이 일치하는 특징벡터를 올바르게 분류된 클래스로 정의하고, 불일치하는 특징벡터를 잘못 분류된 클래스로 정의하는 제5단계를 포함하고, 상기 제5단계는, 정의된 올바르게 분류된 클래스 라벨과 잘못 분류된 클래스 라벨을 분류하기 위해 제2패턴 분류기를 생성하여 제2경계면을 찾는 제1과정과, 상기 제2경계면을 기준으로 특징 벡터를 올바르게 분류된 클래스 라벨과 잘못 분류된 클래스 라벨로 분류하는 제2과정 및 상기 제1과정 이전에 상기 제2경계면을 따라 특징 벡터를 분류할 때 발생되는 분류 오류 비율을 조정하는 제1'과정을 포함하는 패턴 분류방법
2 2
삭제
3 3
삭제
4 4
제 1항에 있어서, 상기 분류 오류 비율은, 올바르게 분류된 클래스 라벨로 분류되어야 하는 특징 벡터가 잘못 분류된 클래스 라벨로 분류가 되는 오류와, 잘못 분류된 클래스 라벨로 분류되어야 하는 특징 벡터가 올바르게 분류된 클래스 라벨로 분류가 되는 오류의 비율로 정의되는 패턴 분류방법
5 5
제 4항에 있어서, 상기 처리는, 상기 제2패턴 분류기를 이용하여 특징 벡터를 올바르게 분류된 클래스 라벨과 잘못 분류된 클래스 라벨로 분류하고, 상기 잘못 분류된 클래스 라벨을 판정 불능 집단으로 분류하며, 상기 판정 불능 집단의 특징 벡터는 패턴 분류에서 제외하는 제6단계를 더 포함하는 패턴 분류방법
6 6
제 5항에 있어서, 상기 처리는, 상기 제6단계에서 올바르게 분류된 클래스 라벨의 특징 벡터가 상기 제1패턴 분류기에 의해 분류되어 분류 클래스 라벨이 부여되는 제7단계를 더 포함하는 패턴 분류방법
7 7
제 6항에 있어서, 상기 제1패턴분류기는 에스브이엠(SVM), 뉴럴네트워크(Neural Network), 디시젼 트리(Decision Tree) 중 어느 하나인 패턴 분류방법
8 8
제 7항에 있어서, 상기 제2패턴분류기는 에스브이엠(SVM), 뉴럴네트워크(Neural Network), 디시젼 트리(Decision Tree) 중 어느 하나인 패턴 분류방법
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 교육과학기술부 한국한의학연구원 기관고유과제 체질건강지수 정량화를 위한 측정표준개발