| 1 |
1
컴퓨터를 이용하여 다중 센서 신호들에 기반하는 상황 인식 방법으로서,상기 컴퓨터가,(i) 측정 구간(window) 동안에 수신된 다중 센서 신호들을, 복수의 다중 센서 신호들에 기초하여 하나의 상황 클래스(context class)를 결정하도록 설정된 분류기(classifier)에 입력하여, 해당 측정 구간의 다중 센서 신호들에 관한 상황 클래스를 결정하는 단계;(ii) 만약 상기 단계 (i)에서 상황 클래스를 결정하지 못하였거나 아직 아무 상황 클래스도 구축되기 전인 경우에 상기 수신된 다중 센서 신호들을, 또는 훈련 데이터셋(training dataset)에 포함된 다중 센서 신호들을 전처리(preprocessing)하는 단계;(iii) 상기 전처리된 다중 센서 신호들로부터, 다중 센서 신호들 사이의 종속 관계를 그래프로 표현한 상황 네트워크(context network)를 생성하는 단계;(iv) 상기 상황 네트워크로부터 경로 패턴들을 추출하는 단계; 및(v) 상기 추출된 경로 패턴들을 기초로, 상기 다중 센서 신호들이 입력되면 상응하는 상황 클래스가 판정되도록, 분류기를 설정하는 단계를 포함하는 것으로,상기 (V) 단계는, 각 상황 클래스마다 추출된 경로 패턴들의 빈도들을 기초로, 각 상황 클래스의 경로 패턴들 중에서 가장 높은 출현 확률을 가지는 경로 특징들로부터 정해진 수만큼의 경로 특징들을 선택하고, 선택된 경로 특징들을 구성하는 다중 센서 신호들을 신경망의 입력 노드들에 할당하고, 상황 클래스들을 출력노드에 각각 할당하여 신경망을 구성하되, 신경망의 출력 노드들의 출력값들이 모두 소정의 문턱값 보다 낮으면 상황 클래스 테이블에 새로운 상황 클래스를 등록하는 단계를 포함하는 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 방법
|
| 2 |
2
청구항 1에 있어서, 상기 상황 네트워크는 방향성 비순환 그래프(directed acyclic graph)로 표현되는 베이지언 네트워크(Bayesian network)인 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 방법
|
| 3 |
3
청구항 2에 있어서, 상기 베이지언 네트워크는 K2 알고리즘을 통해 획득되는 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 방법
|
| 4 |
4
청구항 2에 있어서, 상기 경로 패턴은 상기 상황 네트워크의 루트 노드로부터 말단 노드까지 이어지는 모든 가능한 경로들의 각각인 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 방법
|
| 5 |
5
청구항 1에 있어서, 상기 분류기는 신경망 기반 분류기이고, 상기 단계 (v)는,각 상황 클래스마다 추출된 경로 패턴들의 빈도들을 기초로, 각 상황 클래스의 경로 패턴들 중에서 가장 높은 출현 확률을 가지는 경로 특징들로부터 정해진 수만큼의 경로 특징들을 선택하는 단계;상기 선택된 경로 특징들을 구성하는 다중 센서 신호들이 신경망의 입력 노드들에 각각 할당되고 또한 상황 클래스들이 상기 신경망의 출력 노드들에 각각 할당되도록, 상기 신경망을 구성하는 단계; 및상기 다중 센서 신호들이 상기 신경망의 입력 노드들에 입력될 때에, 상기 신경망의 출력 노드들의 출력값들에 의해 상응하는 상황 클래스가 판정되도록, 상기 신경망의 가중치(weight) 값들을 결정하는 단계를 포함하는 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 방법
|
| 6 |
6
청구항 1에 있어서, 상기 분류기는 신경망 기반 분류기이고, 상기 단계 (i)와 상기 단계 (ii) 사이에, 만약 상기 단계 (i)에서 상황 클래스를 결정하지 못하였거나 아직 아무 상황 클래스도 구축되기 전이면 새로운 상황 클래스를 추가하는 단계를 더 포함하는 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 방법
|
| 7 |
7
컴퓨터에서 청구항 1 내지 청구항 6 중 어느 한 청구항에 따른 다중 센서 신호 기반 상황 인식 방법의 각 단계들을 수행하도록 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 기록된 컴퓨터 프로그램
|
| 8 |
8
소정의 측정 구간마다 다중 센서 신호들 및 상황 클래스로 구성되는 훈련 데이터셋을 저장하는 훈련 데이터셋 저장부;새로운 상황 클래스가 필요한 다중 센서 신호들, 또는 상기 훈련 데이터셋에 포함된 다중 센서 신호들을 전처리하고, 상기 전처리된 다중 센서 신호들 사이의 종속 관계를 그래프로 표현한 상황 네트워크를 생성하며, 각각의 상기 상황 네트워크로부터 경로 패턴들을 추출하는 구조 학습부; 및상기 새로운 상황 클래스가 필요한 다중 센서 신호들로부터 추출된 경로 패턴들 또는 상기 훈련 데이터셋에 포함된 다중 센서 신호들로부터 상황 클래스마다 추출된 경로 패턴들을 기초로, 다중 센서 신호들이 입력되면 상응하는 상황 클래스가 판정되도록 설정되고, 외부에서 수신되는 다중 센서 신호들에 기초하여 하나의 상황 클래스를 판정하여 출력하는 분류기를 포함하는 것으로,상기 분류기는, 각 상황 클래스마다 추출된 경로 패턴들의 빈도들을 기초로, 각 상황 클래스의 경로 패턴들 중에서 가장 높은 출현 확률을 가지는 경로 특징들로부터 정해진 수만큼의 경로 특징들을 선택하고, 선택된 경로 특징들을 구성하는 다중 센서 신호들을 신경망의 입력 노드들에 할당하고, 상황 클래스들을 출력노드에 각각 할당하여 신경망을 구성하고,상기 신경망의 출력 노드들의 모든 출력값들이 소정의 문턱값보다 낮으면 상기 상황 클래스 테이블에 새로운 상황 클래스를 추가로 등록하는 신경망 연산부를 더 포함하는 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 장치
|
| 9 |
9
청구항 8에 있어서, 상기 상황 네트워크는 방향성 비순환 그래프로 표현되는 베이지언 네트워크인 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 장치
|
| 10 |
10
청구항 9에 있어서, 상기 베이지언 네트워크는 K2 알고리즘을 통해 획득되는 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 장치
|
| 11 |
11
청구항 9에 있어서, 상기 경로 패턴은 상기 상황 네트워크의 루트 노드로부터 말단 노드까지 이어지는 모든 가능한 경로들의 각각인 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 장치
|
| 12 |
12
청구항 11에 있어서, 상기 분류기는 각 상황 클래스마다 추출된 경로 패턴들의 빈도들을 기초로, 각 상황 클래스의 경로 패턴들 중에서 가장 높은 출현 확률을 가지는 경로 특징들로부터 정해진 수만큼의 경로 특징들을 선택하는 경로 특징 선택부;각 상황 클래스의 다중 센서 신호들이 신경망의 입력 노드들에 입력될 때에 상응하는 상황 클래스가 결정되도록, 상기 신경망의 가중치 값들을 설정하는 신경망 설정부; 및상기 훈련 데이터셋에 포함된 상황 클래스들 또는 새로 추가된 상황 클래스를 저장하며, 각 상황 클래스마다 추출된 상황 네트워크들 및 경로 패턴들을 저장하는 상황 클래스 테이블을 포함하고,상기 신경망은 상기 경로 특징들을 구성하는 다중 센서 신호들이 상기 신경망의 입력 노드들에 각각 할당되고 또한 상기 상황 클래스들이 상기 신경망의 출력 노드들에 각각 할당되도록 구성되는 것을 특징으로 하는 다중 센서 신호 기반 상황 인식 장치
|
| 13 |
13
삭제
|
