객체들이 할 수 있는 행위 각각에 대해 class를 생성하고, 그 class들을 캡슐화하는 interface를 정의하여 객체의 행위를 바꾸고 싶은 경우 객체를 직접 수정하지 않고 class를 바꿔주기만 함으로써 확장하는 방법.

Fourier's Idea : 어느 함수든 다른 주파수들의 사인함수들의 합으로 표현 가능 시간상의 시그널을 Fourier Transform을 하면 주기함수로 분해가능 -> 그 크기대로 표현한 것 -> 어느 주파수를 많이 가지고 있구나를 파악 가능 주기가 짧은 주기 함수 -> 주파수가 높다 ->높은 주파수 영역에 몰린다 주기가 긴 주기함수 -> 주파수가 낮다 -> 주파수가 작은 쪽에 에너지가 몰린다 2차원의 DFT DC: 입력 데이터의 평균값 x축의 왼쪽으로 갈수록 주기가 짧은 함수 x축의 오른쪽으로 갈수록 주기가 긴 함수 어두운 부분: 높은 주파수가 없음 -> 변화율이 낮음 밝은 부분: 높은 주파수가 많음 -> 변화율이 높음 대각선으로 변하는 부분이 변화율이 커져서 밝음 주파수 도메인을 이용해서 filt..

Spatial Filtering: 이미지로부터 각각의 픽셀 값들을 해당 픽셀 값과 이웃한 픽셀 값들에 어떤 함수에 의해 바꿔주는 것. smooting filter를 씌워보자 그때 그 방법은 Moving average이다. Moving Average=Mean filtering 1. 위의 가장 좌측 9칸의 픽셀값으로부터 평균을 구해서 이를 9칸의 가운데 칸에 픽셀값으로 대체한다. 2. 오른쪽으로 이동하여 다시 9칸의 평균을 구해 반복한다. 이런식으로 다 채우면 Linear System의 특징 1. Shift-Invariant : 이미지가 shift 된다 해도, 영향없다 2. Superposition 3. Homogeneity 4. Additivity Linear filtering : cross-correla..

색을 다른 색과 구분하는 요소는 3가지가 있다. Brightness: 밝기 Hue: 관찰자가 인지하는 색 Saturation: 색의 선명도,채도(hue와 섞여진 흰색의 양) * Saturation이 작으면 해당 색은 gray처럼 보이게 된다. Color Model 1) RGB Color Model : 디스플레이나 카메라에 많이 사용 2) CMY Color Model Cyan, Magenta, Yellow : 프린팅에 주로 사용 3) HSI Color Model Hue, Saturation, Intensity : 인간의 해석에 주로 사용 수직 방향: 밝기(Intensity) -> 위로갈수록 밝고 아래로 갈수록 어둡다 수평 방향: 색(Hue) -> 원점으로부터 얼마나 회전했느냐(세타)로 색 표현 원점으로부터..

불확실성의 원인 약한 관련성의 지식 : 약한 인과성이나 애매한 연관관계인 지식의 표현 ex) IF Then 사이의 연관성의 강 -> 확신도, 베이즈 정리 사용해서 해결 부정확한 언어 사용 : 자연어는 본질적으로 모호하고 부정확 ex) 자주, 크다, 무겁다 -> 퍼지이론 사용해서 해결 불완전하거나 결손된 데이터에 기반한 지식 -> 알려지지 않은 것으로 간주하고, 근사적 추론 진행 모순된 견해와 상충되는 지식의 통합 -> 지식 소스 별로 가중치 부여 확신도 규칙과 사실의 신뢰정도를 [-1,1] 구간의 값으로 표현 1 강한 신뢰, -1 강한 불신 규칙과 사실에 확신도 cf 부여 규칙에 대한 추론 결과의 확신도 계산법 1) 단일 규칙일 때 -> 결과= 사실 * 규칙 2) and 규칙일 때 -> 결과= min( ..

기계학습 : 자동으로 분류 규칙이나 프로그램 생성 연역적(deductive) 학습 : 연역적 추론(논리적 추론)을 통한 학습 귀납적(inductive) 학습 사례들을 일반화하여 패턴 또는 모델을 추출하는 것. 기계학습의 대상. 학습 데이터를 잘 설명할 수 있는 패턴을 찾는 것. 오컴의 면도날(Occam's razor) 원리 : 가능하면 학습 결과를 간단한 형태로 표현하는 것이 좋다. 기계학습의 종류 지도학습(supervised learning) : 입력(문제) - 출력(답)의 데이터들로부터 새로운 입력에 대한 출력을 결정할 수 있는 패턴 추출 비지도학습(unsupervised learning) : 출력에 대한 정보가 없는 데이터로부터 필요한 패턴 추출 반지도학습(semisupervised learning..