대학교 코딩공부 58

리눅스 시스템의 부팅 과정 바이오스 단계 PC의 전원 스위치를 켜서 부팅하면 제일 먼저 바이오스(BOIS, basic input/output system) 가 동작 바이오스는 PC에 장착된 기본적인 하드웨어(키보드,디스크 등)의 상태를 확인한 후 부팅 장치를 선택하여 부팅디스크의 첫 섹터에서 512 바이트를 로딩 512 바이트가 마스터 부트 레코드(master boot record, MBR): 2차 부팅 프로그램(부트 로더) 의 위치에 저장 부트 로더 단계 바이오스 단계에서 MBR은 부트로더를 찾아 메모리에 로딩 부트 로더는 여러 운영체제 중에서 부팅할 운영체제를 선택할 수 있도록 메뉴를 제공 부트 로더는 리눅스 커널을 메모리에 로딩 리눅스 커널은 /boot 디렉터리 아래에 vmlinuz-버전명 의 형태..

분류기 구현 ( Classifier ) 구현 특징 추출을 분류하기 위해 선, 평면, 또는 초평면 방정식의 피라미터를 추정하는 과정 대표적인 방법 : Logistic Regression, Neural Networks, SVM 피쳐백터 간의 구분지을 수 있는 라인을 찾는 것. 2차원 공간 상 에서는 하나의 선 을 찾는것. 3차원 공간상 , N차원 공간 상에서는 원하는 하나의 공간 또는 면을 찾게된다. 분류기 구현 단계 구현 과정 데이터를 훈련집합, 테스트 집합으로 분류한다. 일반적으로 5:5 또는 7:3 정도의 비율로 나눈다. 훈련집합 : 분류기를 만들때에 사용, 테스트 집합 : 분류기를 만들고 난 후 성능 평가에 사용. 분류기의 종류 모델 선택 : 어떤 수학적 모델을 사용할 것 인지 결정. ( 선형, 비선..

프로세스를 생성하고 종료하는 시스템 호출/표준 라이브러리 함수 함수 의미 fork 자신과 완전히 동일한 프로세스를 생성한다. exec계열 지정한 실행 파일로부터 프로세스를 생성한다. exit 종료에 따른 상태값을 부모 프로세스에게 전달하며 프로세르를 종료한다. atexit exit로 프로세스를 종료할 때 수행할 함수를 등록한다. _exit atexit로 등록한 함수를 호출하지 않고 프로세스를 종료한다. 프로세스 생성 함수 #include #include #incldue void cleanupaction(void); main() { // 프로세스 식별번호 저장 pid_t pid; int i; for(i=0; i0) { for( ; i

샤프닝 필터 = 이미지를 선명하게 하고 싶을때 사용하는 필터. Finds edges or ehances details in an image [ 이미지 내부에서 밝기가 급격하게 변화되는 영역을 찾아냄 ]( 태두리 확인 ) 밝기가 동일한 영역 : 평탄한 영역 (Flat areas) 이미지의 평탄한 영역은 밑과 같다. 위 이미지의 중간부분 밝기가 급격하게 변하는 부분, 쉽게 말하면, 밑을 0 위를 1 이라고 하였을 떄, 0과 1 사이를 엣지 [ Edge ] 라고 한다. Model of a ramp digtal edge 모든 이미지가 딱딱 나누어지는 것이 아니다, 이러한 나누어 지지 않는 이미지의 중간부분을 Ramp 라고 한다. 이러한 렘프나 엣지의 밝기의 변화구간을 검출(Detection) 하는 방법 이웃하는..

프로세스 = 부모자식 관계 부모 프로세스는 자식 프로세스를 생성하고 자식 프로세스는 또 다른 자식 프로세스 생성 가능 자식 프로세스는 할 일이 끝나면 부모 프로세스에 결과를 돌려주고 종료 자식 프로세스가 종료 되면 부모 프로세스로 리턴값을 돌려주고 종료된다. 프로세스 종류 데몬 프로세스 백그라운드 에서 특정 서비스 제공하기 위해 존재, 리눅스 커널에 의해 실행 고아 프로세스 자식 프로세스가 아직 실행중인데 부모가 없어지면 발생, (init)1번 프로세스가 고아 프로세스의 새로운 부모가 되도록 지원 좀비 프로세스 자식 프로세스가 실행을 종료했는데도 리턴값이 정상적으로 돌아오지 않았을 때, 프로세스 테이블 목록에 남아 있는 경우 좀비 프로세스가 증가하면,프로세스 테이블의 용량이 부족해서 일반 프로세스가 실행..

특징 추출 ( Feature Extraction ) 서로 다른 부류에 속한 데이터를 구별짓기 위해 필요한 특징을 설계하고 추출하는 과정. 사람의 얼굴에서 안경을 썼냐, 머리 스타일이 어떠냐, 코의 모양은 어떠냐 등의 데이터를 뽑아내서 분류를 가장 잘 할 수 있는지를 결정 하는 특징을 추출하는것. ex) 특징 = 피부색, 눈 크기, 입술 크기 특징 벡터 X = {$x_1,x_2,x_3$} 특징 벡터의 차원 = 3차원 일정 눈, 피부색, 입술크기가 각각 0에 가까울수록 작음 0에 가까울수록 검정색임 0에 가까울수록 작음 으로 한다고 하면, 데이터 값의 학습을 축적 할 수 있다. A라는 사람이 있다고 하면, $X^1 =(x_1,x_2,x_3) = (0.854,0.221,0.134)$ 이런식 으로 추출 할 수 ..