• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.259-261
• /
• 2002

대부분의 자동문서분류 시스템은 문서에 사용된 단어의 분포만 고려하고, 또 하나의 중요한 정보인 통사 정보는 무시한다. 본 논문에서는 통사정보와 어휘정보를 모두 사용함으로써 대규모의 비구조 문서를 분류하는 방법을 제시한다. 이를 위해, 학습 데이터에 대해 독립된 두 개의 관점을 요구하는 일종의 부분 감독 학습 알고리즘인 co-training 알고리즘을 사용한다. 어휘정보와 통사정보가 각각 문서의 독립된 관점이 될 수 있으므로, 이 두 정보와 레이블이 없는 문서를 사용하여 문서 분류의 성능을 높일 수 있다. Reelers-21578 문서집합과 TREC-7 filtering 문서집합에 대한 실험 결과는 제시된 방법의 유효성을 보인다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.24 no.1
• /
• pp.139-145
• /
• 2006

The advantage of the lidar data is in fast acquisition and process time as well as in high accuracy and high point density. However lidar data itself is difficult to classify the earth surface because lidar data is in the form of irregularly distributed point clouds. In this study, we investigated land cover classification using both lidar data and optical image through a supervised classification method. Firstly, we generated 1m grid DSM and DEM image and then nDSM was produced by using DSM and DEM. In addition, we had made intensity image using the intensity value of lidar data. As for optical images, the red, blue, green band of CCD image are used. Moreover, a NDVI image using a red band of the CCD image and infrared band of IKONOS image is generated. The experimental results showed that land cover classification with lidar data and optical image together could reach to the accuracy of 74.0%. To improve classification accuracy, we further performed re-classification of shadow area and water body as well as forest and building area. The final classification accuracy was 81.8%.

• Proceedings of the KSRS Conference
• /
• 2001.03a
• /
• pp.62-69
• /
• 2001

본 연구에서는 해상도가 상이한 시기별 위성영상과 GIS를 이용하여 경남 통영시 한산면 추봉도 지역의 소나무재선충(Bursaphelenchus Xylophilus) 피해지역을 탐지하고 다양한 영상처리를 통하여 이를 효율적으로 추출 할 수 있는 기법을 선정하였다. 연구결과 피해지역의 공간적 범위를 추출하기 위해서는 감독분류의 MHC(Mahalanobis Distance Classification)가 유용하였고 벌채 후의 토지피복 분류로 인한 피해지역 추출을 위해서는 MLC(Maximum Likelihood Classification)가 최적한 기법으로 나타났다. 아울러 이에 관련된 GIS를 구축하여 공간정보를 추출함으로써 피해지역의 공간적 분포특성을 규명하였는데 고도 약 120-160m, 경사 21$^{\circ}$-40$^{\circ}$ 그리고 서쪽 방향 사면에서 소나무재선충이 가장 활발하게 활동하였음이 밝혀졌다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.06a
• /
• pp.227-231
• /
• 2008

최근 국내에서 USN(Ubiquitous Sensor Network) 연구가 활성화 되면서 GIS 분야에서도 USN을 연동한 실시간 GIS 시스템이 구축되고 있다. GIS 분야 중 지하시설물은 그 중요성에 비해 관리 감독의 어려움에 의해 정량적 분석이 어려운 실정이다. 본 연구에서는 지하시설물을 획기적으로 정밀하게 관리 감독할 수 있는 UFSN(Underground Facility Sensor Network) 기반 지하시설물 관리시스템을 구축하기에 앞서 요구되는 지하시설물 관리데이터를 분석하였다. 또한 이 관리데이터를 구조화하는데 필요한 메타데이터를 USN 메타데이터 표준과 국토해양부 3차원 공간정보 메타데이터 표준을 조합하여 지하시설물 관리시스템에 필요한 메타데이터로 분류하였고, 분류된 메타데이터를 작성할 수 있는 지하시설물 메타데이터 편집도구를 개발하였다. 본 연구에서 제시한 UFSN 기반 지하시설물 메타데이터는 개발된 편집도구에 의해 작성되어 실제 관리시스템에 적용될 예정이며, 향후 USN 기반 GIS 시스템 개발에 크게 기여할 수 있을 것으로 기대된다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.19 no.10
• /
• pp.633-639
• /
• 2018

High-resolution images using remote sensing (RS) is importance to secure for spatial classification depending on the characteristics of the complex and various factors that make up the river environment. The purpose of this study is to evaluate the accuracy of the classification results and to suggest the possibility of applying the high resolution hyperspectral images obtained by using the drone to perform spatial classification. Hyperspectral images obtained from study area were reduced the dimensionality with PCA and MNF transformation to remove effects of noise. Spatial classification was performed by supervised classifications such as MLC(Maximum Likelihood Classification), SVM(Support Vector Machine) and SAM(Spectral Angle Mapping). In overall, the highest classification accuracy was showed when the MLC supervised classification was used by MNF transformed image. However, it was confirmed that the misclassification was mainly found in the boundary of some classes including water body and the shadowing area. The results of this study can be used as basic data for remote sensing using drone and hyperspectral sensor, and it is expected that it can be applied to a wider range of river environments through the development of additional algorithms.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.637-639
• /
• 2021

인공지능 기반의 생활폐기물의 인식 및 선별에서, 선별 정확도의 저하는 인식 대상의 형태적 다양성과 학습데이터 부족 및 불균등성에 기인한다. 본 연구에서는 비전 인공지능 기반의 효과적인 폐기물 선별을 위한 인식 시스템 및 감독학습 기반의 인공지능 학습 기법을 제안한다. 생활폐기물 중 순환자원적 가치가 높은 CAN, PET, 그리고 이와 형상적으로 유사한 폐기물에 대해 본 연구에서 제안된 시스템에서 물체원형 및 훼손된 형태의 총 18 종 이미지 데이터를 대상으로, 감독학습기반의 인공지능 모델 제작에서 최적의 데이터 레이블링을 위한 분류체계를 제시한다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.22 no.1
• /
• pp.81-88
• /
• 2014

The researcher of this study applied PCA on aerial hyper-spectral sensor and selectively combined bands which contain high amount of information, creating five types of PCA images. By applying Spectral Angle Mapping-supervised classification technique on each type of image, classification process was carried out and accuracy was evaluated. The test result showed that the amount of information contained in the first band of PCA-transformation image was 76.74% and the second accumulated band contained 98.40%, suggesting that most of information were contained in the first and the second PCA components. Quantitative classification accuracy evaluation of each type of image showed that total accuracy, producer's accuracy and user's accuracy had similar patterns. What drew the researcher's attention was the fact that the first and the second bands of the PCA-transformation image had the highest accuracy according to the classification accuracy although it was believed that more than four bands of PCA-transformation image should be contained in order to secure accuracy when doing the qualitative classification accuracy.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.3 no.1
• /
• pp.5-15
• /
• 2001

For estimating paddy field area with Landsat TM images, two dates, May 31, 1991 (transplanting stage) and August 19, 1991 (heading stage) were selected by the data analysis of digital numbers considering rice cropping calendar. Four different estimating methods (1) rule-based classification method, (2) supervised classification(maximum likelihood), (3) unsupervised classification (ISODATA, No. of class:15), (4) unsupervised classification (ISODATA, No. of class:20) were examined. Paddy field area was estimated to 7291.19 ha by non-classification method. In comparison with topographical map (1:25,000), accuracy far paddy field area was 92%. A new image stacked by 10 layers, Landsat TM band 3,4,5, RVI, and wetness in May 31,1991 and August 19,1991 was made to estimate paddy field area by both supervised and unsupervised classification method. Paddy field was classified to 9100.98 ha by supervised classification. Error matrix showed 97.2% overall accuracy far training samples. Accuracy compared with topographical map was 95%. Unsupervised classifications by ISODATA using principal axis. Paddy field area by two different classification number of criteria were 6663.60 ha and 5704.56 ha and accuracy compared with topographical map was 87% and 82%. Irrespective of the estimating methods, paddy fields were discriminated very well by using two-date Landsat TM images in May 31,1991 (transplanting stage) and August 19,1991 (heading stage). Among estimation methods, rule-based classification method was the easiest to analyze and fast to process.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.8-13
• /
• 2007

2005년 남극의 해빙을 촬영한 Kompsat-1 EOC 영상을 이용하여 SSM/I와 AMSR-E 해빙 면적비를 비교， 분석하였다. EOC 영상은 남극의 봄철에 해당하는 9-11월 사이에 남극 대륙의 가장자리를 가로지르는 11 개 궤도로부터 총 676개 영상이 획득되었으며， 이 중 대기 및 광량 조건이 양호한 68개 의 영상을 선별하였다. EOC 영상에 감독분류 방볍 을 적 용하여 표면 유형 을 White ice(W), Grey ice(G), Dark-grey ice(D), Ocean(O)로 분류하였고 해빙 면적비를 산출하였으며, 이를 NASA Team Algorithm(NT)으로 계산된 SSM/I 해빙 면적비, NASA Team2 Algorithm(NT2)으로 계산된 AMSR-E 해빙 면적비와 비교하였다. 남극의 봄철에 SSM/I 해빙 면적비는 EOC W+G 면적비와 잘 일치하였고，AMSR-E 해빙 면적비는 EOC W+G+D 면적비와 좋은 상관성을 나타내었다. 따라서 이 시기의 남극 SSM/I NT 해빙 면적비는 W와 G만을 반영하며, AMSR-E NT2 해빙 면적비는 D도 포함하는 것을 알 수 있었다. 또한 AMSR-E가 SSM/I보다 높은 해빙 면적비를 나타내는 것을 확인하였으며，두 수동 마이크로파 해빙 면적비의 차이는 EOC D 면적비와 높은 상관성을 보였다. 이로부터 EOC 영상에서 분류된 D와 NT2에 서 고려되는 Ice type C가 서로 유사한 해빙 유형임을 추정할 수 있었다.

• Journal of the Korean association of regional geographers
• /
• v.20 no.2
• /
• pp.206-216
• /
• 2014

In this study, forest types in Chungheongnam-do were analyzed using Landsat satellite images and digital forest type map as a means to estimate forest carbon stocks. NDVI and Tasseled Cap, ISODATA, and supervised classification among others were used to analyze the forest types. The forest carbon stocks of Chungcheongnam-do were estimated utilizing forest statistical data derived from the classified results. The results indicate that the analysis of forest types through supervised classification yielded the highest overall accuracy in analyzing forest types using satellite images. Coniferous forests(49.3%) accounted for the highest proportion in all the forest types of Chungcheongnam-do, followed by deciduous forests(28.0%) and mixed forests(22.7%). The results of a comparative analysis between forest carbon stocks estimates made using the modified digital forest type map and other estimation methods showed that the method using Tasseled Cap and unsupervised classification yielded the most similar forest carbon stock estimates. The most significant difference, though, was made when only the digital forest type map was used. It is expected that if carbon stocks are estimated by integrating satellite images and digital forest type maps in the future, more accurate results can be derived in estimating forest carbon stocks at a national level.