• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.592-593
• /
• 2022

다중 데이터 기반의 행동 인식 과정에서 데이터 수집 반경이 비교적 제한되는 영상 데이터의 결측에 대한 보완이 요구된다. 본 논문에서는 6축 센서 데이터를 이용하여 결측된 영상 데이터를 생성함으로써 행동 인식의 성능을 개선하는 방법을 제안한다. 가속도와 자이로 센서로부터 수집된 행동 데이터를 이용하여 GAN(Generative Adversarial Network)을 통해 영상에서의 관절(Skeleton) 움직임에 대한 데이터를 생성하고자 한다. 이를 위해 DeepLabCut 기반 모델 학습을 통해 관절 좌표를 추출하며, 전처리된 센서 시퀀스 데이터를 가지고 GRU 기반 GAN 모델을 통해 관절 좌표에 대한 영상 시퀀스 데이터를 생성한다. 생성된 영상 시퀀스 데이터는 영상 데이터의 결측이 발생했을 때 대신 행동 인식 모델의 입력값으로 활용될 수 있어 성능 향상을 기대할 수 있다.

• Journal of Korea Water Resources Association
• /
• v.33 no.S1
• /
• pp.247-352
• /
• 2000

• The Korean Journal of Applied Statistics
• /
• v.31 no.1
• /
• pp.29-40
• /
• 2018

There are various reasons for missing values when collecting data. Missing values have some influence on the analysis and results; consequently, various methods of processing missing values have been studied to solve the problem. It is thought that the later point of view may be affected by the initial time point value in the repeated measurement data. However, in the existing method, there was no method for the imputation of missing values using this concept. Therefore, we proposed a new missing value imputation method in this study using clustering in initial time point of the repeated measurement data and the measure of property proposed by Kim and Kim (The Korean Communications in Statistics, 30, 463-473, 2017). We also applied the Monte Carlo simulations to compare the performance of the established method and suggested methods in repeated measurement data.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.105-105
• /
• 2011

전 세계적으로 이상기후의 발생이 빈번해지고 있으며, 특히 6~9월에 강우가 집중되는 우리나라의 경우에는 예측하지 못한 강우의 발생 빈도가 점점 증가하고 있어 이로 인한 인명 및 재산 피해 또한 심각한 문제가 되고 있다. 이러한 피해를 최소화하기 위해서는, 일반적으로 발생한 강우사상이 아니라 극치의 확률로 발생한 강우사상에 대한 실질적인 연구가 우선으로 수행되어야 한다. 기존의 극한강우에 대한 연구 중 대부분은 정량적인 기준보다는 정성적인 기준을 제시하고 있으며, 최근 국외에서는 STARDEX(Goodess, 2005)와 같은 극한지수를 선정하여 경향성을 분석하는 연구도 수행되고 있다. 국내에서도 극한지수를 사용한 연구사례가 있으나(최영은, 2004, 김보경 외, 2009), 국외에서 제안된 극한지수를 우리나라에 그대로 적용한 것이며, 이외에도 확률모형을 이용한 극한기후사상의 발생빈도 분석에 관한 연구도 활발히 수행되고 있는 추세이다. 본 연구에서는 확률적으로 양적, 시간적, 공간적 측면이 동시에 극한의 값을 갖는 사상을 극치사상이라고 정의하여, 발생 가능한 강수량의 최대량으로 주로 사용되는 가능최대강수량(PMP)과는 다른 의미의 강수량으로 분석하였다. 극한강우사상의 정량적인 분석을 위해, 안성천 유역 강우관측소의 시계열 강우자료를 토대로 전체 강우사상에 대한 강우지속시간, 총 강우량 및 최대 시강우량의 95퍼센타일, 시간에 대한 누적 강우량의 25퍼센타일과 75퍼센타일의 증가율로 계산된 강우 증가율 등 4가지 요소를 제안하였다. 이 방법을 IHP 시험유역인 평창강 유역에 적용하여 그 적용성을 검토하였으며, 극치사상으로 분석된 강우사상은 각 유역별 주요하천의 상위 12개 장기 유출량의 발생일과 비교하였다. 분석 결과, 하천과의 거리가 먼 관측소일수록 최대 유출량의 발생일과 극한강우사상의 발생일에 차이가 발생했으며, 결측자료가 많은 관측소의 경우에는 인근 관측소의 자료로 보완하였을 때 높은 정확도로 분석되는 것으로 보아, 결측자료에 대한 영향과 강우 관측소와 하천과의 거리에 대한 영향이 큰 것으로 판단되었다. 향후 연구에서는 거리 및 지형에 대한 영향과 결측자료의 보완을 통해 더 정확한 분석을 수행하여, 홍수위험도의 개선 및 장기 유출분석에 기여할 수 있을 것이다.

• Journal of Wetlands Research
• /
• v.13 no.2
• /
• pp.189-197
• /
• 2011

This paper reviewed application of data-driven method, distance-weighted method(IDWM, IEWM, CCWM, ANN), and radar data method estimated of missing raifall data. To evaluate these methods, statistics was compared using radar and station rainfall data from Imjin-river basin. The range of RMSE values calculated for CCWM, ANN was 1.4 to 1.79mm, and the range of RMSE values estimated data used for radar rainfall data was 0.05 to 2.26mm. Spatial characteristics is considered to Radar rainfall data rather than station rainfall data. Result suggest that estimated data used for radar data can impove estimation of missing raifall data.

• Journal of the Korean Society of Clothing and Textiles
• /
• v.33 no.3
• /
• pp.401-409
• /
• 2009

The shape of crotch area is very important to develop functional clothing as well as other ergonomic goods such as chair or saddle etc. However, it is inevitable that 3D scanned image of crotch would have missing part due to its folded shape including overlapping legs nearby. Therefore, the objectives of this research was to compare reconstruction methods of missing parts at crotch using seven dummies of real men's replicas. Two reconstruction methods adopted were kinds of 'fill- hole' in Rapidform 2004, one was 'smooth' and the other was 'curvature'. Each restored image was compared with the original shape of the dummies. As results, the average distance was 0.66mm between original and 'smooth' treated images and 0.59mm between original and 'curvature' treated, which was not statistically different. Average area of restored crotch region was $8740.04cm^2$ by 'smooth' method and $8405.02cm^2$ by 'curvature' method which is close to the original area of $8413.76cm^2$. Statistical difference was found between images of original and 'smooth' ones$(p=0.04^*)$. However, there was no difference between original and 'curvature' treated images, which indicates that 'curvature' method is more useful to fill the hole compared with 'smooth' method.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.10a
• /
• pp.501-503
• /
• 2017

In the water sector, various data such as flow rate, pressure, water quality and water level are collected during the whole process of water purification plant and piping system. The collected data is stored in each water treatment plant's DB, and the collected data are combined in the regional DB and finally stored in the database server of the head office of the Korea Water Resources Corporation. Various abnormal data can be generated when a measuring instrument measures data or data is communicated over various processes, and it can be classified into missing data and wrong data. The cause of each abnormal data is different. Therefore, there is a difference in the method of detecting the wrong side and the missing side data, but the method of cleansing the data is the same. In this study, a program that can automatically refine missing or wrong data by applying deep learning LSTM (Long Short Term Memory) algorithm will be studied.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.305-309
• /
• 2012

한국건설기술연구원의 주요사업인 "산지하천 유역의 홍수예측을 위한 수문조사(2011~2015년)"의 Test-bed 유역중의 하나인 설마천 유역(경기도 파주시 적성면)의 중류부에 위치한 사방교 수위관측소는 2011년 7월 중부지방의 집중호우에 의해 수위관측소가 유실되는 초유의 사태가 발생한 바 있다. 이에 따라 수위관측기기와 부대시설물이 모두 피해를 입었으며, 그 이후 수위관측소 운영이 중단되었다. 다만 유역출구인 전적비교 수위관측소는 일부분 피해가 있었으나, 정상적인 기능을 유지하여 결측이 없는 운영이 이루어졌다. 2011년 사방교 수위관측소의 수위관측 자료는 호우피해 발생 이전 관측자료 수집이 이루어진 2011년 7월 8일 13:30분까지 자료가 있으며, 그 이후는 호우피해에 의한 관측기기의 유실로 모두 결측이다. 따라서 본 연구는 2011년 7월 8일 13:30분 이후 관측이 이루어지지 못한 사방교 수위관측소의 유량자료를 모의 생성한 후 유역출구인 전적비교 수위관측소의 유량자료와 상 하류 유량 및 유출률 검토를 통하여 미관측기간의 결측자료를 최종 생성하였다. 최종 모의 생성된 유량자료는 2011년 이전의 유역의 수문학적 특성과 매우 유사한 경향을 보이므로 모의 생성된 결과는 매우 양호한 것으로 판단된다. 이러한 결과는 설마천 유역의 지속적인 운영과 아울러 6개 우량관측소의 우량자료와(2011년 7월 집중호우에 의해 1개 우량관측소 유실 발생), 유역출구인 전적비교 수위관측소의 신뢰성 높은 수위, 유량자료가 있었기에 가능한 일이다. 설마천 유역 수문자료는 홈페이지(http://seolmacheon.kict.re.kr)와 동시에 운영되는 '설마천-차탄천 수문정보시스템'을 통해 유역정보 및 자료를 저장하고 있으며, 제공을 통해 자료를 공유하고 있다.

• Journal of Korea Water Resources Association
• /
• v.41 no.10
• /
• pp.1059-1065
• /
• 2008

Rainfall data is the most basic input data to analyze the hydrological phenomena and can be missing due to various reasons. In this research, a neural network based model to estimate missing rainfall data as approximate values was developed for 12 rainfall stations in the Soyang river basin to improve existing methods. This approach using neural network has shown to be useful in many applications to deal with complicated natural phenomena and displayed better results compared to the popular offline estimating methods, such as RDS(Reciprocal Distance Squared) method and AMM(Arithmetic Mean Method). Additionally, we proposed automated data reconciliation systems composed of a neural network learning processer to be capable of real-time reconciliation to transmit reliable hydrological data online.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.1
• /
• pp.181-187
• /
• 2021

Recently, various air pollution factors have been measured and analyzed to reduce damages caused by it. In this process, many missing values occur due to various causes. To compensate for this, basically a vast amount of training data is required. This paper proposes a statistical techniques that effectively compensates for missing values generated in the process of measuring ozone, carbon dioxide, and ultra-fine dust using a small amount of learning data. The proposed algorithm first extracts a group of meteorological data that is expected to have positive effects on the correction of missing values through statistical information analysis such as the correlation between meteorological data and air pollution level factors, p-value, etc. It is a technique that efficiently and effectively compensates for missing values by analyzing them. In order to confirm the performance of the proposed algorithm, we analyze its characteristics through various experiments and compare the performance of the well-known representative algorithms with ours.