• Spatial Information Research
• /
• 제20권1호
• /
• pp.9-18
• /
• 2012

최근 우리나라는 여름에 집중호우로 인한 산사태로 그 피해가 계속되고 있다. 이러한 산사태는 매년 반복적으로 발생하고 있으며 급격한 기후의 변화로 인해 앞으로 그 발생빈도가 높아질 것으로 예측된다. 우리나라는 인구의 81.5%가 도시지역에 거주하고 있으며 서울에만 약 1,055만 명이 거주하고 있다. 2011년 18명의 사망자가 발생한 서초동 산사태와 동일한 조건에 인접한 대지는 서울시에서 약 9%에 달한다. 도시에서 발생하는 산사태는 그 규모는 작으나 인구가 집중하는 도시의 특성으로 인해 큰 재난을 야기할 가능성이 있다. 현재까지는 산사태의 취약성과 발생 원인을 규명하기 위한 노력이 지속되어 왔으나 산사태 발생 시 재난지역의 범위에 관한 예측 연구가 새롭게 요구되고 있다. 이에 본 연구에서는 산사태의 물리적 확산형태를 분석하기 위하여 셀룰러 오토마타(Cellular Automata, CA) 기반의 산사태 재난지역 확산모델을 구축하였다. 이동규칙, 지형에 의한 장애물을 변수로 하는 SCIDDICA(SmartComputational Innovative methoDs for Debris flow simulation with Cellular Automata)모델과 침전 및 침식에 따른 변화를 적용한 CAESAR(the Cellular Automaton Evolutionary Slope And River model)모델을 적용하여 2011년 7월 서초동 산사태를 대상으로 정확도를 비교하였다.

• 한국측량학회지
• /
• 제10권2호
• /
• pp.63-71
• /
• 1992

디지탈 지도 데이타베이스는 다중 축적의 개념을 포함하여 여러 가지 목적을 두고 제작되며 단일 축적으로만 사용하기 위해 Base Map을 구축하는 사례는 극히 보기 드믄 현상이라고 할 수 있다. 따라서 지도의 일반화와 다중표현에 대한 Line의 단순화 처리에 있어서 가장 중요한 문제는 일반화된 그래픽 데이타의 정확도와 인식도를 모두 부여하기 위해 Base Map 상의 정보를 단순화하기 위해 설정하는 허용범위를 디지틸 화일내에서 Feature의 형태에 따라 수정이 가능하도록 하는 것이다. 본 연구에서는 하나의 디지털 화일내에서 다양한 축척상으로 수행되는 Line의 단순화에 대한 여러가지 알고리즘을 고찰하였으며, 지도의 표현상에 변화를 줄 수 있는 선형성 Feature 별로 축척에 따른 규칙을 설정하였다. 수치화된 line 데이타 사이의 상관성을 분석하기 위하여 2가지 변형량을 측정하여 5가지 알고리즘에 대한 평가를 시도하였다. 데이타의 분석결과 Douglas-Peucker 알고리즘이 단순화 후의 변형량에 있어 가장 작은 영향을 받음을 알 수 있었다. 이러한 연구 결과로부터 디지탈 화일을 소축척으로 표현하기 위해 단순화를 실시할 경우 내부적으로 지니고 있어야 하는 기하학적인 항목으로서 그 크기와 변동량에 대한 수치적인 안을 제시함에 따라 지도의 단순화에 대한 가능성을 입증하였다.

• 한국지리정보학회지
• /
• 제18권3호
• /
• pp.76-88
• /
• 2015

이 논문에서는 작물 재배지의 분류를 목적으로 능동 학습과 과거 토지 피복도 기반의 시간 문맥 정보를 결합하는 분류 방법론을 제안하였다. 신뢰성 높은 훈련 자료의 추출을 위하여 능동 학습 기반 반복 분류를 적용하였으며, 과거 토지 피복도의 작물 재배 규칙을 시간 문맥 정보로 정량화 하여 능동 학습 기법의 적용시 훈련 자료의 할당과 작물 간 분광학적 혼재 효과 완화에 이용하였다. 제안 분류 방법론의 적용 가능성을 평가하기 위해 미국 Illinois 주의 옥수수와 콩 재배지역의 구분을 목적으로 MODIS 시계열 식생지수 자료와 과거 cropland data layer(CDL) 자료를 이용한 사례연구를 수행하였다. 사례연구 결과, 초기 감독 분류 결과에서 나타났던 옥수수와 콩의 오분류와 기타 작물과 비작물의 오분류 양상이 능동 학습 기반 반복 분류를 통해 완화되었다. 그리고 CDL 자료로부터 추출한 시간 문맥 정보를 추가적으로 결합함으로써 주요 작물에서 나타나는 과추정 양상이 완화되어 가장 우수한 분류 정확도를 나타내었다. 따라서 제안 기법이 양질의 훈련 자료의 확보가 쉽지 않은 작물 재배지의 분류에 유용하게 적용될 수 있음을 확인하였다.

• 한국융합학회논문지
• /
• 제11권9호
• /
• pp.1-6
• /
• 2020

본 연구에서는 도로 위험 탐지를 위한 데이터 편향성 최적화 기반 연관 추론 모델을 제안한다. 이는 사용자의 개인적 특성과 주변 환경 데이터를 수집하고 교통사고 방지 서비스를 제공하기 위한 연관분석 기반의 마이닝 모델이다. 이는 다양한 상황 변수들로 구성된 트랜잭션 데이터를 생성한다. 생성된 정보를 바탕으로 연관 패턴 분석을 통해 각 트랜잭션 내 변수들의 유의미한 연관관계를 도출한다. 분류된 범주형 데이터의 편향성을 고려하여 최적화된 지지도 및 신뢰도 값으로 가지치기를 진행한다. 추출된 상위 연관규칙을 바탕으로 사용자에게 개인 특성과 주행 도로 상황에 대한 위험 탐지모델을 제공한다. 이는 데이터 편향성 문제를 극복하고 데이터간 연관성을 고려하여 잠재적인 도로 사고를 예방하는 교통 서비스가 가능하다. 성능 평가는 제안하는 방법이 정확도에서 0.778, Kappa 계수에서 0.743로 우수하게 평가된다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.287-296
• /
• 2003

추천 시스템에 있어서 협력적 필터링 기술은 많은 연구가 되고 있다. 그러나 협력적 필터링 기술을 이용한 추천 시스템은 초기 평가 문제와 희박성 문제가 발생한다. 이를 해결하기 위해서 본 논문에서는 선호도 재 계산을 위한 연관 사용자 군집과 베이지안 추정치를 이용한 사용자 선호도 예측 방법을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서 아이템의 속성을 고려하지 않는 단점을 보완하기 위해서 선호도에 가장 크게 영향을 미치는 대표 장르를 추출하여 유사한 이웃을 찾아 낼 때 예측에 이용하는 Representative Attribute-Neighborhood 방법을 사용한다. 협력적 필터링의 알고리즘에 군집 아이템 백터 내의 특정 아이템의 선호도를 재계산 하기 위한 연관 사용자 군집 분석을 적용하여 성능 향상을 하였다. 또 초기 평가 문제와 희박성 문제를 해결하기 위하여 Association Rule Hypergraph Partitioning 알고리즘을 사용하여 사용자를 장르별로 군집한다. 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도를 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게하여 예측의 정확도를 높일 수 있다. 제안된 방법은 기존의 방법보다 높은 성능을 나타냄을 보인다.

• 한국산업정보학회논문지
• /
• 제23권6호
• /
• pp.67-77
• /
• 2018

최근 학령인구 감소에 따라 많은 문제점들이 나타나고 있다. 우리나라는 인구대비 가장 많은 대학을 보유하고 있기 때문에 각 대학의 생존에 필요한 최소한의 학생 유지율 관리가 점점 더 중요해 지고 있다. 따라서 본 연구는 계속되는 학력인구의 감소에 따라 각 대학들이 생존 방안으로 학생 유지율의 적절한 관리 방안을 모색한다. 이를 위하여 특정 대학에 입학한 학생들을 대상으로 성별, 출신고, 출신지역, 성적, 졸업여부 등의 데이타를 분석하여, 학생들이 입학에서 졸업에 이르기까지 지속적으로 유지될 수 있는 학생 유지율을 관리하기 위한 기본적인 방향이 어떤 것인지 알아본다. 또한, 최적의 입력 변수를 파악하고, 최적의 입력 파라메터를 기초로 apriori 알고리즘을 이용하여 연관 분석을 실행하여 유지율 관리에 가장 적합한 자료를 수집할 수 있도록 한다. 이를 바탕으로 각 대학들이 학생들을 모집하고 유지하는데 도움이 되도록 가장 효율이 높은 딥러닝(Deep Learning) 모듈을 개발하기 위한 기초 자료로 만들고자 한다. 의사결정트리를 활용하여 졸업여부를 측정한 결과는 딥러닝의 정확도 보다 낮은 75%로 나타났다. 의사결정트리에서 졸업여부를 결정하는 요인은 일반고를 졸업하고, 도시지역에 거주하면서 여성이면서 성적이 높은 학생들이 졸업확율이 높은 것으로 나타났으며 결과적으로 의사결정트리 보다는 개발된 딥러닝듈이 더 효율적으로 학생들의 졸업여부를 평가할 수 있는 모델로 나타났다.

• 한국산업정보학회논문지
• /
• 제25권6호
• /
• pp.25-32
• /
• 2020

농업에서 가장 기본이 되는 종자는 생산과 효율을 높이는 중요한 요소다. 우수한 유전자를 가진 종자를 통해 농업의 생산성 향상을 기대할 수 있고, 작물의 생존 및 번식을 증진시킬 수 있다. 하지만 현재 우수한 종자의 선별은 대부분이 수작업에 의존하고 있기 때문에 많은 시간과 인력을 요구한다. 제안된 연구에서는 종자의 표현체 특성을 추출하기 위해 컴퓨터 영상처리기술을 이용하여 적은 인력과 비교적 짧은 시간으로 종자의 특징을 추출할 수 있는 시스템을 제안한다. 제안된 시스템은 다량의 종자가 포함된 영상으로부터 개별 종자를 검출하고, 검출된 개별 종자마다 대표색상, 면적, 둘레, 진원도 (Roundness)와 같은 다양한 특징을 추출하고 저장한다. 입력 영상의 규칙성 때문에 제안된 시스템의 개별 종자추출의 정확도는 콩 종자의 경우 99.12%, 벼 종자의 경우 99.76%이다. 추출된 데이터는 향후 전문가의 의견을 반영한 각종 데이터 분석을 위한 기초자료로 활용되며 종자별 표현형 특성을 결정하는 기초자료로 사용될 것이다.

• 한국전산구조공학회논문집
• /
• 제37권3호
• /
• pp.163-171
• /
• 2024

본 논문에서는 다목적 구조물인 다중연결 해양부유체를 대상으로 변형 기반 모드 차수축소법을 적용하고 차수축소모델의 구조응답 예측 성능을 향상시키기 위해 유전 알고리즘 기반의 센서 배치 최적화를 수행하였다. 다중연결 해양부유체의 차수축소모델 생성에 필요한 변형 기반 모드 데이터를 얻기 위해 다양한 규칙파랑하중조건에 대한 유체-구조 연성 수치해석을 수행하고 변형 기반 모드의 직교성, 자기상관계수를 이용하여 주요 변형 기반 모드를 선정하였다. 다중연결 해양부유체의 경우 차수축소모델의 구조응답 예측 성능이 계측 및 예측 구조응답 위치에 따라 민감하기 때문에 유전 알고리즘 기반의 최적화를 수행하여 최적의 센서 배치를 도출하였다. 최적화 결과, 모든 센서 배치 조합에 대한 차수축소모델 생성 및 예측 성능 평가 대비 약 8배의 계산 비용을 절감하였으며, 예측 성능 평가 지표인 평균 제곱근 오차가 초기 센서 배치보다 84% 감소하였다. 또한, 다중연결 해양부유체 모형시험 결과를 이용하여 불규칙파랑하중에 대한 최적화된 센서 배치의 차수축소모델의 구조응답 예측 성능을 평가 및 검증하였다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1651-1669
• /
• 2023

해빙(sea ice)은 현재 전 세계 해양 면적의 약 7%를 차지하고 있으며 계절적, 연간 변화를 보이고 주로 극지방과 고위도 지역에 나타난다. 해빙은 대규모 공간 규모에서 다양한 종류로 형성되며 석유 및 가스탐사, 기타 해양활동이 급속히 증가하는 발해해는 해양 구조물 피해 및 해상 운송, 해양 생태계에 심각한 영향을 미치기 때문에 시계열 모니터링을 통해 해빙의 면적 및 유형 분류를 분석하는 것이 매우 중요하다. 현재 고해상도 위성영상 및 현장 실측 자료를 바탕으로 해빙의 종류 및 영역에 대한 연구가 진행되고 있지만 현장 실측자료를 획득하여 해빙 모니터링에는 한계가 있다. 고해상도 광학 위성영상은 광범위에서 해빙의 유형을 육안으로 탐지하고 식별할 수 있고, 짧은 시간해상도를 갖는 해양위성인 천리안 2B호(Geostationary Ocean Color Imager-II, GOCI-II)를 이용하여 해빙 모니터링의 공백을 보완할 수 있다. 이 연구에서는 고해상도 광학위성영상을 이용하여 생산된 학습자료를 기반으로 규칙기반 기계학습 모델을 훈련시키고 이를 GOCI-II 영상에서 탐지를 수행함으로써, 해빙 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 발해(Bohai Sea)의 2021-2022년 랴오둥만(Liaodong Bay)을 대상으로 추출하였으며, GOCI-II를 활용한 Random Forest (RF) 모델을 구축하여 기존 normalized difference snow index (NDSI) 지수 기반 및 고해상도 위성영상에서 획득된 해빙 영역과 정성적 및 정량적 비교 분석하였다. 본 연구 결과 해빙의 영역을 과소평가한 NDSI 지수 기반 결과와 달리 비교적 자세한 해빙 영역을 탐지하였으며 유형별 해빙을 분류할 수 있어 해빙 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 및 해빙형성에 영향인자 구축을 통해 탐지 모델의 정확도를 향상시킨다면 고위도 해양 지역에서 해빙 모니터링 분야에 활용할 수 있을 것으로 기대된다.

• 한국의학물리학회지:의학물리
• /
• 제21권3호
• /
• pp.304-310
• /
• 2010

현재 이용되고 있는 상용 치료 계획시스템은 대부분의 치료용 선형가속기가 제공하는 전자선 회전 방식의 치료 기능을 제공하지 않고 있으며, 이것은 전자선 회전 치료가 널리 이용되지 못하는 한 가지 원인이 되기도 한다. 본 연구에서는 Varian 21-EX에 대해, pencil beam 기반의 Pinnacle3 (ver. 7.4f)를 이용한 전자선 회전 치료를 위한 커미셔닝을 한 후, 치료 계획을 세웠으며, 그 정확도를 평가해 보았다. 회전 빔은 폭이 일정한 조사빔을 규칙적으로 반복해서 구현하였으며, 필름과 점 선량을 측정하였다. 치료계획 시스템의 모델링 단계에서, 측정된 깊이 선량분포는 모델링의 계산과 1% 내에서 일치하였으나, 가로 선량분포의 경우에는 모델링 계산이 측정보다 작아서, 50% 선량값을 기준으로 할 때, 6 MeV는 distance-to-agreement (DTA) 값이 5.1 mm, 12 MeV의 경우에는 6.7 mm이었다. 인체모형 팬텀을 대상으로한 점 선량 및 필름 측정의 경우, 계산과 측정은 10% 이상의 차이를 보였다. Pencil beam 기반의 전자선 회전 치료 계획은 정량적인 기준으로 삼기에는 부족해서 선량 분포에 대한 정성적인 참고에만 머물러야 하며, 환자 치료 전에 측정을 통해 선량 확인이 필요하다.