• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.80-80
• /
• 2020

최근 국내·외에서 빅 데이터에 관한 관심이 높아지고 있으며 수자원 분야에서도 빅데이터 활용의 중요성이 강조되어 왔다. 물관리를 위해서는 기본적으로 물관련 기초데이터가 충분해야 하며, 최근 선진국에서 효과적인 통합물관리를 위해서 빅데이터를 활용한 유역관리 방안이 시도되고 있는 실정이다. 일본의 경우 물환경 데이터와 사회과학 데이터를 활용한 유역특성 파악한다. 다양한 방법의 유역특성을 분석하여 유역관리계획을 마련한다. 국내에서의 물환경 관리계획은 부하량을 기반으로한 수립으로 데이터의 다양상이 부족한 부분이 있다. 하천은 각기 다른 특성을 가지고 있다. 낙동강 유역은 22개의 중권역으로 이루어져 있으며 각 중권역은 다양한 문제점과 특성을 가지고 있다. 따라서 유역의 특성에 따른 유역관리방안이 필요하다고 판단된다. 본 연구에서는 데이터 분석을 활용하여 유역의 종합적 분석을 통해 유역을 진단하고자 한다. 또한 물관련 지표들을 활용하여 유역을 평가하고 시각화 그래프를 통해 유역의 기초자료들의 특성을 나타내고 결과를 통해 데이터 분석을 기반으로 한 유역특성을 분석하여 맞춤형 유역관리방안을 모색하고자 한다.

• Proceedings of the KAIS Fall Conference
• /
• 2007.11a
• /
• pp.174-177
• /
• 2007

이동통신망의 규모나 서비스 등이 기하급수적으로 증가하기 때문에 데이터 트래픽에 대한 정확한 특성분석은 매우 어렵지만, 트래픽 특성분석이 망 설계나 운용에 상당한 영향을 미친다는 점을 고려하면, 데이터 트래픽 모델링에 대한 연구는 가장 기본적으로 이루어져야 할 사항이라 할 수 있다. 따라서 본 논문에서는 데이터 트래픽에 대한 특성을 분석하기 위해 cdma2000 시스템의 국제적인 표준화 단체인 3GPP2에서 언급한 HTTP, FTP, WAP, Near Real Time Video 트래픽에 대한 트래픽 특성을 분석하여 자기 유사성(Self-similarity)을 가짐을 입증하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.482-482
• /
• 2022

하천의 합류부에서는 수질이 다른 유체가 혼합하여 합류 전과 다른 특성을 보인다. 하천의 합류부에서 수질을 효율적으로 관리하기 위해서는 수질의 공간적인 혼합 특성을 규명하는 것이 중요하다. 합류부에서 수질의 공간적인 혼합 특성을 분석하기 위해 본 연구에서는 토폴로지 데이터 분석(topological data analysis, TDA), 자기 조직화 지도(Self-Organizing Map, SOM), k-평균 알고리즘(K-means clustering algorithm) 세 가지 기법을 이용하였다. 세 가지 기법을 비교하여 어떤 알고리즘이 합류부의 수질 변화 특성을 더 뚜렷하게 나타내는지 분석하였다. 수질 변화 비교 인자들은 pH, chlorophyll, DO, Turbidity 등이 있고, 수질 인자들은 YSI를 활용해 측정하였다. 자료의 측정 지역은 낙동강과 황강이 합류하는 지역이며, 보트에 YSI 장비를 부착하고 횡단하여 측정하였다. 측정한 데이터를 R 프로그램을 통해 세 가지 기법을 적용시켜 수질 변화 비교를 분석한다. 토폴로지 데이터 분석(topological data analysis, TDA)은 거대하고 복잡한 데이터로부터 유의미한 정보를 추출하는 데 사용하고, 자기조직화지도(Self-Organizing Map, SOM) 기법은 차원 축소와 군집화를 동시에 수행한다. k-평균 알고리즘(K-means clustering algorithm) 기법은 주어진 데이터를 k개의 클러스터로 묶는 머신러닝 비지도학습에 속하는 알고리즘이다. 세 가지 방법들의 주목적은 클러스터링이다. 클러스터 분석(Cluster analysis)이란 주어진 데이터들의 특성을 고려해 동일한 성격을 가진 여러 개의 그룹으로 대상을 분류하는 데이터 마이닝의 한 방법이다. 군집화 방법들인 TDA, SOM, K-means를 이용해 합류 지역의 수질 특성들을 클러스터링하여 수질 패턴들을 분석해 하천 수질 오염을 방지할 수 있을 것이다. 본 연구에서는 토폴로지 데이터 분석(topological data analysis, TDA), 자기조직화지도(Self-Organizing Map, SOM), k-평균 알고리즘(K-means clustering algorithm) 세 가지 기법을 이용하여 합류부에서의 수질 특성을 비교하며 어떤 기법이 합류의 특성을 더욱 뚜렷하게 나타내는지 규명했다. 합류의 특성을 군집화 방법을 이용해 알게 된다면, 합류부의 수질 변화 패턴을 다른 합류 지역에서도 적용할 수 있을 것으로 기대된다.

• Spatial Information Research
• /
• v.8 no.2
• /
• pp.243-255
• /
• 2000

The spatial distribution characteristics and patterns of geographic features in space can be understood through a variety of analysis techniques. The scale is one of most important factors in spatial analysis techniques. This study is aimed at identifying the characteristics of spatial data with a coarser spatial resolution and finding procedures for spatial resolution in operational scale. To achieve these objectives, this study selected LANSAT TM imagery for Sunchon Bay, a coastal wetland for a study site, applied the indices for representing scale characteristics with resolution, and compared those indices. Local variance and fractal dimension developed by previous studies were applied to measure the textual characteristics. In this study, Moran s I was applied to measure spatial pattern change of variance data which were generated from the process of coarser resolution. Drawing upon the Moran s I of variancedata was optimum technique for analysing spatial structure than those of previous studies (local variance and fractal dimension). When the variance data represents maximum Moran´s I at certainly resolution, spatial data reveals maximum change at that resolution. The optimum resolution for spatial data can be explored by applying these results.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.10a
• /
• pp.114-116
• /
• 2016

Today, the analysis of big data hae been used as an essential tool for finding customers' needs. Various big-data analysis sites have provided the analysis results with their own forms and styles according to their service and characteristics. Therefore, to use the analysis results for marketing fields, we have to understand the major characteristics on big data analysis tools. In this point, this study attempts to compare the characteristics of big data analysis results and styles from big data analysis sites.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.06a
• /
• pp.251-253
• /
• 2008

여러 스트립으로 취득되는 라이다 데이터는 정확한 스트립 조정후에 이용되어야 한다. 스트립 조정을 위해 상대 또는 절대 기준 데이터를 설정하며, 기준 데이터의 특성에 따라 서로 다른 조정 방법을 사용한다. 본 연구에서는 기준 데이터와 라이다 데이터의 특성에 따라 기존 조정 알고리즘을 분석하여, 향후 정확한 조정 알고리즘 개발의 토대를 마련하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.90-90
• /
• 2021

물 관리를 위해서는 물 관련 정보 혹은 데이터가 있어야 하며, 최근 효과적인 물관리를 위해서 스마트 물관리 혹은 빅데이터를 활용한 물관리가 자주 언급되고 있는 실정으로 물 관리에서도 일찍부터 빅데이터 활용의 중요성이 강조되어 왔으며, 유역관리는 본질적으로 다양한 정보의 수집 가공 처리를 필요로 하기 때문에 필수적으로 빅데이터 기술이 필요한 분야라 할 수 있다. 국내 물 환경관리는 대권역, 중권역 물환경관리계획, 수질오염총량제와 같이 오염원과 부하량을 기반으로 하여 목표수질의 달성여부를 통하여 유역을 관리하고 있다. 수질오염총량관리제도는 수질관리의 효율성, 각 행정 주체들의 책임성을 강화하여 목표수질을 달성하고자하는 제도로 환경과 개발을 고려한 국내에서의 핵심적 유역관리 제도이다. 이와 함께 각각의 특성을 가진 유역에서 유역특성을 반영할수 있는 유역관리방안이 필요하며 따라서 다양한 정보들의 활용하여 특성을 분석하는 빅데이터를 적용하여 유역의 특성을 반영한 유역관리방안을 연구하고자 한다. 수질, 기상, 수리, 수생태등 각 기관에서 제공하는 데이터를 융복합적으로 확보하여 유역 여건에 맞는 실현가능한 현실적인 물관리 대책이 필요하다. 이에 빅데이터 구축 및 데이터 분석을 적용하여 유역의 다양한 정보들을 활용하여 유역의 특성을 반영한 실효성 있는 유역에서의 수질관리방안의 마련하고자 한다.

• Information and Communications Magazine
• /
• v.31 no.11
• /
• pp.14-26
• /
• 2014

본고는 빅데이터 시대에 새로운 가치를 창출할 수 있는 정보 분석을 위한 기계학습을 설명하고자 한다. 기계학습의 일반적 정의와 특성, 그리고 빅데이터 특성에 의한 기계학습의 변화를 확인하고 특별히 다양한 변화 중에서 분산 및 병렬화를 통한 스케일러블 기계학습을 중점으로 주어진 빅데이터를 효율적으로 분석할 수 있는 다양한 플랫폼들과 프레임워크들을 설명한다. 더불어 실제 다양한 응용 활용을 제공하고 있는 Google API 같은 빅데이터 분석 기계학습 프로젝트들을 통해서 기계학습을 통한 빅데이터 분석에 대한 폭넓은 이해를 전달하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.307-309
• /
• 2004

침입탐지시스템에서 발생되는 오 경보는 false positive 와 false negative 로 구분된다. false positive는 실제적인 공격은 아니지만 공격이라고 오인하여 경보를 발생시켜 시스템의 효율성을 떨어뜨리기 때문에 false positive 패턴에 대한 분석이 필요하다. 오 경보 데이터는 시간이 지남에 따라 데이터의 양뿐만 아니라 데이터 패턴의 특성 또한 변하게 된다 따라서 새로운 데이터가 추가될 때마다 오 경보 데이터의 패턴을 분석할 수 있는 도구가 필요하다. 이 논문에서는 오 경보 데이터로부터 false positive 의 패턴을 분석할 수 있는 프레임워크에 대해서 기술한다. 우리의 프레임워크는 시간이 지남에 따라 변하는 데이터의 패턴 특성을 분석할 수 있도록 하기 위해 점진적 연관규칙 기법을 적용한다. 이 프레임워크를 통해서 false positive 패턴 특성의 변화를 효율적으로 관리 할 수 있다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.26 no.4D
• /
• pp.661-670
• /
• 2006

The utilization of simulation has been limited in planning construction process because it is difficult to collect data and build a model using simulation method. This study collects construction operation data and analyzes the characteristics of its distribution. Through the statistical analysis on the empirical data, this study identifies Beta distribution functions is one of the most proper in duplicating the characteristics of construction equipment operation data into a computer simulation. The information obtained in this study can support preparing input data for another simulation.