• The Korean Journal of Applied Statistics
• /
• v.27 no.2
• /
• pp.263-275
• /
• 2014

The present study used a hierarchical Bayesian approach was used to develop a mixed effect model to describe the transitional behavior of subjects in time nonhomogeneous Markov chains. The posterior distributions of model parameters were not in analytically tractable forms; subsequently, a Gibbs sampling method was used to draw samples from full conditional posterior distributions. The proposed model was implemented with real data.

• Journal of KIISE:Software and Applications
• /
• v.31 no.1
• /
• pp.1-7
• /
• 2004

For the handwritten digit recognition, this paper Proposes a hierarchical Gator features extraction method and a Bayesian network for them. Proposed Gator features are able to represent hierarchically different level information and Bayesian network is constructed to represent hierarchically structured dependencies among these Gator features. In order to extract such features, we define Gabor filters level by level and choose optimal Gabor filters by using Fisher's Linear Discriminant measure. Hierarchical Gator features are extracted by optimal Gabor filters and represent more localized information in the lower level. Proposed methods were successfully applied to handwritten digit recognition with well-known naive Bayesian classifier, k-nearest neighbor classifier. and backpropagation neural network and showed good performance.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.616-618
• /
• 2005

서비스 로봇 분야에서 물체를 인식하고 장면을 이해하는 것은 매우 중요하다. 전통적인 방법들은 기하학적 모델을 기반으로 물체를 인식하였으나 불확실하고 동적인 환경에서 이러한 방법은 한계를 갖는다. 이에 최근 지식 기반의 접근 방법을 통해 이러한 부분을 보완하는 연구가 이루어지고 있다. 본 논문에서는 효과적인 물체 탐색을 위해 베이지안 네트워크를 사용하여 대상 물체의 존재 여부를 추론하는 방법을 제안한다. 이를 위해 트리구조의 계층적 베이지안 네트워크를 사용하였고 물체들의 관계를 활동을 기준으로 모델링 하였다. 6가지 장소를 기반으로 한 실험 결과, $86.5\%$의 정확도를 보여주었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.168-168
• /
• 2018

최근 기후변화로 인하여 전 세계적으로 과거 강우사상에서 확인되지 않는 극치사상이 빈번하게 관측되고 있으며 이에 따른 피해도 증가하고 있다. 미래의 기상학적 변동성 및 기후변화 영향은 지구순환모형 (General Circulation Models, GCM)을 통해 구체화되며 가장 일반적인 기후변화 전망자료로서 활용된다. 그러나 산정된 기후변화 시나리오마다 서로 그 특성에 차이가 있으며 이러한 이유로 다양한 원인으로 인해 큰 변동성을 가지는 미래 극치강우를 하나의 시나리오로 분석하기에는 무리가 있다. 또한 다양한 시나리오를 통해 분석한 결과값이 상이하며 이러한 시나리오별 산정 결과의 차이는 사용자에게 혼란을 야기할 수 있어 이를 하나의 결과로 나타낼 필요성이 있으나 정량적인 대푯값을 얻기 위해 특정 시나리오를 선택하는 것은 신뢰성에 문제가 있다. 본 연구에서는 시나리오들을 정량적 지표에 의거하여 혼합된 하나의 시나리오로 표출하고자 하였다. CORDEX-RCMs 시나리오 중 HadGEM3-RA, RegCM, SNU_WRF 및 GRIMs를 입력 자료로 하여 다중모형앙상블(Multi-Model Ensemble, MME)을 통해 낙동강 유역의 극치강우에 대한 하나의 최적 기후변화 시나리오를 도출하고자 하였으며 계층적 베이지안 (Hierarchical Bayesian Model, HBM) 기법을 통하여 기후변화 시나리오에 내제된 불확실성에 대한 정량적인 해석을 수행하였다.

• The Korean Journal of Applied Statistics
• /
• v.35 no.5
• /
• pp.603-617
• /
• 2022

Following the September 11, 2001 terrorist attacks, the United States declared war on terror and invaded Afghanistan and Iraq, winning quickly. However, interest in analyzing terrorist activities has developed as a result of a significant amount of time being spent on the post-war stabilization effort, which failed to minimize the number of terrorist activities that occurred later. Based on terrorist data from 2003 to 2010, this study utilized a Bayesian hierarchical model to forecast the terrorist threat in 2011. The model depicts spatiotemporal dependence with predictors such as population and religion by autonomous district. The military commander in charge of the region can utilize the forecast value based on the our model to prevent terrorism by deploying forces efficiently.

• Journal of KIISE:Software and Applications
• /
• v.41 no.7
• /
• pp.481-491
• /
• 2014

The power production using renewable energy is more important because of a limited amount of fossil fuel and the problem of global warming. A concentrative photovoltaic system comes into the spotlight with high energy production, since the rate of power production using solar energy is proliferated. These systems, however, need to sophisticated tracking methods to give the high power production. In this paper, we propose a hierarchical tracking system using modular Bayesian networks and a naive Bayes classifier. The Bayesian networks can respond flexibly in uncertain situations and can be designed by domain knowledge even when the data are not enough. Bayesian network modules infer the weather states which are classified into nine classes. Then, naive Bayes classifier selects the most effective method considering inferred weather states and the system makes a decision using the rules. We collected real weather data for the experiments and the average accuracy of the proposed method is 93.9%. In addition, comparing the photovoltaic efficiency with the pinhole camera system results in improved performance of about 16.58%.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.6-10
• /
• 2009

In these days, recommendation service in mobile environments is in the limelight due to the spread of mobile devices and an increase of information owing to advancement of computer network. The restaurant recommendation system reflecting user preference was proposed. This system uses Bayesian network to model user preference and analytical hierarchical process to recommend restaurants, but static inference model for user preference used in the system has some limitations that cannot manage changing user preference and enormous user survey must be preceded. This paper proposes a learning method for Bayesian network based on user requests. The proposed method is implemented on mobile devices and desktop, and we show the possibility of the proposed method through experiments.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.466-466
• /
• 2015

지역빈도해석은 수문학에서 오랜 역사를 갖고 있으며, 수년에 걸쳐 수문학적 변량의 정량적 추정을 위해 다양한 접근방법들이 제안되어 왔다. 그러나 제안된 방법들의 가설설정 수준이 높기 때문에 실제 적용에 제약이 많고, 적용 시에도 예측에 대한 불확실성이 높은 문제점이 있다. 본 연구에서는 이러한 문제점을 개선하기 위한 방법으로 계층적 베이지안 모델을 이용한 지역빈도해석 모형을 제안하고자 한다. 본 모형은 2개의 계층적 구조로 구성된다. 첫번째 계층은 재현기간별 GEV 분포의 매개변수를 정규화하여 주변분포로 설정하고, Kriging 기법을 이용하여 지형학적, 기상학적 정보들과 극치강수량 효과를 적합시켜 공간적 이질성과 미계측 유역에 대한 효과적인 보간을 가능하게 한다. 두번째 계층은 지점의 특성을 나타내는 매개변수들간의 공분산을 Bayesian 모델에 연계하여 매개변수들의 공간적 변동성을 나타낸다. 2개 계층의 결합확률분포는 MCMC 기법을 이용하여 예측값에 대한 불확실성을 정량적으로 분석하게 된다. 본 모형을 통해 홍수량 추정 시 필요한 시간 단위 극치강수량의 공간적 분포를 효과적으로 추정할 수 있을 것으로 판단된다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.21 no.5
• /
• pp.133-148
• /
• 2022

In this study, a road pavement crack deterioration model was developed for a pavement road sections of the Sejong-city. Data required for model development were acquired using a deep learning-based road asset monitoring system. Road pavement monitoring was conducted on the same sections in 2021 and 2022. The developed model was analyzed by dividing it into a method for estimating the annual average amount of deterioration and a method based on Bayesian Markov Mixture Hazard model. As a result of the analysis, it was found that an analysis results similar to the crack deterioration model developed based on the data acquired from the Automatic pavement investigation equipmen was derived. The results of this study are expected to be used as basic data by local governments to establish road management plans.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.312-312
• /
• 2019

지구온난화로 인하여 기상학적 변동성 증가 및 수질, 수자원, 생태계 등의 다양한 영역에 영향을 야기하고 있으며, 이를 통한 피해가 전 세계적으로 증가하고 있는 추세이다. 이에 본 연구에서는 최근 다양한 분야에서 수문학적 빈도에 영향을 미친다고 알려진 AO(Arctic Oscillation), NAO(North Atlantic Oscillation), ENSO(El $Ni{\tilde{n}}o$-Southern Oscillation), PDO(Pacific Decadal Oscillation), MJO(Madden-Julian Oscillation)등의 외부인자중 SST, MJO를 활용하여 계절단위의 수문량 정도에서 기상학적 변량과 관측유역 강수량의 관계를 정립하고 발생 가능한 24시간 지속시간 극치강수량을 모의하였다. 이를 위하여 Bayesian 통계기법을 이용한 비정상성 빈도해석모형을 근간으로 외부 기상인자에 의한 계절강수량 예측모형인 계층적 베이지안 네트워크(Hierarchical Bayesian Network, HBN)를 구축한 후 산정된 결과를 입력 자료로 하여 직접적으로 일단위 이하의 극치강수량을 상세화 시킬 수 있는 베타 모델(four parameter beta, 4PB)을 연계한 계층적 베이지안 네트워크 베타모델(Hierarchical Bayesian Network-4beta Model, HBN4BM)을 개발하여 기상변동성을 고려한 상세화 모형을 개발하였다. 여름강수량 산정 결과 한강 유역의 경우 2016년은 관측값 573.85mm, 모의 값 567.15mm를 나타내어 약 1.2%의 오차를 나타냈으며, 2017년 및 2018년은 4.5%, 6.8%의 오차에서 모의가 이루어졌다. 금강의 경우 2016년은 다른 연도에 비하여 35.2%라는 큰 오차를 보였지만 불확실성 구간에서 모의가 이루어 졌으며, 2017년 및 2018년은 0.3%, 2.1%의 작은 오차가 발생하였다. 24시간 모의 결과는 최소 0.7%에서 최대 27.1%의 오차를 나타냈으며, 평균적으로 16.4%의 오차 결과가 모의되어 모형의 신뢰성을 확인하였다.