• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.17 no.2
• /
• pp.32-38
• /
• 2018

Studies on classification of national roads have been continued, but there is little research on the classification of urban arterial roads. Due to the increase of traffic volume, urban arterial roads do not perform well as main roads. In this paper, the function of urban arterial road was established by using cluster analysis using traffic characteristics. Traffic characteristics such as traffic volume, weekend coefficient and speed coefficient were used to establish the functions of 55 main arterial roads in Seoul. The results of this paper are compared with those of the method using AADT. The method using AADT classifies the characteristics according to the traffic volume of the whole lane. In this paper, however, the results are derived using the traffic volume per lane reflecting the actual traffic volume. In addition, the functional classification of the arterial roads in Seoul was compared with the results of this paper to verify that the traffic characteristics were reflected. As a result, the method presented in this paper is more effective in showing traffic characteristics than the current highway functional classification method, and the functional classification system will be helpful for road extension and planning design.

• Journal of Korean Society of Transportation
• /
• v.20 no.7
• /
• pp.143-153
• /
• 2002

본 연구는 교통사고의 발생원인에 대한 인식유형과 감소대책에 대한 인지 유형별 영향요인의 정도를 분석하기 위하여 수량화이론 II류와 CHAID 분석법을 이용하여 분류모델과 판별모델을 구축하였다. 수량화이론 II류에 의한 교통사고 발생원인에 대한 인식 유형별 영향요인 판별모델은 전체 적중률이 78.4%로 매우 높게 나타났다. 편상관계수는 설명변수의 항목 중 학력, 성별, 운전경력 년 수, 소유 차종의 순으로 영향을 미치고 외적 변수인 교통사고 발생원인에 대한 유형에서는 기여 정도가 교통단속 부재 > 교통체계 미비 > 승용차 과다 사용 >잘못된 의식 때문의 순으로 나타났다. 교통사고 감소 대책에 대한 인지유형별 영향요인 판별모델은 전체 적중률이 59.9%로 높게 나타났으며, 편상관 계수는 학력, 성별, 운전경력 연수, 연령의 순으로 영향을 미치고 있고, 외적 변수인 교통사고 감소 대책에 대한 유형에서는 기여 정도가 교통단속 강화 > 대중교통수단 이용 유도 > 교통체계 개선 > 의식 개혁의 순으로 나타났다. 또한 CHAID 분석법에 의한 교통사고 발생원인에 대한 인식 유형별 영향요인 분류모델에 있어서는 예측변수로 학력, 연령, 성별, 통행수단의 네 가지 변수가, 교통사고의 감소 대책에 대한인지 유형별 영향요인 분류모델에 있어서는 학력, 운전경력 연수, 성별 그리고 통행수단의 네 가지 변수가 카이제곱 통계량 이 5%의 유의수준에서 유의한 것으로 판단되었다. 교통사고 발생원인 인식과 감소 대책의 인지 유형에 대한 빈도분석과 교차분석은 의식과 관련한 유형이 가장 높게 나타났으나 판별.분류모델에서는 교통단속과 관련한 유형이 기여 정도가 높고 의식 관련 유형이 상대적으로 낮게 나타나는 등 반대양상을 보이고 있어 심리적으로 내재되어 있고 표면에 잘 드러나지 않았던 의식 수준의 낮음이 분류모델을 통해서 명확하게 드러났다.

• 한국데이터정보과학회:학술대회논문집
• /
• 2004.04a
• /
• pp.69-77
• /
• 2004

본 논문에서는 한방병원에서 사상체질분류검사설문지를 이용하여 사상체질을 진단할 때 진단의 정확도를 향상시키기 위한 사상체질분류함수를 개발하기 위하여 데이터마이닝에서의 판별분석모형을 이용한다. 데이터 정제 과정에서 양질의 데이터를 확보하기 위한 기준은 상반되는 설문의 응답 패턴과 체질별 설문의 응답 비율을 이용하며, 변수선택의 기준은 도수분석의 비율차이검정과 선형판별함수의 계수를 이용한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2011.05a
• /
• pp.509-511
• /
• 2011

본 논문에서는 다층 퍼셉트론 신경회로망과 선형예측계수를 사용한 화자인식 알고리즘을 제안한다. 제안하는 화자인식 알고리즘은 입력받은 음성신호에 대해서 유성음 구간을 추출한다. 추출된 유성음구간에 대하여 선형예측 분석에 의하여 화자의 특성을 가지고 있는 선형예측계수를 구한다. 구해진 선형예측계수를 분류하기 위하여 선형예측계수를 퍼셉트론 신경회로망의 입력으로 사용하여 네트워크의 학습을 수행한다. 본 실험에서는 선형예측계수와 신경회로망을 사용하여 본 화자인식 알고리즘이 유효하다는 것을 인식률을 통하여 확인한다.

• Journal of the Earthquake Engineering Society of Korea
• /
• v.7 no.2
• /
• pp.39-48
• /
• 2003

This paper present a summary of the results of statistical study of the ductility factor which is key component of response modification factor(R). To compute the ductility factor, a group of 1,860 ground motions recorded from various earthquake was considered. Based on the local site conditions at the recording station, ground motions were classified into four groups according to average shear wave velocity. Inleastic spectrum were computed for elastic perfectly plastic SDOF systems undergoing different level of inelastic deformation and period. Ductility factors were calculated by deviding elastic response spectrum by inelastic response spectrum. The influence f displacement ductility ratio, site condition, magnitude and epicentral distance on ductility factors were studied. The coefficient of variation was computed to evaluated the dispersion of ductility factors as the defined ratio of the standard deviation to the mean.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.295-297
• /
• 2001

최근 생물 유전자 정보를 효과적으로 분석하기 위한 적절한 도구의 필요성이 대두되고 있다. 본 논문에서는 백혈병 환자의 골수로부터 얻어낸 DNA Microarray 유전 정보를 분류하여 환자가 가지고 있는 암의 종류를 예측하기 위한 최적의 특징추출방법과 분류 방법을 찾고자 한다. 이를 위해 피어슨 상관관계, 유클리디안 거리, 코사인 계수, 스피어맨 상관관계, 정보 이득, 상호 정보, 신호 대잡음비의 7가지 특징 추출 방법을 사용하였으며, 역전과 신경망, 의사결정 트리, 구조 적응형 자기구성 지도, $textsc{k}$-최근접 이웃 등 가지의 기계학습 분류기를 이용하여 분류 실험을 하였다. 실험결과, 피어슨 상관관계와 역전파 신경망을 이용한 분류 방법이 97.1%의 인식률을 보임을 알 수 있었다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2002.05a
• /
• pp.215-220
• /
• 2002

본 연구에서는 다중채널 뇌파에서 특징 파라미터로 선형 예측기 계수(Linear predictor coefficients)를 추출하고, 패턴인식기로는 신경회로망을 이용한 쾌적성 분류 알고리즘을 개발하여 다중 템플릿 방법으로 쾌적성 분류 실험을 하고자 하였다. 뇌파 데이터는 대학생 10명으로부터 쾌적한 환경과 불쾌적한 환경에서의 데이터를 수집하였으며, 전극 위치는 Fpl, Fp2, F3, F4, T3, T4, P3, P4, O1, O2를 사용하였다. 수집된 뇌파는 전처리를 거친 후 특징 파라미터를 추출하고 패턴 분류기로 사용된 신경회로망의 입력으로 사용하였다. 쾌적성 분류 방법은 다중템플릿 방법으로 여러 명의 피검자를 각각 학습시켜 이로부터 생성되는 신경회로망의 가중치들을 템플릿에 저장한다. 그리고 테스트를 할 때에는 먼저 처음의 안정 상태의 뇌파를 이용하여 템플릿 검색을 하고 가장 가까운 템플릿을 선택한다. 그리고 선택된 템플릿을 이용하여 다른 감정에 대한 쾌적성 분류 실험을 하게 된다. 쾌적성 분류 실험 결과 평균 인식률이 약 75%의 성능을 나타내었다.

• Journal of the Earthquake Engineering Society of Korea
• /
• v.10 no.2 s.48
• /
• pp.51-62
• /
• 2006

In the companion paper (I-Problem Statements of the Current Seismic Design Code), the current Korean seismic design code is required to be modified considering site characteristics in Korea for the reliable estimation of site amplification. In this paper, three site classification methods based on the mean shear wave velocity of the top 30m $V_{S30}$, fundamental site periods $(T_G)$ and bedrock depth were investigated and compared with each other to determine the best classification system. Not enough of a difference in the standard deviation of site coefficients $(F_a\;and\;F_v)$ to determine the best system, and neither is the difference between the average spectral accelerations and the design response spectrum of each system. However, the amplification range of RRS values based on $T_G$ were definitely concentrated on a narrow band than other classification system. It means that sites which have a similar behavior during earthquake will be classified as the same site category at the site classification system based on $T_G$. The regression curves between site coefficients and $T_G$ described the effect of soil non linearity well as the rock shaking intensity increases than the current method based on $V_{S30}$. Furthermore, it is unambiguous to determine sue category based on $T_G$ when the site investigation is performed to shallower depth less than 30m, whereas the current $V_{S30}$ is usually calculated fallaciously by extrapolating the $V_s$ of bedrock to 30m. From the results of this study, new site classification system based on $T_G$ was recommended for legions of shallow bedrock depth in Korea.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.38 no.6
• /
• pp.671-679
• /
• 2020

In order to increase the food self-sufficiency rate, monitoring and analysis of crop conditions in the cultivated area is important, and the existing measurement methods in which agricultural personnel perform measurement and sampling analysis in the field are time-consuming and labor-intensive for this reason inefficient. In order to overcome this limitation, it is necessary to develop an efficient method for monitoring crop information in a small area where many exist. In this study, RGB images acquired from unmanned aerial vehicles and vegetation index calculated using RGB image were applied as deep learning input data to classify complex upland crops in small farmland. As a result of each input data classification, the classification using RGB images showed an overall accuracy of 80.23% and a Kappa coefficient of 0.65, In the case of using the RGB image and vegetation index, the additional data of 3 vegetation indices (ExG, ExR, VDVI) were total accuracy 89.51%, Kappa coefficient was 0.80, and 6 vegetation indices (ExG, ExR, VDVI, RGRI, NRGDI, ExGR) showed 90.35% and Kappa coefficient of 0.82. As a result, the accuracy of the data to which the vegetation index was added was relatively high compared to the method using only RGB images, and the data to which the vegetation index was added showed a significant improvement in accuracy in classifying complex crops.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.34 no.6
• /
• pp.355-362
• /
• 2021

Various blast pressure calculation methods have been developed for predicting the explosion pressure of vapor cloud explosions. Empirical methods include the TNT equivalent method, and multi-energy method. The multi-energy method uses a charge strength that considers environmental factors. Although the Kinsella guideline was provided to determine the charge strength, there are limitations such as guidelines related to ignition sources. In this study, we proposed an improved charge strength guideline, by subdividing the ignition source intensity and expanding the type classification through literature analysis. To verify the improved charge strength guideline, and to compare it with the result obtained using the Kinsella guideline, four vapor cloud explosion cases which could be used to estimate the actual blast pressure were investigated. As a result, it was confirmed that the Kinsella guidelines showed an inaccurate, that is, wider pressure than the actual estimated blast pressure. However, the improved charge strength guideline enabled the selection of the intensity of the ignition source, and more subdivided types through the expansion of classification, hence it was possible to calculate the blast pressure relatively close to that of the actual case.