• 한국측량학회지
• /
• 제11권1호
• /
• pp.19-27
• /
• 1993

대규모 쓰레기 매립장의 신설계획을 추진하기 위해서는 기존 매립장의 이용상태에 대한 정확한 현황분석을 통해 이용계획이 선행되어야 하며, 이를 위해 현 매립장의 쓰레기 매립양과 도시 경관 및 제반조건에 부합되는 여부를 파악하기 위해 현 매립상태에 대한 정확한 분석이 수반되어야 한다. 본 연구에서는 항공사진촬영에 의해 구축된 수치표고모형을 이용하여 현 쓰레기 매립상태 및 매립양의 정확한 분석을 수행하기 위해 지형분류에 따른 최고 자료보관방법과 면·체적결정방법을 결정함으로써, 현재 쓰레기 매립장의 장래 이용계획에 정확한 기초자료를 제공하는데 목적이 있다. 본 연구의 수행결과 대상지역의 지형분류를 객관적으로 수행하기 위한 알고리즘을 정립하였으며, 표본자료에 대해 각 지형의 최적보관법과 면· 체적결정방법을 결정하였다. 또한 이와 같이 얻어진 결과를 난지도 쓰레기 매립장에 적용함으로써 매립현황 및 매립가능량을 분석할 수 있었다.

• 전자공학회논문지CI
• /
• 제49권1호
• /
• pp.1-7
• /
• 2012

최근 새롭게 연구되는 심전도기반 바이오인식은 통상 고가의 심전도 측정 장비를 필요로 하고 측정방법에도 제한이 많아 실제 인식시스템으로 사용하기 위해서는 극복해야할 문제들이 많은 실정이다. 이에 본 논문에서는 심전도 바이오인식용 심전도 측정 하드웨어를 제작해 심전도 리드 I 파형을 이용한 바이오인식 시스템을 개발했다. 제작된 하드웨어는 측정자의 동적인 측정환경 및 파형왜곡 최소화를 고려해 설계된 필터가 적용되었고, 기준접점을 제거해 두 개의 전극만으로도 심전도 측정이 가능하도록 설계되어 측정자의 거부감을 줄일 수 있다. 제작된 하드웨어를 기반으로 17명의 측정자로부터 심전도 리드 I 파형을 수집했으며, 파형 추출 알고리즘을 개발해 각각의 단일 심전도 파형으로 분리했다. SVM(support vector machine) 분류기를 이용한 심전도 바이오인식 실험결과 민감도(sensitivity, SN) 98.59% 및 정확도(accuracy, ACC) 97.21% 의 성능을 보였다. 개발된 심전도 바이오인식 기술은 기존 심전도 바이오인식 대비 사용 편의성을 높였으며 저가의 하드웨어로 구현 가능하다.

• 한국지능시스템학회논문지
• /
• 제8권2호
• /
• pp.9-20
• /
• 1998

본 논문에서는 패턴인식 형태로 구성된 거리계전시스템에 신경회로망을 적용한 새로운 형태의거리계전기법이 제시되었다. 제안된 거리계전기법은 패턴인식 단계인 두개의 블록으로 구성되었다. 첫 단계에서는 과도신호의 특징 파라미터인 기본파성분을 효율적으로 추출하기 위해 신경회로망을 이용한 필터링 방법이 적용되었으며, 두번째 단계에서는 첫단계에서 추출된 기본파성분을 입력으로 고장형태를 신속하고 정확하게 판별 분류 될 수 있도록 신경회로망을 이용한 고장패턴 추정기가 개발적용되었으며, 이울러 고장판별에 따라 고장점을 효율적으로 추정될 수 있도록 하였다. 적용 시스템의 각 단계는 함수 근사화, 보간성능 및 패턴분류 등의 능력이 뛰어난 다층 퍼셉트론의 역전파 학습 알고리즘이 적용되었다. 제신된 기법의 성능을 입증하기 위하여 EMTP 시뮬레이션을 하여 얻은 다양한 과도 고장파형의 계전시호를 활용하여 시험하였으며, 그결과 제시된 기법은 학습되지 않은 임의의 패턴에 대하여 적응성을 가지고 효율적으로 고장점이 추정될 수 있었으며, 고장발생후 3샘플 이내에서 고장형태가 신속하고도 정확하게 판별되었다.

• 제어로봇시스템학회논문지
• /
• 제15권5호
• /
• pp.457-464
• /
• 2009

The weak classifier of AdaBoost algorithm is a central classification element that uses a single criterion separating positive and negative learning candidates. Finding the best criterion to separate two feature distributions influences learning capacity of the algorithm. A common way to classify the distributions is to use the mean value of the features. However, positive and negative distributions of Haar-like feature as an image descriptor are hard to classify by a single threshold. The poor classification ability of the single threshold also increases the number of boosting operations, and finally results in a poor classifier. This paper proposes a weak classifier that uses multiple criterions by adding a probabilistic criterion of the positive candidate distribution with the conventional mean classifier: the positive distribution has low variation and the values are closer to the mean while the negative distribution has large variation and values are widely spread. The difference in the variance for the positive and negative distributions is used as an additional criterion. In the learning procedure, we use a new classifier that provides a better classifier between them by selective switching between the mean and standard deviation. We call this new type of combined classifier the "Mixed Weak Classifier". The proposed weak classifier is more robust than the mean classifier alone and decreases the number of boosting operations to be converged.

• 전기학회논문지
• /
• 제63권5호
• /
• pp.676-682
• /
• 2014

In this paper, precipitation echo(PRE) and non-precipitaion echo(N-PRE)(including ground echo and clear echo) through weather radar data are identified with the aid of neuro-fuzzy algorithm. The accuracy of the radar information is lowered because meteorological radar data is mixed with the PRE and N-PRE. So this problem is resolved by using RBFNN and judgement module. Structure expression of weather radar data are analyzed in order to classify PRE and N-PRE. Input variables such as Standard deviation of reflectivity(SDZ), Vertical gradient of reflectivity(VGZ), Spin change(SPN), Frequency(FR), cumulation reflectivity during 1 hour(1hDZ), and cumulation reflectivity during 2 hour(2hDZ) are made by using weather radar data and then each characteristic of input variable is analyzed. Input data is built up from the selected input variables among these input variables, which have a critical effect on the classification between PRE and N-PRE. Echo judgment module is developed to do echo classification between PRE and N-PRE by using testing dataset. Polynomial-based radial basis function neural networks(RBFNNs) are used as neuro-fuzzy algorithm, and the proposed neuro-fuzzy echo pattern classifier is designed by combining RBFNN with echo judgement module. Finally, the results of the proposed classifier are compared with both CZ and DZ, as well as QC data, and analyzed from the view point of output performance.

• 정보보호학회논문지
• /
• 제30권5호
• /
• pp.945-956
• /
• 2020

많은 응용프로그램들로부터 양질의 서비스를 제공받기 위해서 데이터 공개는 필수적이다. 하지만 원본 데이터를 그대로 공개할 경우 개인의 민감한 정보(정치적 성향, 질병 등)가 드러날 위험이 있기 때문에 원본 데이터가 아닌 재현 데이터를 생성하여 공개함으로써 프라이버시를 보존하는 많은 연구들이 제안되어왔다. 그러나 단순히 재현 데이터를 생성하여 공개하는 것은 여러 공격들(연결공격, 추론공격 등)에 의해 여전히 프라이버시 유출 위험이 존재한다. 본 논문에서는 이러한 민감한 정보의 유출을 방지하기 위해, 재현 데이터 생성 모델로 주목받고 있는 GAN에 최신 프라이버시 보호 기술인 차분 프라이버시를 적용하여 프라이버시가 보존되는 재현 데이터 생성 알고리즘을 제안한다. 생성 모델은 레이블이 있는 데이터의 효율적인 학습을 위해 CGAN을 사용하였고, 데이터의 유용성 측면을 고려하여 기존 차분 프라이버시보다 프라이버시가 완화된 Rényi 차분 프라이버시를 적용하였다. 그리고 생성된 데이터의 유용성에 대한 검증을 다양한 분류기를 통해 실시하고 비교분석하였다.

• 한국통신학회논문지
• /
• 제32권11B호
• /
• pp.655-662
• /
• 2007

건물의 공조설비(HVAC: Heating, Ventilation and Air Conditioning)를 최적으로 운영하기 위해 현재 사용되고 있는 감시 시스템은 운영 설비의 고장이나 성능저하와 같은 결함이 발생할 경우 적절하게 고장을 검출 할 수 있는 기능이 없으며, 이에 따라 고장의 신속한 처리 및 최적 운영이 불가능하다. 이 논문에서는 특정 건물이나 시스템에서만 적용할 수 있는 모델기반 방식의 고장 검출 방법과는 달리 공조기 시스템을 구성하는 저비용이 소요되는 센서 등의 설치를 통해 건물의 공조 시스템에 포괄적으로 적용될 수 있는 분류형 규칙 기반 방식의 고장 검출 시스템을 개발하였다. 또한, 이 알고리즘을 이용한 실험 수행을 위하여 인공기후 실험 동(environment chamber, EC) 내부에 설치된 시험주택(in-house)의 공조 설비 시스템에 적용하여 그 실효성을 검증하였고 향후, 관련 분야에 적용 가능성을 확인하였다.

• 조명전기설비학회논문지
• /
• 제20권6호
• /
• pp.55-62
• /
• 2006

본 논문에서는 3상 유도전동기의 고장진단을 수행하기 위해 패턴인식에 기반을 둔 진단 알고리즘을 제안한다. 실험 장치는 유도전동기 구동의 기계적 모듈과 고장신호를 구하기 위한 데이터 획득 모듈로 구성하였다. 진단 절차를 위한 첫 번째 단계로서 전처리 과정은 획득한 전류를 단순화하고 정규화 하는 것을 수행한다. 데이터의 단순화 과정은 3상전류를 Concrodia 벡터의 크기로 변환하는 것을 적용한다. 다음으로 특징 추출 단계를 커널 주성분 분석과 선형판별분석으로 수행하며, 마지막으로, 분류기는 방사기저함수 네트워크를 사용한다. 다양한 부하에 대하여 몇몇의 전기적 고장과 기계적 고장 하에서 획득한 데이터를 이용하여 제안된 방법의 타당성을 검증한다.

• Journal of Biosystems Engineering
• /
• 제21권4호
• /
• pp.414-421
• /
• 1996

한국과 일본의 경우 건표고를 외관의 품질상태 에 따라 12등급에서 16등급으로 구분하고 있다. 그리고 등급판정 작업은 임의로 추출한 샘플을 대상으로 전문 감정가에 의해 수작업으로 수행되고 있다. 건표고의 품질을 결정짓는 외관의 품질인자들은 갓과 내피에 고루 분포하고 있다. 본 논문에서는 컴퓨터 영상처리 시스템에 의거하여 개발한 건표고 자동 등급판정 및 선별 시작시스템의 구조와 기능 그리고 성능에 대하여 설명하였다. 개발한 시작시스템은 표고의 이송과 취급자동화를 위한 진동이송기, 반전장치, 컨베이어 이송장치와 두 세트의 컴퓨터 영상처리 시스템, 그리고 시스템 통괄제어를 위한 IBM PC AT호환 컴퓨터, 디지털 입출력 보드, 전공압실린더 구동제어를 위한 PLC등으로 구성하였다. 등급판정의 효율성 및 실시간 작업시스템을 고려하여 건표고의 등급판정은 두 세트의 컴퓨터 영상처리 시스템을 이용하여 이송되는 건표고의 갓 또는 내피 중 어디가 위를 향하는 지에 따라 두 단계에 걸쳐 독립적으로 판정을 수행하도록 하였다. 첫 번째 영상처리부에서는 갓표면 영상으로부터 4등급의 고품질 표고를 분류하며 두 번째 영상처리부에서는 내피표면 영상으로부터 중간 및 저품질 표고를 8개의 등급으로 분류한다. 실시간 영상정보처리를 목적으로 기존에 개발한 신경회로망을 이용한 등급판정 알고리즘을 시작시스템에 적용하였다. 개발한 시작기는 88% 이상의 등급판정 정확도를 보여 주었으며, 전공압시스템의 구동제약으로 인하여 표고 1개당 약0.7초의 선별시간이 소요되었다. 일조 선별라인의 경우 본 연구에서 제안한 시작기의 선별능력은 표고가 일차 처리부로 갓이 위로 올라와 있는 상태로 계속 공급된다면 시간당 대략 5,000여 개의 표고를 처리할 수 있을 것으로 기대된다.보강하여 가능하면 B-Pillar의 Middle이 Bending type collapse을 방지하여 Pelvis와 Door가 먼저 접촉하는 방법 등이 적용가능하다. 제작하기 이전에 설계된 부품에 대한 스프링 상수 및 내구특성을 체계적으로 규명하여 제품 시험의 횟수를 줄이고, 보다 정밀한 제품을 제작할 수 있도록 하기 위한 것이다.세포수는 초기 배반포기배에서 팽윤 배반포기배로 진행됨에 따라 두배에서 세배 정도 증가되었음을 알 수 있었다. 또한, differential labelling과 bisbenzimide기법에서 얻어진 각각의 총세포수를 비교하였을 때 총세포수는 발달의 진행 정도에 따라 증가되며 그와 동시에 동일한 군 간의 세포수도 거의 유사함을 알 수 있었다. 따라서, ICM과 TE를 differential labelling하는 기법은 수정란의 quality를 평가하는데 매우 유용한 기법으로서 착상전 embryo 발달을 연구하는데 효과적으로 이용될 수 있다는 것을 시사한다. 고도의 유의차를 나타낸 반면 비수구, 초생수로구 및 Bromegrass 목초구 간에는 아무런 유의차가 인정되지 않았다. 7. 농지보전 처리구인 배수구와 초생수로구는 비처리구에 비해 낮은 침두 유출량과 낮은 토양유실량을 나타내었다.구보다 14% 절감되는 것으로 나타났다.작용하는 것으로 사료된다.된다.정량 분석한 결과이다. 시편의 조성은 33.6 at% U, 66.4 at% O의 결과를 얻었다. 산화물 핵연료의 표면 관찰 및 정량 분석 시험시 시편 표면을 전도성 물질로 증착시키지 않고, Silver Paint 에 시편을 접착하는 방법으로도 만족한 시험 결과를 얻을 수 있었다.째, 회복기 중에 일어나는 입자들의 유입은 자기폭풍의 지속시간을 연장시키는 경향을 보이며 큰

• 경영정보학연구
• /
• 제18권2호
• /
• pp.173-198
• /
• 2016

본 연구의 목적은 비즈니스 인텔리전스 연구 관점에서 기업부실화 예측 성능을 향상키시는 것이다. 이를 위해 본 연구는 기존 연구들에서 미흡하게 다루어졌던 1) 데이터셋을 구성하는 과정에서 발생하는 바이어스 문제, 2) 거시경제위험 요소의 미반영 문제, 3) 데이터 불균형 문제, 4) 서술적 바이어스 문제를 다루어 경기순환국면을 반영한 기업부실화 예측 프레임워크를 제안하고, 이를 바탕으로 기업부실화 예측 모델을 개발하였다. 본 연구에서는 경기순환국면별로 각각의 데이터셋을 구성하고, 각 데이터셋에서 의사결정나무, 인공신경망 등 단일 분류기부터 앙상블 기법까지 다양한 데이터마이닝 알고리즘을 적용하여 실험하였다. 또한 본 연구는 데이터불균형 문제를 해결하기 위해, 오버샘플링 기법인 SMOTE(synthetic minority over-sampling technique) 기법을 통해 초기 데이터 불균형 상태에서부터 표본비율을 1:1까지 변화시켜 가며, 기업부실화 예측 모델을 개발하는 실험을 하였고, 예측 모델의 변수 선정 시에 선행연구를 바탕으로 재무비율을 추출하고, 여기서 파생된 IT 산출물인 재무상태변동성과 산업수준상태변동성을 예측 모델에 삽입하였다. 마지막으로, 본 연구는 각 순환국면에서 만들어진 기업부실화 예측 모델의 예측 성능 비교와 경기 확장기와 수축기에서의 기업부실화 예측 모델의 유용성에 대해 논의하였다. 본 연구는 비즈니스 인텔리전스 연구 측면에서 기존 연구에서 미흡하게 다루어졌던 4가지 문제점을 검토하고, 이를 해결할 프레임워크를 제안함으로써 기존 연구 대비 기업부실화 예측률을 10% 이상 향상시켰다는 점에서 연구의 의의를 찾을 수 있다.