• 제목/요약/키워드: 분류목

검색결과 1,163건 처리시간 0.024초

진도 해역의 극피동물상 (Fauna of Echinoderms from Jindo Island and Its Adjacent Waters, Korea)

  • 신숙
    • Animal Systematics, Evolution and Diversity
    • /
    • nspc5호
    • /
    • pp.47-60
    • /
    • 2005
  • 2004년 6월 29일부터 7월 1일까지 이루어진 한국동물분류학회 창립 20주년 기념 합동채집회에서 벌포와 초평, 수품, 회동, 서망, 북위 $34^{\circ}11'N$과 동경 $126^{\circ}21'E$ 등, 진도의 6개 지역에서 채집되어 동정된 극피동물은 4강 10목 13과 20종으로서 바다나리가 1목 1과 1종, 불가사리류가 3목 4과 7종. 거미불가사리 류가 2목 3과 5종, 성게류가 1목 2과 4종, 해삼류가 3목 3과 3종이었다. 이들 중 바다니리류 1종, 가시예쁜갯고사리 (Antedon serrata)와 불가사리류 2종, 도우손햇님불가사리 (Solaster dawsoni)와 일본불가사리 (Distolasterias nipon), 그리고 거미불가사리류 1종, 나무거미불가사리 (Astrodendrum sagaminum)는 진도에서 처음 기록되는 종이며 1종의 한국 미기록 해삼류 (Pseudocnus sp.)가 포함된다. 과거기록을 포함하여 총 31종의 종 목록을 작성하였으며, 분포형과 종 출현양상을 근거로 진도 해역의 극피동물상을 논하였다.

거제도 해역의 극피동물 (Echinoderms from Geojedo Island and Adjacent Sea Waters, Korea)

  • Sook Shin
    • Animal Systematics, Evolution and Diversity
    • /
    • 제14권3호
    • /
    • pp.193-205
    • /
    • 1998
  • 경상남도 남해안에 있는 거제도 해안의 20지역에서 1995년 2월부터 1998년 5월까지 채집되어 동정된 극피동물은 3강 11목 25과 37속 47종을서 불가사리류가 3목 8과 14속 18종, 거미불가사리류가 2목 6과 8속 13종, 성게류가 4목 8과 11속 12종, 해삼류가 2목 3과 4속 4종이었다. 이중 Prionocidaris baculosa 톱니관극성게는 한국 미기록종으로 밝혀졌으며, 불가사리류 9종, 거미불가사리류 6종, 성게류 4종, 3종의 해삼류 등 22종은 거제도에서 처음 기록되는 종이다.

  • PDF

한국산 좀반날개족(딱정벌레목: 반날개과)의 분류학적 연구II. 애눈반날개속 (Studies on the Tribe Philonthini(Colepptera: Staphylinidae) from Korea II. Genus Babronthus Tottenham)

  • 조영복
    • Animal Systematics, Evolution and Diversity
    • /
    • 제12권1호
    • /
    • pp.25-31
    • /
    • 1996
  • 한국산 좀반날개족의 미기록속인 애눈반날개속을 분류한 결과, 3종이 동정되었다. 이 들 중, Gabronthus tenuicorpus와 G. chejuensis는 신종이었고 G. sulcifrons는 미기록종이었 다. 이들에 대한 분류 검색표 및 종. 기재를 작성하였다.

  • PDF

민숭머리말매미충족의 분지론적 분류(곤충강: 매미목: 매미충과) (Cladistic Taxonomy of the Tribe Errhomenini (Insecta ; Homoptera; Cicadellidae))

  • Eun Yeop Huh;Yong Jung Kwon
    • Animal Systematics, Evolution and Diversity
    • /
    • 제11권4호
    • /
    • pp.485-495
    • /
    • 1995
  • 분기론적 분류방식을 이용하여 Errhomenini족의 6속에 대한 계통 진화관계를 조사한 결과. 2개의 단배열계통군을 보였으며, 이 분석을 분류 체계화의 기초로 이용하고자 하였다.

  • PDF

HSI 색상모델을 이용한 마루판 무늬목의 색상분류에 관한 연구(1) (Studies on Color Classification of Fancy Veneer Flooring Board with HSI Color Model)

  • 서준원;박병수;정성호;박헌
    • Journal of the Korean Wood Science and Technology
    • /
    • 제33권4호통권132호
    • /
    • pp.23-29
    • /
    • 2005
  • 대표적인 고부가가치 목질판상 재료인 마루판은 육안 분류 작업에 의한 오차로 마루판 시공 시에 무늬목간의 색상 차가 생기고 있다. 이는 조건등색(metamerism)에 의해 식별 후 혹은 마루판 시공 시에 오차가 큰 것으로 나타났다. 따라서 본 연구에서는 Light와 Dark 두 단계로 육안 식별한 피나무, 자작나무, 단풍나무 3수종의 무늬목을 사용한 마루판을 CIELAB를 이용하여 분류하고, CIERGB에서 각각의 문턱 값(threshold)을 조사하고, 인간의 색 인지에 기반을 둔 HSI (hue, saturation, intensity)색상모델을 응용하여 색상, 채도, 명도 값의 범위를 조사하였다. HSI색상모델의 색상과 채도, 명도를 이용하여 마루판의 색상분류에 사용할 경우 명도 값을 이용하는 것이 유리할 것으로 보인다. 그리고 색상의 범위가 3종류 모두 $45{\sim}55^{\circ}$ 사이 범위 값을 가지고 있는 것으로 보이며, RGB성분의 문턱값을 이용한 분류의 경우 특정 색상 성분 값만으로는 마루판 무늬목의 분류가 어려울 것으로 보인다.

미래 융합보안 인력양성을 위한 보안교육과정 분류체계 설계 (Security Knowledge Classification Framework for Future Intelligent Environment)

  • 나원철;이효직;성소영;장항배
    • 한국전자거래학회지
    • /
    • 제20권3호
    • /
    • pp.47-58
    • /
    • 2015
  • 근래에 들어 정보보안 환경이 ICT와 융합됨에 따라 새로운 취약성 지속적으로 증가하고 있다. 이에 따라 새로운 유형의 사이버범죄가 대두되고 있으며 사이버 공격, 내부자 유출 등 보안문제로 인하여 보안사고 사례가 급증하고 있다. 또한 기존의 기술적인 보안위협처럼 취약점을 악용한 외부의 해킹이 아닌 내부직원에 의한 정보유출 등의 신종 보안위협이 등장하고 있으며 산업과 기술이 융합되는 새로운 환경으로 발전함에 따라 그 위협은 더욱 증가하고 있는 실정이다. 따라서, 본 논문에서는 고도화된 정보위협에 능동적으로 대처하기 위한 전문보안관리 인재를 양성하기 위해 균형있는 정보보호 교과목을 설계하여 정보보호 교과목 분류체계를 도출하고자 하였다. 이를 위해 선행연구조사 분석과 전문가 자문위원회의 회의를 통해 기술적인 교육과 경영 관리적인 교육이 적절히 배분된 정보보호 교과목을 도출하고 국내실정에 적합한 형태로 분류된 정보보호 직업분류체계와의 연결을 통해 균형감있는 정보보호교과목 분류체계를 도출하였다. 본 연구결과는 미래 산업융합 환경의 신종 보안위협을 막아낼 수 있는 지능형 보안인재를 양성하는데 긍정적인 효과를 미칠 것으로 기대된다.

라이다 플랫폼과 딥러닝 모델에 따른 잣나무와 낙엽송의 분류정확도 비교 및 평가 (Comparison and Evaluation of Classification Accuracy for Pinus koraiensis and Larix kaempferi based on LiDAR Platforms and Deep Learning Models)

  • 이용규;이상진;이정수
    • 한국산림과학회지
    • /
    • 제112권2호
    • /
    • pp.195-208
    • /
    • 2023
  • 본 연구는 잣나무와 낙엽송을 대상으로 라이다로부터 취득된 3차원의 Point cloud data (PCD)를 이용하여 딥러닝 기반의 수종 분류 모델을 구축하고 분류정확도를 비교·평가하였다. 수종 분류 모델은 라이다 플랫폼(고정식과 이동식), Farthest point sampling (FPS) 기반의 다운샘플링 강도(1024개, 2048개, 4096개, 8192개), 딥러닝 모델(PointNet, PointNet++) 3가지 조건에 따라 총 16개의 모델을 구축하였다. 분류 정확도 평가 결과, 고정식 라이다는 다운샘플링 강도가 8192개인 PCD 자료에 PointNet++ 모델을 적용하였을 때 카파계수가 93.7%로 가장 높았으며, 이동식 라이다는 다운샘플링 강도가 2048개에 PointNet++을 적용하였을 때 카파계수가 96.9%로 가장 높았다. 또한, 플랫폼과 다운샘플링 강도가 동일한 경우 PointNet++이 PointNet보다 정확도가 높았다. 구축된 16개 모델의 오분류 사례는 첫 번째, 수종 간의 구조적인 특징이 유사한 개체목 두 번째, 경사지 또는 임도 주변에 위치하여 편심생장한 개체목 세 번째, 개체목 분할 시 수관부가 수직으로 분할된 개체목에 대해 발생하였다.