• Korean Journal of Plant Taxonomy
• /
• v.44 no.4
• /
• pp.288-297
• /
• 2014

The aim of this study is to analyse misinformation about gymnosperm taxon used for over 57 years, since 1957 when plant biology as a discipline was established in our country. That is, terminologies and descriptions of the reproductive structure (flower) of angiosperms (flowering seed plants) have been incorrectly applied to the reproductive structures (typically cones and pollen grain) of gymnosperms (non-flowering seed plants) by numerous and various media such as text books, dictionaries, and internet websites for plant biology. Thus, these resources have been misleading teachers, students, and other people interested in plant biology in general and taxonomy in particular by describing gymnosperm reproductive structures as if they are the same as angiosperms. Such a practice has an especially adverse effect on plant biology education at all levels of instruction, with teachers and students confused in their understanding of the concept and definition of a flower. In this paper, these incorrect expressions for the reproductive structures of gymnosperms from the various media are analysed and discussed in terms of cladogram, anatomy of reproductive structures, and historical context of classification systems.

• Journal of Broadcast Engineering
• /
• v.25 no.6
• /
• pp.845-853
• /
• 2020

In this paper, we propose a method for classifying environmental sound for selective noise cancellation in industrial sites. Noise in industrial sites causes hearing loss in workers, and researches on noise cancellation have been widely conducted. However, the conventional methods have a problem of blocking all sounds and cannot provide the optimal operation per noise type because of common cancellation method for all types of noise. In order to perform selective noise cancellation, therefore, we propose a method for environmental sound classification based on deep learning. The proposed method uses new sets of acoustic features consisting of temporal and statistical properties of Mel-spectrogram, which can overcome the limitation of Mel-spectrogram features, and uses convolutional neural network as a classifier. We apply the proposed method to five-class sound classification with three noise classes and two non-noise classes. We confirm that the proposed method provides improved classification accuracy by 6.6% point, compared with that using conventional Mel-spectrogram features.

• Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology
• /
• v.8 no.3
• /
• pp.563-570
• /
• 2018

This paper proposes an efficient dissolved gas analysis(DGA) and classification method of an oil-filled transformer using machine learning algorithms to solve problems inherent in IEC 60599. In IEC 60599, a certain diagnosis criteria do not exist, and duplication area is existed. Thus, it is difficult to make a decision without any experts since the IEC 60599 standard can not support analysis and classification of gas date of a power transformer in that criteria. To address these issue. we propose a dissolved gas analysis(DGA) and classification method using a machine learning algorithm. We evaluate the performance of the proposed method using support vector machines with dissolved gas dataset extracted from a power transformer in the real industry. To validate the performance of the proposed method, we compares the proposed method with the IEC 60599 standard. Experimental results show that the proposed method outperforms the IEC 60599 in the classification accuracy.

• Information Systems Review
• /
• v.25 no.3
• /
• pp.27-41
• /
• 2023

Unlike the previous works focusing on the state-of-the-art methodologies to improve the performance of machine learning models, this study improves the 'quality' of training data used in machine learning. We propose a method to enhance the quality of training data through the processing of 'local grammar,' frequently used in corpus analysis. We collected a vast amount of unstructured corporate review text data posted by employees working in the top 100 companies in Korea. After improving the data quality using the local grammar process, we confirmed that the classification model with local grammar outperformed the model without it in terms of classification performance. We defined five factors of work engagement as classification categories, and analyzed how the pattern of reviews changed before and after the COVID-19 pandemic. Through this study, we provide evidence that shows the value of the local grammar-based automatic identification and classification of employee experiences, and offer some clues for significant organizational cultural phenomena.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.30 no.4
• /
• pp.332-339
• /
• 2024

Safety is essential for organizations operating in high-risk environments, such as the Navy. Effective safety management requires continuous improvement and supplementation, commonly achieved through the PDCA (Plan-Do-Check-Act) cycle. Despite reinforced safety regulations and expanded education, safety accidents persist in the Navy, indicating a need to enhance the safety accident analysis and classification system. This study aims to analyze and identify the shortcomings of the current Navy safety accident classification system to establish a more effective framework. By doing so, we will be able to register the results of safety accidents, identify their root causes, and propose a 12-digit Navy safety accident classification code. This code will contribute to the development of mid- to long-term safety management policies.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06a
• /
• pp.434-436
• /
• 2012

최근에 모바일 시장의 급격한 성장과 함께, 모바일 애플리케이션의 보안약점을 통해 개인의 민감한 정보가 유출되는 심각한 문제점이 새롭게 등장하고 있다. 특히, 오늘날의 소프트웨어는 인터넷 환경에서 데이터를 교환하기 때문에 해커에 의해 악의적인 공격을 받을 가능성이 항상 존재한다. 이러한 보안약점은 심각한 경제적 손실을 발생시키는 소프트웨어 보안 침해사고의 직접적인 원인이다. 따라서 초기 개발 단계에서 보안약점을 제거하는 것이 중요하다. 그러나 기존의 보안약점 목록은 모바일 환경의 특성을 반영하지 못하고 있다. 본 논문에서는 모바일 애플리케이션의 특성을 고려한 보안약점의 분류 기법에 대한 소개를 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2010.10a
• /
• pp.7-9
• /
• 2010

전자해도에는 해안선, 등심선, 수심, 항로표지, 위험물, 항로 등 선박의 항해와 관련된 모든 해도정보를 포함하고 있으며, 각 정보는 속성정보와 공간정보를 가지고 데이터 레코드 단위로 저장된다. 수심 정보의 경우 점 형태의 공간정보로서 전자해도 격자 구역에 포함되는 수백에서 수천 개의 수심 위경도 좌표와 수심정보를 포함하고 있다. 수심 정보는 전자해도 중첩의 주된 원인이 되어 수심정보의 최적표현 기법 개발이 요구되었다. 본 연구에서는 전자해도 수심정보의 표현 기준을 수립하고, 기준에 따라 수심정보의 최적표현 방법을 제안하였다. 세부 내용으로 전자해도 수심정보 표현기준을 작성하고 전자해도에서 수심정보를 추출한 다음 기준에 따라 수심정보를 분류 하였다. 또한 분류한 수심정보를 전자해도에 저장하고 그 결과를 확인 하였다.

• Animal Systematics, Evolution and Diversity
• /
• v.1 no.1_2
• /
• pp.3-20
• /
• 1985

혹무늬 톡토기과의 56개 아과들에서 20개 형질복합을 추추랗여 형질평가방법과 Wagner algorithm의 형질 비평가방법을 사용하여 계통수를 작성, 비교하였다. 전자의 방법을 이해 진화적 형질순서와 극성을 결정하고 고등급의 파생공유 형질을 토대로한 단계통군과 자매군을 확인하여 계통분화를 추적하였다. 이 두가지 방법에 의한 계통수에서 분지 방식은 매우 다르게 나타났으나 나열순서는 유사했고, 단지 마지막의 2개 아과가 후자에서는 반대로 나타났다. 그 원인은 후자의 방법으로는 파생혈질수가 많은 분류군에서의 형질상태가 Wagner algorithm에서 누적효과를 일으킨 때문인 것으로 생각되며, 아울러 1, 10 및 20 번 형질의 적응이동(adaptive shift) 상 나타낼 중요한 의의를 적절히 평가 반영할 수 없는 것으로 추정된다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.2 no.2
• /
• pp.115-129
• /
• 1997

본 연구는 한국의 벤처캐피탈회사들이 투자안이 투자여부를 판단하는데 사용하는 평가모형이 실제의 성과와 비교하여 타당성을 갖는가를 분석하였다. 이를 위해 본 연구는 다음의 두가지 투자모형을 도출하여 그 내용을 비교하였다. 실제심사모형(Current Evaluation Model)은 심사과정을 거친 168개 투자안을 coxorehlse 그룹과 기각된 그룹으로 분류하여 이에 대한 판별분석을 통해 투자여부에 영향을 미친 평가요인의 우선순위를 규명하여 도출하였다. 한편, 성과모형(Performance-based model)은 앞 모형에서 채택된 투자안을 다시 성공과 실패의 두 그룹으로 분류하고 이를 종속변수로 한 판별분석을 통해 성과에 대한 평가요인의 영향도를 파악하여 개발하였다. 이 두 모형을 비교함으로써 본 연구는 우리나라 벤쳐캐피탈이 적용하는 투자평가시스템의 문제점을 파악하고 그 원인을 고찰하였다. 본 연구는 미국 등 선진국과 달리 다양한 투자환경에서 나타날 수 있는 투자평가모형의 타당성을 검증할 수 있는 접근방법을 제시했다는 점에 큰 의의가 있다. 이러한 접근을 통해 현 평가 모형의 문제점을 파악하고 개선방법을 제시할 수 있을 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.525-527
• /
• 2003

음차 표기된 외래어의 원어 복원 문제에 있어서 확률모델을 이용한 방법들이 기존에 많이 사용되었다. 이는‘발음단위’개념 (이재성 1998)을 이용하여 서로 대응될 수 있는 한글발음단위와 영어발음단위의 쌍들을 대역어 집합으로부터 추출하고 이를 확률모델에 적용하는 방법이다. 하지만 영어 철자를 영어 발음단위로 변환하는 과정에서 그 단어의 어원에 따라 서로 다른 발음상의 특징을 보이게 되는데. 이것이 기존의 연구에서 성능을 떨어뜨리는 원인이 되었다. 따라서 본 논문에서는 학습 데이터(대역어 집합)들을 발음 특성에 따라 분류하고. 분류된 각 데이터 집합을 학습과정에서 따로 적용함으로써 서로 다른 특성을 가지는 여러 개의 복원 모델을 얻을 수 있고, 이를 이용하여 원어 복원에 대한 성능을 높일 수 있음을 보여준다.