• 한국시뮬레이션학회논문지
• /
• 제20권2호
• /
• pp.77-85
• /
• 2011

생물 및 의학계에서는 생물정보학(bioinformatics)의 데이터 중 혈청 단백질(proteome)에서 추출한 데이터가 질병의 진단에 관련된 정보를 가지고 있고, 이 데이터를 분류 분석함으로 질병을 조기에 진단 할 수 있다고 믿고 있다. 본 논문에서는 혈청 단백질(2-D PAGE: Two-dimensional polyacrylamide gel electrophoresis)로부터 암과 정상을 판별하는 새로운 복합분류기를 제안한다. 새로운 복합 분류기에서는 support vector machine(SVM)와 다층 퍼셉트론(multi-layer perceptron: MLP)와 k-최근 접 이웃(k-nearest neighbor: k-NN)분류기를 앙상블(ensemble) 방법으로 통합하는 동시에 다중 부스팅(boosting) 방법으로 각 분류기를 확장하여 부분류기(subclassifier)의 배열(array)으로서 복합분류기를 구성하였다. 각 부분류기에서는 최적 특성 집합 (feature set)을 탐색하기 위하여 유전 알고리즘(genetic algorithm: GA)를 적용하였다. 복합분류기의 성능을 측정하기 위하여 암연구에서 얻어진 임상 데이터를 복합분류기에 적용하였고 결과로서 단일 분류기 보다 높은 분류 정확도와 안정성을 보여 주었다.

• 디지털융복합연구
• /
• 제17권9호
• /
• pp.71-78
• /
• 2019

본 연구는 P2P 대부 플랫폼에서 우수 대출자를 예측시 유용한 합성 소수집단 오버샘플링 기법을 제안하고 그 성과를 실증적으로 검증하고자 한다. P2P 대부 관련 우수 대출자를 추정할 때 일어나는 문제점중의 하나는 클래스 간 불균형이 심하여 이를 해결하지 않고서는 우수 대출자 예측이 쉽지 않다는 점이다. 이러한 문제를 해결하기 위하여 본 연구에서는 SMOTE, 즉 합성 소수집단 오버샘플링 기법을 제안하고 LendingClub 데이터셋에 적용하여 성과를 검증하였다. 검증결과 SMOTE 방법은 서포트 벡터머신, k-최근접이웃, 로지스틱 회귀, 랜덤 포레스트, 그리고 딥 뉴럴네트워크 분류기와 비교하여 통계적으로 우수한 성과를 보였다.

• 한국가정과교육학회:학술대회논문집
• /
• 한국가정과교육학회 2002년도 하계국제학술대회
• /
• pp.5-19
• /
• 2002

재한국, 1995년제일차출대국가제정적가정과교육과정. 지후, 한국적가정과교육과정경마료7차적수정여개혁과정. 재차과정중, 가정과정불단지추극출신, 기과목명칭재변화, 필수자선 등 선과성질야재변화, 과치함축, 여기술과정합. 이차, 가정과변위남녀생공수적과목, 저취순응료사회발전적수요. 종한국적교육과정래간, 1년급도10년급시국민공용기본교육계단, 11년급도12년급시자선교육계단. 거차, 가정과교육과정적접배위여하 : 소학(5~6학년)위실과, 중학화고중(7~10학년)위"기술.가정", 고중(11~12학년)위"가전과학". 장종2003년개시실시적가정과과시안배위여하 : 소학각2과시, 7~12학년시각2.3.3.3과시, 11~12학년위6개등차. 최근, 청소년문제, 교육환경, 상시인성, 가정파양, 소비과잉, 학대아동, 등사회문제도근가정생활유착밀절적연계, 인차, 재반지교육중, 가정교육응수중시. 단시, 실제상병불시여차. 작위교육주체적교사화부모도몰유인식도저개실정. 인차, 가정학자여교사유심요주근지거연구가정교육. 우기시, 유필요근중국, 일본, 등저사아주국가호상교류화합작적과정중거탐색가정교육적안정발전. 하면파미래가정학육발전적방향건의여하 : 1) "가정" 과시이가정과위연구대상적가정학적독립적연구요영역. 가정경적연구감상시 "가정", 타이가정생활질량적제고위기연구목적. 인차, 재가정교육중, 과목적명칭명명위 "기술. 가정", "가정일반". "가사" 시부합리적. 이응위 "가정" 2) 가정교육웅사중시성각색적변환, 직업적인직변고적각도출발, 사소학도고중분개위필수화선수과, 유남녀생공수. 3) 가정과과시재축점축단. 도시유우교육과정적축단이인기적피면불료적현상. 단시고 여가정과시실천, 실험성과목응보장기최저적과시, 최기마필수유지현재적과시. 4) 향래, 한국적가정교육과정기이가정과위기본철학배경화리념, 우급시파국가교육과정적배경화이념, 가정학적발전동태반영재교육과정중, 즉강조즘요교. 단시, 경력료반복적변혁지후, 최근, 각중시즘양거배양학생적십 요 양적능력여가치. 인차, 가정교육파교육목라방재즘루거제고가정생활적질량, 즘루거호조화가정생활화직업생활, 즘양거개발합리지해결화실천가정생활적가치관. 5) 최근, 가정교육파교육방향화목라방재거배양학생작위독립적개인, 작위가족적성원, 작위사회성원래주인생도로적능력. 인차, 가정교육이인적생활위중심. 우거섭급학생재성장과정중소우도적문제,재거포괄재가정화사회생활중소우도적문제. 즉거배양해결가정생활중소우도적소유적 문종적종합능력. 6) 가정과재교학방법화교학평개상, 응채용실험, 실습, 관찰 등방식, 응반체험성, 실천성경험. 위차, 응필편기험적실험, 실습설비. 7) 확정교육과정편제적치후, 응제고일반교육학자적참여율, 가정교육학자응적극참여 제정교청정책적유관교육적각종위원회. 재제정정책적과정중각진소능, 적극제출건고성적의황. 8) 한, 중, 일 삼국권원층립가정교육과정도작사, 위삼국교육과정적량호발전주공헌.

• 한국정보과학회논문지:데이타베이스
• /
• 제34권6호
• /
• pp.546-553
• /
• 2007

온톨로지의 활용이 늘어나면서 의미적 유사성 검색에 대한 관심이 높아지고 있다. 본 논문에서는 질의 객체와의 의미적 유사성이 높은 객체를 검색하는 최근접 질의 기법을 제안하였다. 의미적 유사성을 측정하는 유사성 함수로는 최적 대응값 방식의 유사도 함수를 사용하였으며 주석 정보에 대한 색인을 위해 시그니처 트리를 사용하였다. 시그니처 트리는 집합 유사성 검색에서 많이 사용되는 색인 구조로서 유사성 검색에 사용하기 위해서는 검색시 각 노드를 탐색하였을 때 발견할 수 있는 유사도의 최대값을 예측할 수 있어야 한다. 이에 본 논문에서는 최적 대응값 방식의 유사도 함수에 대한 예측 최대값 함수를 제안하고 올바른 예측 함수임을 증명하였다. 또한 시그니처 트리에 동일한 시그니처가 중복되어 저장되지 않도록 구조를 개선하였다. 이는 시그니처 트리의 크기를 감소시킬 뿐만 아니라 질의 성능 또한 향상시켜 주었다. 실험의 데이타로는 대용량 온톨로지와 주석 정보 데이타를 제공하는 Gene Ontology(GO)를 사용하였다. 실험에서는 제안한 방법의 성능 향상 외에도 페이지 크기와 노드 분할 방법이 의미적 유사성 질의 성능에 미치는 영향에 대해 알아보았다.

• 정보처리학회논문지B
• /
• 제8B권5호
• /
• pp.455-462
• /
• 2001

웹은 이제 인터넷의 중요한 서비스중의 하나가 되었다. 웹 공간을 탐색할 때 사용자들은 항해하는 동한 만나는 흥미 있는 사이트들을 기록하기 위해 북 마크 기능을 이용한다. 북 마크 기능을 이용할때 겪는 문제중의 하나가 거듭된 새로운 북 마크의 추가로 인해 북 마크 리스트의 길이가 길어지면 북 마크 리스트가 일관성 있는 구성을 잃어버리게 되어 실제적인 도움을 주기 어렵다는 것이다. 사용자가 북 마크 파일을 효율적이고 체계적으로 유지하기 위해서는 북 마크 파일에 추가되는 새로운 북 마크들을 카테고리별로 분류하여 신규 폴더를 찾아 삽입해주어야 한다. 본 논문에서는 대응되는 웹 문서들을 다운 받아 내용을 분서함으로써 자동으로 북 마크를 분류하는 BClassifier라 불리는 학습에이전트를 소개한다. BClassifier 에이전트를 위한 훈련 예의 주된 공급원은 바로 사용자가 명시적으로 이미 주제에 따라 몇 개의 북 마크 폴더들로 분류해놓은 북 마크들이다. 여기에 주제 카테고리들을 확대하고 이들에 대한 훈련 문서들을 확보하기 위해 추가적으로 Yahoo 사이트의 최상휘 카테고리들로부터 웹 문서들을 수집하여 훈련 예에 포함시킨다. BClassifier 에이전트는 잘 알여진 확률기반의 분류 기술이나 나이브 베이지안 학습 방법을 채용하고 있다. 본 논문에서는 BClassifier 에이전트에 관한 몇 가지 실험 결과를 소개하고 평가한다. 나이브 베이지안 방법과 k-최근접 이웃 방법, TFIDF 등과 같은 서로 다른 학습 방법들과 비교 실험 결과도 제시한다.

• 응용통계연구
• /
• 제22권3호
• /
• pp.585-594
• /
• 2009

마이크로어레이 실험의 실험자들은 원 측정치인 영상을 조사하여 통계적 분석이 가능한 자료의 형태로 변환하는데 이러한 과정을 흔히 사전 처리라고 부른다. 마이크로어레이의 사전 처리는 불량 영상의 제거(filtering), 결측치의 대치와 표준화로 세분되어질 수 있다. 표준화 방법과 결측치 대치 방법 각각에 대하여서는 많은 연구가 보고되었으나, 사전 처리를 구성하는 원소들간의 적정한 순서에 대하여서는 연구가 미흡하다. 표준화 방법과 결측치 대치 방법 중 어느 것이 먼저 실시되어야 하는지에 대하여서 아직 알려진 바가 없다. 본 연구는 사전 처리 순서에 대한 탐색적 시도로서 대장암과 위암을 대상으로 실시한 두 조의 cDNA 마이크로어레이 실험 자료를 이용하여 사전 처리를 구성하는 원소들간의 다양한 순서에 따라 검색된 특이 발현 유전자 군이 어떻게 변화하는지를 분석하고 있다. 즉, 결측치대치와 표준화의 여러가지 방법들의 조합에 따라 검색된 특이 발현 유전자 군이 얼마나 일치적인가를 확인하고자 한다. 결측치 대치 방법으로는 K 최근접 이웃 방법과 베이지안 주성분 분석을 고려하였고, 표준화 방법으로는 전체 표준화, 블럭별 국소(within-print tip group) 평활 표준화 그리고 분산 안정화를 유도하는 표준화 방법을 적용하였다. 따라서 사전 처리를 구성하는 두개 원소가 각각 2개 수준과 3개 수준을 가지고 있고, 두개 원소의 순열에 따른 모든 가능한 사전 처리 개수 수는 12개가 된다. 본 연구에서는 12개 사전 처리 방법 각각에 따라 정상 조직과 암 조직간 특이적으로 발현하는 유전자 군을 검색하였고, 사전 처리 순서를 바꾸었을때 유전자 군이 얼마나 일치적으로 유지되는지를 파악하고 있다. 표준화 방법으로 분산 안정화 표준화를 사용할 경우는 사전 처리 순서에 따라 특이 발현 유전자 군이 다소 민감하게 변하는 것을 보이고 있다.

• 동양고전연구
• /
• 제32호
• /
• pp.29-50
• /
• 2008

이 논문은 최근에 공개된 "원교진적"에 대한 소개와 서예비평적 고찰이다. "원교진적"은 한말의 실학자이자 문인이었던 석정 이정직(1841-1910)이 원교 이광사(1705-1777)의 글씨에 대하여 비평해 놓은 것이다. 먼저 석정 이정직의 서예 활동과 함께 그의 글씨가 동국진체와 맺고 있는 관련성에 대하여 탐색해 보았다. 석정이 동국진체의 흐름에 서 있는 지에 대해서는 이 분야 전문가들의 몫으로 남아 있지만, 본고에서는 "원교진적(圓嶠眞跡)"과 "송하진적(松下眞跡)", 그리고 "창암서첩(蒼巖書帖)"을 통해서 그가 동국진체를 접하고 있었고, 한편으로 그것의 영향권에 있었던 것으로 보았다. 이번에 공개된 "원교진적"은 원교가 부령으로 유배된 다음 해인 1756년 6월을 전후로 지었던 18수의 한시 작품을 초서로 쓴 필첩이다. 여기에는 원교가 함경도 부령에서 귀양살이를 하면서 그리움과 절망감으로 점철된 그의 내면이 담겨 있다. "원교진적"은 석정이 원교의 글씨에 대하여 앞뒤로 비평적 제발을 덧붙인 자료라는 데에서 학술적 가치가 높다. 석정은 "원교진적"의 제발을 통해 서예사적 맥락을 염두에 두고 원교의 글씨에 대하여 비평을 하였다. 석정은 원교가 왕희지 이전의 글씨에 모범을 두었다는 점을 긍정적으로 받아들였다. 그러면서도, 석정은 원교가 우리나라의 풍기에 갇혀 조화(造化)하지 못한 한계를 보인다고 보았다. 석정의 이 언급은 원교의 글씨가 외면상으로 굳세지만 최고의 예술적 경지로서 '진숙'을 넘어서는 '조화'의 경지에 들어서지 못했다는 평가로 보인다. 그동안 연구자들은 석정의 서예 비평이 주로 중국 작가들에 대해서 이뤄졌던 것으로 알고 있었다. 그런데 석정이 직접 비평을 하였던 "송하진적"이나 "창암서첩"과 함께 이번에 "원교진적"이란 새로운 자료가 발굴되면서 그가 우리나라 동국진체의 작가들에 대해서도 깊은 관심을 갖고 있었다는 것을 확인할 수 있었다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.35-45
• /
• 2022

현대에도 일부 소외된 지역에서는 의료 인력의 부족으로 인해 위·중증 환자에 대한 치료가 지연되는 경우가 많다. 의료 데이터에 대한 분석을 자동화하여 의료 서비스의 접근성 문제 및 의료 인력 부족을 해소하고자 하는 연구가 계속되고 있다. 컴퓨터 비전 기반의 진료 자동화는 훈련 목적에 대한 데이터 수집 및 라벨링 작업에서 많은 비용이 요구된다. 이러한 점은 희귀질환이나 시각적으로 뚜렷하게 정의하기 어려운 병리적 특징 및 기전을 구분하는 작업에서 두드러진다. 이상 탐지는 비지도 학습 전략을 채택함으로써 데이터 수집 비용을 크게 절감할 수 있는 방법으로 주목된다. 본 논문에서는 기존의 이상 탐지 기법들을 기반으로, 흉부 X-RAY 영상에 대해 이상 탐지를 수행하는 방법을 다음과 같이 제안한다. (1) 최적 해상도로 샘플링된 의료 영상의 색상 범위를 정규화한다. (2) 무병변 영상으로부터 패치 단위로 구분된 중간 수준 특징 집합을 추출하여 그 중 높은 표현력을 가진 일부 특징 벡터들을 선정한다. (3) 최근접 이웃 탐색 알고리즘을 기반으로 미리 선정된 무병변(정상) 특징 벡터들과의 차이를 측정한다. 본 논문에서는 PA 방식으로 촬영된 흉부 X-RAY 영상들에 대한 제안 시스템의 이상 탐지 성능을 세부 조건에 따라 상세히 측정하여 제시한다. PadChest 데이터세트로부터 추출한 서브세트에 대해 0.705 분류 AUROC를 보임으로써 의료 영상에 대한 이상 탐지 적용의 효과를 입증하였다. 제안 시스템은 의료 기관의 임상 진단 워크플로우를 개선하는 데에 유용하게 사용될 수 있으며, 의료 서비스 접근성이 낮은 지역에서의 조기 진단을 효율적으로 지원할 수 있다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제61권2호
• /
• pp.339-357
• /
• 2022

노티싱(noticing, 주목하기)은 교사의 전문성 신장에서 핵심 역량으로 주목받아왔다. 교사의 노티싱이란 교수·학습 상황과 같이 교사가 접하고 있는 상황에서 특정한 현상이나 사물에 주의를 기울이고 그에 대한 해석과 추론을 기반으로 의사결정을 하는 능력으로 초임 교사의 노티싱과 전문가 교사의 그것은 그 양상이 다름이 많은 연구에서 밝혀져 왔다. 노티싱의 구성요소로는 선택적 주의집중과 그와 관련한 교수학적 추론, 그리고 그에 따른 반응을 결정하기로 구성되어 있으며, 전문가 교사로 성장하기 위해 노티싱은 교사가 계발해야할 전문 역량 중의 하나로 최근 들어 교사 교육과 교사 전문성 신장 분야에서 핵심적인 위치를 차지하고 있다. 본 연구의 목적은 예비 중등 수학교사의 수학 수업에 대한 노티싱 역량을 탐색하고, 이를 통해 예비 교사의 전문 역량 신장 방향에 대한 시사점을 제시하는 데 있다. 연구 목적을 달성하기 위해 수학교과교수법 강의에 참여한 17명의 예비교사의 '수학적 사고 중심 수업'에 대한 노티싱 수준을 강의의 초반, 중후반, 말미와 같이 다양한 지점에서 다양한 데이터를 수집하였다. 강의 초반에는 좋은 수학 수업에 관해 논의한 후 작성한 에세이, 수업 중후반부에 실시했던 우수 수업을 분석한 수업 분석록, 동료의 수업을 분석한 수업 분석록, 그리고 학교현장실습이 끝난 후 수업 말미에 본인의 수업을 성찰하고 분석한 수업 분석록을 연구 자료로 수집하였다. 수집한 자료는 '효과적인 수학 수업을 위한 프레임(Teaching for Robust Understanding of Mathematics Framework; 이하 TRU Math 프레임)을 기반으로 하여 노티싱의 수준을 코딩할 수 있도록 개발한 '수학적 사고 중심 수업을 위한 노티싱 수준 프레임'을 적용하여 자료 분석을 진행하였다. 분석 결과, 대부분의 예비교사들의 노티싱 수준은 강의가 진행됨에 따라 향상되었고, 수학적 사고 중심 수업(또는 효과적인 수학 수업)과 관련한 다섯 가지 핵심 측면에 집중되는 양상을 보였다. 특히, '수학적 사고 중심 노티싱 수준 프레임'에서 제시된 각각의 측면들은 예비교사들의 노티싱의 구성 요소 중 '무엇에 주목할 것인가'에 대한 역량 함양에 대한 함의점을 제시하고 있음을 알 수 있었다. 즉, 강의 초반 어떤 수업이 좋은 수학 수업의 모습일지에 대해 논의를 충분히 하고 논의의 결론도 어느 정도 합의가 되었다고 하였지만, 각 개별 에세이에 나타난 '무엇에 주목할 것인가'와 관련한 분석은 다소 다양하거나 핵심적인 측면 한 두가지만 노티싱을 하고 있는 것으로 보였다. 그러나 TRU Math 프레임을 이용하여 수업을 관찰하고 분석하는 활동을 통해 예비교사들의 '무엇에 주목할 것인가'와 관련한 선택적 주의 집중의 수준은 향상됨을 알 수 있었다. 이는 명시적인 가이드라인이나 좋은 수업 사례, 이론에 기반한 분석틀을 이용하여 깊이 있는 분석과 논의 및 성찰이 예비교사의 노티싱, 특히 '무엇에 주목할 것인가'와 관련한 역량 신장에 도움이 됨을 시사하고 있다. 한편, 주의 집중한 것에 대한 해석하기 및 분석하기와 관련 있는 교수학적 추론은 그 양상이 수집한 자료들 사이에 다소 다양하게 나타났다. 이는 기존의 연구에서 보고하고 있듯이 단순히 무엇에 주목해야 하는 지를 언급하는 것만으로는 노티싱 및 수업 역량을 신장하는데 도움이 되지 않으며, 구체적인 근거를 기반으로 수업 상황을 분석하고 자세히 설명함으로써 예비교사의 노티싱의 또 다른 구성요소인 교수학적인 추론 역량과 함께 수업 역량을 향상시킬 수 있다는 시사점을 제공한다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.139-157
• /
• 2016

앙상블 분류기란 개별 분류기보다 더 좋은 성과를 내기 위해 다수의 분류기를 결합하는 것을 의미한다. 이와 같은 앙상블 분류기는 단일 분류기의 일반화 성능을 향상시키는데 매우 유용한 것으로 알려져 있다. 랜덤 서브스페이스 앙상블 기법은 각각의 기저 분류기들을 위해 원 입력 변수 집합으로부터 랜덤하게 입력 변수 집합을 선택하며 이를 통해 기저 분류기들을 다양화 시키는 기법이다. k-최근접 이웃(KNN: k nearest neighbor)을 기저 분류기로 하는 랜덤 서브스페이스 앙상블 모형의 성과는 단일 모형의 성과를 개선시키는 데 효과적인 것으로 알려져 있으며, 이와 같은 랜덤 서브스페이스 앙상블의 성과는 각 기저 분류기를 위해 랜덤하게 선택된 입력 변수 집합과 KNN의 파라미터 k의 값이 중요한 영향을 미친다. 하지만, 단일 모형을 위한 k의 최적 선택이나 단일 모형을 위한 입력 변수 집합의 최적 선택에 관한 연구는 있었지만 KNN을 기저 분류기로 하는 앙상블 모형에서 이들의 최적화와 관련된 연구는 없는 것이 현실이다. 이에 본 연구에서는 KNN을 기저 분류기로 하는 앙상블 모형의 성과 개선을 위해 각 기저 분류기들의 k 파라미터 값과 입력 변수 집합을 동시에 최적화하는 새로운 형태의 앙상블 모형을 제안하였다. 본 논문에서 제안한 방법은 앙상블을 구성하게 될 각각의 KNN 기저 분류기들에 대해 최적의 앙상블 성과가 나올 수 있도록 각각의 기저 분류기가 사용할 파라미터 k의 값과 입력 변수를 유전자 알고리즘을 이용해 탐색하였다. 제안한 모형의 검증을 위해 국내 기업의 부도 예측 관련 데이터를 가지고 다양한 실험을 하였으며, 실험 결과 제안한 모형이 기존의 앙상블 모형보다 기저 분류기의 다양화와 예측 성과 개선에 효과적임을 알 수 있었다.