• Spatial Information Research
• /
• v.19 no.6
• /
• pp.43-54
• /
• 2011

This study proposes a rule-based image classification method for the time-series analysis of changes in the land surface of the Seongnam-Yongin area using satellite-image data from 2000 to 2009. In order to identify the change patterns during each period, 11 classes were employed in accordance with statistical/mathematic rules. A generalized algorithm was used so that the rules could be applied to the unsupervised-classification method that does not establish any training sites. The results showed that the urban area of the object increased by 145% due to housing-site development. The image data from 2009 had a classification accuracy of 98%. For method verification, the results were compared to land-cover changes through Post-classification comparison. The maximum utilization of the available data within multiple images and the optimized classification allowed for an improvement in the classification accuracy. The proposed rule-based image-classification method is expected to be widely employed for the time-series analysis of images to produce a thematic map for urban development and to monitor urban development and environmental change.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.11 no.1
• /
• pp.125-132
• /
• 2011

Fire monitoring system detects a fire based on the values of various sensors, such as smoke, CO, temperature, or change of temperature. It detects a fire by comparing sensed values with predefined threshold values for each sensor. However, to prevent a fire it is required to predict a situation which has a possibility of fire occurrence. In this work, we propose a fire recognition system using a fuzzy inference method. The rule base is constructed as a combination of fuzzy variables derived from various sensed values. In addition, in order to solve generalization and formalization problems of rule base construction from expert knowledge, we analyze features of fire patterns. The constructed rule base results in an improvement of the recognition accuracy. A fire possibility is predicted as one of 3 levels(normal, caution, danger). The training data of each level is converted to fuzzy rules by FCM(fuzzy C-means clustering) and those rules are used in the inference engine. The performance of the proposed approach is evaluated by using forest fire data from the UCI repository.

• Journal of KIISE:Databases
• /
• v.28 no.3
• /
• pp.301-314
• /
• 2001

Data mining refers to a set of techniques for discovering implicit and useful knowledge from large database. Many studies on data mining have been pursued and some of them have involved issues of temporal data mining for discovering knowledge from temporal database, such as sequential pattern, similar time sequence, cyclic and temporal association rules, etc. However, all of the works treat problems for discovering temporal pattern from data which are stamped with time points and do not consider problems for discovering knowledge from temporal interval data. For example, there are many examples of temporal interval data that it can discover useful knowledge from. These include patient histories, purchaser histories, web log, and so on. Allen introduces relationships between intervals and operators for reasoning about relations between intervals. We present a new data mining technique that can discover temporal relation rules in temporal interval data by using the Allen's theory. In this paper, we present two new algorithms for discovering algorithm for generating temporal relation rules, discovers rules from temporal interval data. This technique can discover more useful knowledge in compared with conventional data mining techniques.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.05a
• /
• pp.198-201
• /
• 2005

DNA microarray 칩은 신약 개발, 유전적 질환 진단, Bio-molecular 상호작용 연구, 유전자의 기능연구 등 폭넓게 사용되고 있다. 이 논문은 cDNA mimcroarray 데이터를 분석하기 위한 웹형태의 시스템 개발에 대한 내용을 다룬다. 하나의 cDNA microarray에는 수 백에서 수 만개의 유전자가 심어져 있으며, 데이터를 분석할 때 대량의 데이터와 다양한 형태의 오류로 인해서 데이터간의 차이를 보정하는 분석 도구와 통계적 기법들이 사용되어야 한다. 본 논문에서는 가상 칩 뷰어를 이용하여 실제 microarray 데이터의 foreground intensity에서 백그라운드의 intensity를 제거하여 일반화된 칩 이미지를 생성한다. 이 가상 칩 뷰어는 여러 가지 필터효과와 서로 다른 두 형광의 차이를 조정하는 global normalization 기법을 사용하여 발현 유전자 분석을 시각적으로 할 수 있고, 중복된 마이크로어레이 칩 데이터를 통하여 시간이 많이 걸리는 분석전 칩의 유효성을 검토할 수 있다. 칩 데이터의 normalization을 위한 통계 방법으로 R 통계 도구와 linear 모델을 사용하여 microarray 칩의 유전자 발현 양상을 분석한다. 통계적 방법을 사용하지 않은 데이터를 추출, 이 데이터의 패턴 그래프 그리고 발현 레벨을 분류하여 마이크로어레이의 각 스팟의 유효성 검토의 정확성을 높였다. 이 시스템은 칩의 유효성 검토, 스팟의 유효성 검토, 유전자 선정에 대해 분석의 용이성과 정확성을 높일 수 있었다.

• Proceedings of the KOR-KST Conference
• /
• 2002.02a
• /
• pp.17-42
• /
• 2002

전통적인 OD조사에 의한 OD추정의 여러 문제점들로 인해 링크관측교통량과 기존OD를 결합해 OD를 추정하고자 하는 연구들이 제시되고 있다. Yang(1995)은 일반화최소자승법을 풀기 위한 IEA와 SAB 알고리즘을 제시하였다. 그러나 두 알고리즘의 문제점은 첫째 실제 OD를 알기가 어렵기 때문에 기존 OD를 중요한 추정기준으로 설정한다는 것으로, 이러한 추정의 종속성으로 인해, 기존 OD와 실제 OD의 차이가 큰 경우 정확한 해를 도출하지 못한다. 두 번째 문제는 통행패턴 추정시 선형근사화를 가정하기 때문에 게임이론적 측면에서 전제로 설정한 완전한 Stackelberg 상황을 구현하지 못한다는 것이다. 이러한 문제점을 피하기 위해서는 기존 OD나 관측교통량의 오차에 일관적인 해도출 기법이 필요하다. OD추정 문제는 본질적으로 비선형이고 비볼록하여 전역해 탐색기법이 필요하기 때문에 전역최적화가 가능한 유전알고리즘을 이용한 OD추정모형(GAM)을 개발하였다. 사례네트워크 분석결과, GAM은 기존 OD의 오차에 대해 크게 종속적이지 않으며 OD구조가 변하는 경우에도 추정이 가능하여, 일반적으로 실제 OD를 알 수 없는(기존OD의 오차가 어느 정도인지를 알 수 없는) 도시부 네트워크에서 신뢰성있는 추정력을 보였다. 또한 기존 OD 추정모형은 비교적 용이하게 차종별로 관측할 수 있는 링크교통량을 차종구분 없이 단일차종으로 이용함으로써, 정보의 손실을 초래하여 결과적으로 모형의 추정력을 저하시켰다. 그렇지만 다차종 링크관측교통량으로부터 다차종 OD 추정연구는 거의 없었으며, 그 결과가 단일차종에 대한 추정결과와 어떻게 다른지에 대한 연구도 전무하였다. 본 연구에서는 유전알고리즘을 이용한 OD 추정모형을 다수단 OD 추정모형(GAMUC)으로 확대하였다. 사례 분석 결과 단일차종 OD추정기법은 심각한 추정오류를 범할 수 있으며, 그 적용성도 낮다는 것을 보였다. 다차종 OD 추정기법이 단일차종 OD 추정기법보다 양호한 추정력을 보였으며, 다차종 기법 중에서는 GAMUC가 IEAMUC보다 우수한 추정력을 보였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.18 no.3
• /
• pp.297-305
• /
• 2008

Recently, kernel methods have attracted great interests in the areas of pattern classification, function approximation, and anomaly detection. The role of the kernel is particularly important in the methods such as SVM(support vector machine) and KPCA(kernel principal component analysis), for it can generalize the conventional linear machines to be capable of efficiently handling nonlinearities. This paper considers the problem of combining radar and rain gauge observations utilizing the regression approach based on the kernel-based gaussian process and support vector learning. The data-assimilation results of the considered methods are reported for the radar and rain gauge observations collected over the region covering parts of Gangwon, Kyungbuk, and Chungbuk provinces of Korea, along with performance comparison.

• Journal of Internet Computing and Services
• /
• v.22 no.1
• /
• pp.13-22
• /
• 2021

Recently network based attack technologies are rapidly advanced and intelligent, the limitations of existing signature-based intrusion detection systems are becoming clear. The reason is that signature-based detection methods lack generalization capabilities for new attacks such as APT attacks. To solve these problems, research on machine learning-based intrusion detection systems is being actively conducted. However, in the actual network environment, attack samples are collected very little compared to normal samples, resulting in class imbalance problems. When a supervised learning-based anomaly detection model is trained with such data, the result is biased to the normal sample. In this paper, we propose to overcome this imbalance problem through One-Class Anomaly Detection using an auto encoder. The experiment was conducted through the NSL-KDD data set and compares the performance with the supervised learning models for the performance evaluation of the proposed method.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.230-230
• /
• 2022

최근 기후변화로 인해 예측이 어려운 국지성 호우가 빈번하게 발생하고 있다. 국지성 호우는 대량의 홍수를 일으켜 유송잡물을 동반한 흐름을 야기할 수 있다. 대량의 유송잡물이 하상에 퇴적되면 통수능을 저하시키기도 하며 식생효과와 마찬가지로 유목주변으로 유속이 증가하면서 세굴현상이 발생하게 되는데, 이는 하상저하를 일으키며 수공구조물의 안정성에 지속적으로 피해를 줄 수 있다. 기후변화는 또한 강우패턴을 변화시켜 식생의 성장과 활착에도 영향을 미치게 된다. 본 연구지역인 내성천 회룡포의 경우, 2015년 대가뭄 발생 이후 식생활착으로 인해 식생대 면적이 증가하고 잇는 상황이다. 이는 연구지역의 흐름과 사주교란 및 하상변동에도 큰 영향을 미칠 것으로 판단되며, 특히 식생의 증가는 유송잡물의 증가를 야기 할 수 있기 때문에 식생과 유송잡물의 영향이 하천에 미치는 영향을 예측하는 연구가 필요할 것으로 판단된다. 따라서 본 연구에서는 2차원 흐름모형인 Nays2D와 입자법기반의 유목동역학 모형을 활용하여 식생과 유송잡물이 하상변동에 미치는영향에 대한 수치실험을 수행하고 결과를 분석하였다. 여기서, 식생의 경우, 식생성장모형을 적용하여 시간에 따라 식생이 성장하여 항력이 증가하는 것으로 가정하였으며 유송잡물의 경우, 하상에 퇴적되는 유송잡물의 개수와 면적만큼 항력이 증가하는 것으로 가정하였다. 흐름의 경계 조건은 일반화된 부정류 수문곡선을 입력하였으며 초기 하도의 형상은 일정한 경사를 가지는 평지로 가정하여 부정류에 따라 하상변동이 발생하는 것으로 모의하였다. 시뮬레이션 결과, 유송잡물보다 식생대 번성이 하상변동에 상대적으로 큰 영향을 주는 것으로 나타났으며, 유송잡물의 경우 국부적으로 퇴적 분포되어 그 주변으로 침식을 일으키는 것으로 나타났다. 또한 유송잡물은 하안의 얕은수역에서 주로 퇴적되었다. 본 연구는 만곡부 하상변동에 대해 식생과 유송잡물을 고려하여 예측모의를 수행한 사례로서, 식생과 유송잡물이 흐름과 하상변동에 미치는 영향을 이해하는데 도움이 될 것으로 판단된다. 또한 이는 추후에 식생을 고려하는 하천관리방안을 수립 시, 식생과 유송잡물의 영향을 물리적으로 설명할 수 있는 근거자료로 제시할 수 있을 것으로 보인다.

• Journal of The Korean Association For Science Education
• /
• v.28 no.8
• /
• pp.870-879
• /
• 2008

The purpose of this study is to investigate laboratory abilities to carry-out experimentations in the field of 'Matter' in middle school science texts. A total of 359 chemistry experiments from 26 textbooks has been analyzed. The authors of this study are interested in what science process skills are required for students to perform the experiments and how often these skills are needed. This article introduced a framework for analyzing the science process skills and their frequency. There are similar patterns of science process skill use among the different grades of middle school texts. The process skills of organizing results, interpreting data and making generalizations are most needed by the order of frequency. However, abilities related to alternative activities and/or conditions show relatively low frequency. For seniors, various laboratory abilities to carry out experiments are needed, whereas abilities for operating and setting up an experimental apparatus are required in freshmen and juniors. These results suggest avenues for science teachers that make lesson plans involving science experiments.

• The Journal of the Convergence on Culture Technology
• /
• v.10 no.1
• /
• pp.471-476
• /
• 2024

With the spread of various smart devices and computing devices, big data generation is occurring widely. Machine learning is an algorithm that performs reasoning by learning data patterns. Among the various machine learning algorithms, the algorithm that attracts attention is deep learning based on neural networks. Deep learning is achieving rapid performance improvement with the release of various applications. Recently, among deep learning algorithms, attempts to analyze data using graph structures are increasing. In this study, we present a graph generation method for transferring to a deep learning network. This paper proposes a method of generalizing node properties and edge weights in the graph generation process and converting them into a structure for deep learning input by presenting a matricization We present a method of applying a linear transformation matrix that can preserve attribute and weight information in the graph generation process. Finally, we present a deep learning input structure of a general graph and present an approach for performance analysis.