• 한국정보교육학회:학술대회논문집
• /
• 2009.08a
• /
• pp.123-126
• /
• 2009

오늘날 학생들의 성적을 고려하는 중요한 요소로 사회적인 특성과 환경적인 특성이 매우 중요시 되고 있다. 이는 대인관계, 사회적인 관계, 학교에서의 관계 등이 중요한 요소가 되기 때문이다. 이러한 특징을 잘 표현해 주는 것으로 사상체질에 대한 분석이 있다. 우리가 알고 있는 MBTI를 이용한 분석에 대한 연구가 많이 있으나 이는 환경적인 특성과 사회적인 특성을 잘 반영하지 못하고 있다. 따라서 본 논문에서는 사상체질의 특성을 분석하여 세부적인 특징을 추출한 후 잘 알려진 MBTI의 요소와의 관계를 분석한다. 이를 통해 사상체질 분석을 통하여 추출된 내용을 MBTI의 연구된 내용에 접목시켜 학생의 학습방법을 지도할 수 있는 방안을 모색하도록 한다. 또한 사회적, 환경적 특성을 고려한 학습방법을 제시하는데 많은 도움을 줄 수 있다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2011.06a
• /
• pp.200-202
• /
• 2011

신축되어 운영중인 플로팅 호텔과 현재 계획중인 플로팅 호텔을 대상으로 건축적 특징과 경향을 파악하여 건축계획시 참고자료를 제시하고자 하였다. 건축적 특징으로는 이동성에 따른 장기간 사용, 환경에 대한 배려, 재생 에너지 사용 등이 있고, 건축적 경향으로는 수상에 떠있는 장점의 활용, 개발된 신재료 도입, 독립적 생명지원시스템, 신속한 공사를 위한 조립식 도입, 재생에너지 시스템 도입 등이 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.01a
• /
• pp.223-225
• /
• 2013

본 논문에서는 카메라가 여러 개 존재하는 다중의 카메라 환경에서 주변의 환경에 최적으로 적합한 카메라를 동적으로 선택하는 알고리즘을 제안한다. 제안된 알고리즘에서는 초기의 입력영상을 받아들인 후, 이 영상으로부터 주위의 환경을 가장 잘 표현할 수 있는 특징인 밝기와 텍스처 특징을 추출한다. 그리고 이전 단계에서 추출된 밝기와 텍스처 특징값들을 가장 잘 반영할 수 있는 카메라를 선택하는 규칙을 생성함으로써 주위 환경에 맞는 카메라를 자동으로 선택해 준다. 본 논문의 실험결과에서는 제안된 방법이 여러 가지 환경에서 잘 동작하며, 결과적으로 주위 환경에 적합한 카메라의 선택을 통해 보다 정확한 3차원의 정보를 추출함을 보여준다.

• Science of Emotion and Sensibility
• /
• v.2 no.2
• /
• pp.115-121
• /
• 1999

특정 환경이 제시하는 이미지는 색으로 나타내어진다. 그러면, 특징 사회적 환경에 대해 사람들은 특정한 색채 반응을 만들어내는가\ulcorner 특정 사회적 상황에 대해 사람들이 어떤 색채이미지를 만들어 내며, 이런 색채이미지가 사회적 상황을 일관적으로 나타낼 수 있는지를 파악하고자 하였다. 각 사회적 상황에 맞는 색채 코디네이션과 이미지를 찾고자 할 때, 대표적인 경우가 화장이다. 여성의 화장에서 나타나는 색채 이미지는 사용자의 취향과 같은 성격특성에 따라 달라지지만, 이것은 또한 사회적 상황에 따라 다르게 표현되기도 한다. 본 연구에서는 사회적 상황을 캐주얼, 비즈니스, 지적분위기, 이브닝(섹스어필)의 4가지 조건을 제시하고 이것에 따른 색채 감성이미지가 어떻게 나타나는지를 살펴보았다. 연구결과는 각각의 상황은 일관적인 색채 이미지를 가지고 있을 뿐 아니라, 사람들에게 공통적으로 적용될 수 있는 색채이미지로 표현된다는 것을 밝힐 수 있었다. 특정 환경에 관한 개대는 특징적인 색채 이미지로 반영되며, 이런 결과들은 환경색채의 디자인과 구체적인 상황과 맞는 제품의 색조 디자인 등에 직접 활용될 수 있을 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04a
• /
• pp.49-51
• /
• 2001

다중스레드 모델은 데이터플로우 모델의 내부적인 병렬성, 비동기적 자료 가용성과 폰 노이만 모델의 실행 지역성을 결합하여 병렬처리 시스템의 성능을 향상시켰다. 이 모델은 프로그램의 실행을 위하여 컴파일러에 의해 생성된 스레드를 수행하며, 스레드의 생성 방법에 따라 자원 활용 빈도나 동기화 빈도와 같은 스레드의 질이 결정되는 특징이 있다. 하지만 다중스레드 모델은 실행 모델이 특정 플랫폼에 제한되는 단점을 가지고 있다. 이에 반해 자바는 플랫폼에 독립거인 특징을 가지고 있어 다중스레드 모델의 스레드 코드를 실행 단위인 자바 언어로 변환하여 다중스레드 모델의 특징을 여러 플랫폼에서 수정 없이 사용할 수 있게 된다. 자바는 분산된 환경에 적합한 언어이기 때문에 본 논문에서 제안한 번역기에 의해 다중스레드 모델의 스레드 코드를 자바 언어로 변환한 후 자바의 원격 매소드 호출을 이용하여 다중스레드 모델의 스레드 코드를 분산된 환경에서 처리하였다. 본 논문은 다중스레드 코드가 로컬 컴퓨터에서 여러 스레드를 생성하여 처리하던 것을 자바의 원격 메소드 호출을 이용하여 분산된 환경에서 실행 가능하도록 한다. 다중스레드 모델의 스레드 코드를 분산 환경에서 실행 가능한 자바 바이트 코드로 변환하는 번역기를 설계, 구현한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.49-50
• /
• 2019

데이터를 기반으로 한 기계학습은 데이터의 양, 학습 모델, 그리고 데이터의 특징 등 다양한 환경에 민감한 특징을 지니고 있어, 보다 효율적인 기계학습을 위해 데이터의 전처리 과정을 필요로 한다. 데이터의 전처리 과정이란 특징 선택(Feature selection), 노이즈 데이터의 제거, 차원 감소(Demension reduction), 클러스터링(Clustering) 등 보다 효율적인 기계학습을 위한 방법이다. 따라서 본 논문에서는 다양한 환경에서 보다 효율적인 기계학습을 위한 데이터 전처리 기술의 종류 및 간단한 특징에 대해 서술한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.41-42
• /
• 2018

특징 선택이란, 기계학습에서 분류 정확도를 향상시키기 위해서 많은 특징들을 분석해 가장 좋은 성능을 나타낼 수 있게끔 특징의 부분집합을 찾아내는 방법이다. 특징 선택 연구는 수십만개의 변수가 있는 데이터 세트를 이용하는 응용분야에서 주로 연구된다. 이러한 응용 분야는 주로 텍스트 처리, 유전자 배열 분석과 같은 고차원 데이터를 분석하는 분야이다. 또한, IoT 환경은 많은 데이터를 처리하기 때문에, 데이터 분류나 데이터의 가공을 위해서는 특징 선택 기법이 필수적이다. 본 논문에서는 특징 선택 기법에 대해 설명하고, IoT 환경에서 특징 선택 기법을 제안한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.112-112
• /
• 2020

하천에서 유해화학물질 유입 사고 발생 시 수환경 피해를 최소화하기 위해 신속한 초기 대응이 필요하다. 따라서, 본 연구에서는 수환경 화학사고 대응 시스템 구축을 위해 하천 실시간 모니터링 지점에서 관측된 유해화학물질의 농도 자료를 이용하여 발생원의 유입 지점과 유입량을 역추적하는 프레임워크를 개발하였다. 본 연구에서 제시하는 프레임워크는 첫 번째로 하천 저장대 모형(Transient Storage Zone Model; TSM)과 HEC-RAS 모형을 이용하여 다양한 유량의 수리 조건에서 화학사고 시나리오를 생성하는 단계, 두번째로 생성된 시나리오의 유입 지점과 유입량에 대한 시간-농도 곡선 (BreakThrough Curve; BTC)을 21개의 곡선특징 (BTC feature)으로 추출하는 단계, 최종적으로 재귀적 특징 선택법(Recursive Feature Elimination; RFE)을 이용하여 의사결정나무 모형, 랜덤포레스트 모형, Xgboost 모형, 선형 서포트 벡터 머신, 커널 서포트 벡터 머신 그리고 Ridge 모형에 대한 모형별 주요 특징을 학습하고 성능을 비교하여 각각 유입 위치와 유입 질량 예측에 대한 최적 모형 및 특징 조합을 제시하는 단계로 구축하였다. 또한, 현장 적용성 제고를 위해 시간-농도 곡선을 2가지 경우 (Whole BTC와 Fractured BTC)로 가정하여 기계학습 모형을 학습시켜 모의결과를 비교하였다. 제시된 프레임워크의 검증을 위해서 낙동강 지류인 감천에 적용하여 모형을 구축하고 시나리오 자료 기반 검증과 Rhodamine WT를 이용한 추적자 실험자료를 이용한 검증을 수행하였다. 기계학습 모형들의 비교 검증 결과, 각 모형은 가중항 기반과 불순도 감소량 기반 특징 중요도 산출 방식에 따라 주요 특징이 상이하게 산출되었으며, 전체 시간-농도 곡선 (WBTC)과 부분 시간-농도 곡선 (FBTC)별 최적 모형도 다르게 산출되었다. 유입 위치 정확도 및 유입 질량 예측에 대한 R²는 대부분의 모형이 90% 이상의 우수한 결과를 나타냈다.

• Environmental engineer
• /
• s.66
• /
• pp.42-48
• /
• 1992

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.236-236
• /
• 2021

최근 텍스트와 같은 비정형 데이터의 생성 속도가 급격하게 증가함에 따라, 이를 분석하기 위한 기술들의 필요성이 커지고 있다. 텍스트 마이닝은 자연어 처리기술을 사용하여 비정형 텍스트를 정형화하고, 문서에서 가치있는 정보를 획득할 수 있는 기법 중 하나이다. 텍스트 마이닝 기법은 일반적으로 각각의 분서별로 특정 용어의 사용 빈도를 나타내는 문서-용어 빈도행렬을 사용하여 용어의 중요도를 나타내고, 다양한 연구 분야에서 이를 활용하고 있다. 하지만, 문서-용어 빈도 행렬에서 나타내는 용어들의 빈도들은 문서들의 차별성과 그에 따른 용어들의 중요도를 나타내기 어렵기때문에, 용어 가중치를 적용하여 문서가 가지고 있는 특징을 분류하는 방법이 필수적이다. 다양한 용어 가중치를 적용하는 방법들이 개발되어 적용되고 있지만, 환경 분야에서는 용어 가중치 기법 적용에 따른 효율성 평가 연구가 미비한 상황이다. 또한, 환경 이슈 분석의 경우 단순히 문서들에 특징을 파악하고 주어진 문서들을 분류하기보다, 시간적 분포도에 따른 각 문서의 특징을 반영하는 것도 상대적으로 중요하다. 따라서, 본 연구에서는 텍스트 마이닝을 이용하여 2015-2020년의 서울지역 환경뉴스 데이터를 사용하여 환경 이슈 분석에 적합한 용어 가중치 기법들을 비교분석하였다. 용어 가중치 기법으로는 TF-IDF (Term frequency-inverse document frquency), BM25, TF-IGM (TF-inverse gravity moment), TF-IDF-ICSDF (TF-IDF-inverse classs space density frequency)를 적용하였다. 본 연구를 통해 환경문서 및 개체 분류에 대한 최적화된 용어 가중치 기법을 제시하고, 서울지역의 환경 이슈와 관련된 핵심어 추출정보를 제공하고자 한다.