• 지구물리
• /
• 제3권3호
• /
• pp.175-184
• /
• 2000

충남 천안시 두정동 야산지역에 대한 고고학적 발굴대상지에서 자력탐사를 이용한 비파괴 문화재탐색 응용가능성에 대찬 실험적 연구를 수행하였다. 고고학적 발굴대강지에 대하여 발굴이 시작되기 전 자력탐사를 실시하였으며, 자력탐사 결과 나타난 자력이상대를 발굴후의 유물분포상황과 비교하였다. 자력탐사시 $20cm{\times}20cm$ 격자망을 구성하여 $20m{\times}40m$ 구역을 측정하였으며 자력센서는 지면에 위치시켰다. 기존의 발견된 토기를 대상으로 자력측정한 결과, 토기가 위치한 지점의 자력이 상이 주위의 평균치보다 최대 130nT 정도로 나타나고 있다. 등자기이상 분포포의 해석결과, 연구지역내의 1사분면과 4사분면에 나타난 자기이상지점들과 발굴결과 화인된 토기 및 토기의 파편위치가 정확하게 일치한다. 고고학적 발굴결과 연구지역내에서 발견된 토기위치는 7곳이었으며 이중 6곳은 모두 자력이상지점과 일치하며, 한 곳은 자력이상지점이 아닌 곳에서 발견된 바, 이 토기는 연 토기로 판명되었다. 또한 발굴당시 확인된 숲속이나 천부지층내에 매몰된 철제 쓰레기, 철사 등의 장애물 역시 등자력이상도에서 정확하게 일치하고 있다. 그러므로 자력탐사를 수행하기 앞서 육안으로 확인되는 철제장애물들은 제거한 후에 탐사를 실시하는 것이 바람직하다. 원인이 뚜렷히 확인되지 않는 자력이상지점들은 현재의 발굴충위보다 깊은 곳에 유물이 존재할 가능성이 있으므로 보다 정밀한 발굴작업이 추가적으로 필요할 것으로 판단된다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.1-16
• /
• 2015

교통사고의 원인을 규명하고 미래의 사고를 방지하기 위한 노력의 일환으로 데이터 마이닝 기법을 이용한 교통 데이터 분석의 연구가 이루어지고 있다. 하지만 기존의 교통 데이터를 이용한 마이닝 연구들은 학습된 결과를 사람이 이해하기 어려워 분석에 많은 노력이 필요하다는 문제가 있었다. 본 논문에서는 많은 속성들로 표현된 교통사고 데이터로부터 유용한 패턴을 발견하기 위해 규칙 학습 기반의 데이터 마이닝 기법인 연관규칙 학습기법과 서브그룹 발견기법을 적용하였다. 연관규칙 학습기법은 비지도 학습 기법의 하나로 데이터 내에서 동시에 많이 등장하는 아이템(item)들을 찾아 규칙의 형태로 가공해 주며, 서브그룹 발견기법은 사용자가 지정한 대상 속성이 결론부에 나타나는 규칙을 학습하는 지도학습 기반 기법으로 일반성과 흥미도가 높은 규칙을 학습한다. 규칙 학습 시 사용자의 의도를 반영하기 위해서는 하나 이상의 관심 속성들을 조합한 합성 속성을 만들어 규칙을 학습할 수 있다. 규칙이 도출되고 나면 후처리 과정을 통해 중복된 규칙을 제거하고 유사한 규칙을 일반화하여 규칙들을 더 단순하고 이해하기 쉬운 형태로 가공한다. 교통사고 데이터를 대상으로 두 기법을 적용한 결과 대상 속성을 지정하지 않고 연관규칙 학습기법을 적용하는 경우 사용자가 쉽게 알기 어려운 속성 사이의 숨겨진 관계를 발견할 수 있었으며, 대상 속성을 지정하여 연관규칙 학습기법과 서브그룹 발견기법을 적용하는 경우 파라미터 조정에 많은 노력을 기울여야 하는 연관규칙 학습기법에 비해 서브그룹 발견기법이 흥미로운 규칙들을 더 쉽게 찾을 수 있음을 확인하였다.