• 응용통계연구
• /
• 제32권1호
• /
• pp.111-128
• /
• 2019

지하철은 많은 승객들을 원거리까지 안전하고, 신속 정확하게 원하는 지점으로 대량 수송할 수 있는 친환경적인 교통수단이다. 지하철의 공익성을 증대시키기 위해서는 정확한 승객 수요 예측이 이루어져야 한다. 본 연구는 정확한 지하철 수요예측을 위하여, 군집분석을 통해 서울시 1-9호선 지하철역들을 군집화 하였다. 그 후, 전체 역과 각 군집 별 최종 예측 모형을 제시하였다. 군집화 결과, 294개의 역이 3개로 군집화 되었으며 그룹 1은 상공업지구, 그룹 2는 주상복합지구, 그룹 3은 주거지구가 중심이 되는 역들로 나타났다. 그 후 각 군집 별로 다양한 데이터 마이닝 기법을 이용해 지하철 승차인원 예측 모형을 제시하고, 수요 예측에 중요한 영향을 미치는 요인들을 도출하였다. 그리고 최종 모형을 바탕으로 2018년 10월에 개통될 서울시 9호선 3단계 연장역인 8개 신설역의 3개월 수요를 예측하였다. 8개 신설역의 월평균 시간당 평균 승차인원은 약 241에서 452명, 월평균 시간당 최대 승차인원은 약 969에서 1,515명으로 추정되었다. 본 분석의 최종 모형을 활용한 신설역의 지하철 수요 예측은 대중교통 정책 결정을 위한 기초자료로 활용되어 효율적인 지하철 운영 방안 수립에 기여할 수 있을 것이다.

• 정보보호학회논문지
• /
• 제22권1호
• /
• pp.43-56
• /
• 2012

무선 센서 네트워크는 재사용이 불가능한 배터리와 제한된 처리능력, 저장 공간을 갖는 다량의 소형 노드로 이루어진다. 이 네트워크에서 노드들은 광범위한 영역에 배치되게 되며 이 노드들은 또한 무선 링크를 통해 노드들 사이에 단거리 통신을 수행한다. 네트워크의 에너지 효율을 위해 동적 클러스터링 기법이 네트워크 수명, 확장, 부하 분산에 효과적인 수단이다. 이 기법은 다수의 노드에 의해 수집되는 데이터가 클러스터 헤드 노드에 의해 집성되어 재전송되는 특징이 있어 해당 노드가 공격자에 노출될 경우 네트워크의 안전을 보장할 수 없게 된다. 그러므로 이러한 클러스터링 기법의 안전한 통신을 위해 노드들 사이에 전송되는 메시지의 암호화와 클러스터 헤드 노드의 보안 유지가 중요하다. 특히, 에너지 효율을 목적으로 설계된 클러스터 기반 프로토콜에서 충분한 데이터 안정성을 보장하기 위해서는 클러스터 구조에 적합한 키 관리 및 인증 기법이 필요하다. 이에 본 논문에서는 계층 클러스터 구조를 갖는 센서 네트워크에 적합한 키 관리 기법을 제안한다. 제안하는 기법은 다항식 키 풀 기반 기법에 기초하며 키 인증 절차를 통해 안정된 네트워크를 유지한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1951-1975
• /
• 2023

Recent advances in Cognitive Radio Networks (CRN) have elevated them to the status of a critical instrument for overcoming spectrum limits and achieving severe future wireless communication requirements. Collaborative spectrum sensing is presented for efficient channel selection because spectrum sensing is an essential part of CRNs. This study presents an innovative cooperative spectrum sensing (CSS) model that is built on the Firefly Algorithm (FA), as well as machine learning artificial neural networks (ANN). This system makes use of user grouping strategies to improve detection performance dramatically while lowering collaboration costs. Cooperative sensing wasn't used until after cognitive radio users had been correctly identified using energy data samples and an ANN model. Cooperative sensing strategies produce a user base that is either secure, requires less effort, or is faultless. The suggested method's purpose is to choose the best transmission channel. Clustering is utilized by the suggested ANN-FA model to reduce spectrum sensing inaccuracy. The transmission channel that has the highest weight is chosen by employing the method that has been provided for computing channel weight. The proposed ANN-FA model computes channel weight based on three sets of input parameters: PU utilization, CR count, and channel capacity. Using an improved evolutionary algorithm, the key principles of the ANN-FA scheme are optimized to boost the overall efficiency of the CRN channel selection technique. This study proposes the Artificial Neural Network with Firefly Algorithm (ANN-FA) for cognitive radio networks to overcome the obstacles. This proposed work focuses primarily on sensing the optimal secondary user channel and reducing the spectrum handoff delay in wireless networks. Several benchmark functions are utilized We analyze the efficacy of this innovative strategy by evaluating its performance. The performance of ANN-FA is 22.72 percent more robust and effective than that of the other metaheuristic algorithm, according to experimental findings. The proposed ANN-FA model is simulated using the NS2 simulator, The results are evaluated in terms of average interference ratio, spectrum opportunity utilization, three metrics are measured: packet delivery ratio (PDR), end-to-end delay, and end-to-average throughput for a variety of different CRs found in the network.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.211-228
• /
• 2023

방조제의 모니터링에는 지구물리학적 비파괴 검사인 GPR (Ground Penetrating Radar) 탐사가 주로 이용된다. GPR 반응은 상황에 따라 복잡한 양상을 보이므로 자료의 처리와 해석은 전문가의 주관적 판단에 의존하며, 이는 오 탐지의 가능성을 불러옴과 동시에 시간이 오래 걸린다는 단점이 있다. 따라서 딥 러닝을 이용하여 GPR 탐사자료의 공동을 탐지하는 다양한 연구들이 수행되고 있다. 딥 러닝 기반 방법은 데이터 기반 방법으로써 풍부한 자료가 필요하나 GPR 탐사의 경우 비용 등의 이유로 학습에 이용할 현장 자료가 부족하다. 따라서 본 논문에서는 데이터 증강 전략을 이용하여 딥 러닝 기반 방조제 GPR 탐사자료 공동 탐지 모델을 개발하였다. 다년간 동일한 방조제에서 탐사 자료를 사용하여 데이터 세트를 구축하였으며, 컴퓨터 비전 분야의 객체 탐지 모델 중 YOLO (You Look Only Once) 모델을 이용하였다. 데이터 증강 전략을 비교 및 분석함으로써 최적의 데이터 증강 전략을 도출하였고, 초기 모델 개발 후 앵커 박스 클러스터링, 전이 학습, 자체 앙상블, 모델 앙상블 기법을 단계적으로 적용하여 최종 모델 도출 후 성능을 평가하였다.

• Journal of Platform Technology
• /
• 제12권1호
• /
• pp.55-66
• /
• 2024

K-POP 시장은 문화를 넘어 외교, 환경 운동 등 사회 전반에 미치는 영향력이 지대해지고 있다. 이에 따라 아이돌의 성공 요인을 알아내고자 음원, 음반 등 전통적 데이터를 활용하여 머신러닝 기반으로 다양한 논문들이 수행되고 있다. 하지만, 기존의 선행 연구는 최근 아이돌의 인지도에 미치는 인스타그램 릴스, 유튜브 쇼츠, 틱톡, 트위터 등과 같은 뉴미디어 플랫폼의 영향을 반영하지 못했다는 한계점이 있다. 따라서 기존의 연구로는 매일 변화하는 미디어 트렌드를 고려하지 못하여 최근 아이돌 성공 요인의 인과관계를 뚜렷하게 밝히는데 어려움이 있었다. 이러한 문제점을 해결하기 위해, 본 논문은 아이돌 관련 데이터의 수집 시스템과 분석 방법론을 제안한다. 아이돌 데이터의 특이성을 반영한 컨테이너 기반 실시간 데이터 수집 자동화 시스템을 개발해, 아이돌 데이터 수집의 안정성과 확장성을 확보하고 K-Means 클러스터링 기반 이상치 탐지 모델을 통해 성공 아이돌 군집을 비교, 분석한다. 그 결과, 성별, 앨범 발매 시기 후 성공 시점, 뉴미디어와의 연관성 등 성공 아이돌들의 공통점을 파악할 수 있었다. 이를 통해, 최종적으로 각 아이돌별, 앨범 형태별, 컴백 시기에 따른 최적 컴백 프로모션을 기획해 아이돌의 성공 가능성을 증진할 수 있을 것으로 기대한다.

• 한국작물학회지
• /
• 제68권4호
• /
• pp.392-401
• /
• 2023

본 연구에서는 농업부산물인 옥수수 속대의 생리활성 화합물 공급원으로의 잠재적 활용 가능성을 탐색하기 위해 이삭의 성숙 단계에 따른 phytosterol 함량 변화를 측정하였다. 1. 옥수수 이삭의 crude fat 함량 변이는 속대가 3 DAS에서 54 DAS까지 2.51±0.06-0.33±0.04%, 종실은 9 DAS에서 54 DAS까지 1.84±0.04-4.91±0.28%로 나타났으며 종실은 성숙할수록 crude fat 함량이 증가하였고 속대는 반대의 경향을 나타내었다. 2. 옥수수 이삭의 등숙 기간 동안 속대와 종실에서 campesterol, stigmasterol, β-sitosterol은 주요 phytosterol로 검출되었으며, total phytosterol 함량은 속대가 3 DAS에서 54 DAS까지 134.84±4.58-48.86±0.89 mg/100g DW, 종실은 9 DAS에서 54 DAS까지 83.15±2.74-42.12±0.08 mg/100g DW로 생리적 성숙 초기 단계에 가장 높은 함량을 보인 뒤 점차적으로 감소하였다. 3. Hierarchical clustering heatmap analysis와 principal component analysis에서 옥수수 속대와 종실은 생리적 성숙 단계 및 조직 부위에 따라 구분이 되었다. 옥수수 속대를 새로운 phytosterol 공급원으로써 활용하기 위해 함량이 가장 풍부한 시기는 R1-R2 stage이며, 이삭 성숙 전체 단계에서 속대에는 종실보다 많은 phytosterol이 존재하므로 농업부산물인 속대를 새로운 phytosterol 공급원으로 활용할 수 있을 것이다.

• 마케팅과학연구
• /
• 제17권2호
• /
• pp.1-29
• /
• 2007

본 연구에서는 플로우 4경로모형에서 마음상태와 플레이(play)가 하는 역할과 그 결과를 분석하고자 하였다. 이를 위해서 선행요인인 도전감 및 숙련도의 조합에 따른 마음상태를 측정하고, 플레이를 플로우 4경로모형에 투입하여 플로우이론에서 가설적으로 제시하고 있는 마음상태와 플레이의 영향관계를 분석하였다. 또한 플로우와 플레이의 웹충성도에 대한 영향도 분석하였다. 가설검정 결과에서는 첫째, 도전감과 숙련도의 조합에 따라 플로우, 두려움, 지루함, 무관심의 마음상태가 형성되는 것이 확인되었다. 그러나 두려움의 수준은 도전감과 숙련도가 모두 가장 낮은 무관심집단에서 가장 높게 나타났다. 이런 결과는 플로우이론의 설명과 일치하지 않는데, 무관심집단은 두려움으로 인해 온라인 쇼핑을 회피하는 것으로 해석할 수 있다. 둘째, 도전감과 숙련도에 따라 구분된 집단 간에 플레이 수준에서 유의적인 차이가 있는 것으로 나타났다. 셋째, 플레이는 플로우에 대해서는 정(+)의 영향을 미쳤고, 지루함에 대해서는 부(-)의 영향을 미쳤다. 그러나 두려움과 무관심에 대해서는 부(-)의 영향효과가 유의적이지 않았다. 넷째, 플레이와 플로우는 웹충성도에 유의적인 정(+)의 영향을 미치는 것으로 나타났고, 부정적 마음상태인 두려움, 지루함, 무관심은 웹충성도에 부(-)의 영향을 미쳤다. 플레이의 웹충성도에 대한 영향은 부정적 마음상태에서 강화되는 것으로 나타났다. 본 연구에서는 플로우 4경로모형에서의 마음상태를 확인하기 위해 이를 측정할 수 있는 척도를 개발하여 사용하였다. 마음상태별로 수립한 4개의 구조방정식 모형을 통해 플로우 뿐만 아니라 두려움, 지루함, 무관심의 부정적 마음상태에서 발생하는 영향관계를 종합적으로 입증하였다. 이런 결과는 부정적 마음상태의 영향을 확인하였다는 점에서 이론발전에 기여하였다고 본다. 또한, 플로우모형에서 플레이의 역할을 규명하였다는 점에서도 의미가 있다. 본 연구는 실무적으로도 인터넷 소비자들의 마음상태에 따른 시장세분화와 플레이를 활용한 마케팅전략수립에 시사점을 제공한다.