• 한국측량학회지
• /
• 제17권2호
• /
• pp.177-187
• /
• 1999

현재까지 GSIS를 이용하는 많은 응용분야에서 각종 공간자료의 추출 및 분석을 위해 벡터형 공간중첩(spatial overay)이나 격자형 공간연산(spatial algebra)기능이 주로 사용되었다. 하지만 이런 방법에 내재하고 있는 개념은 전통적인 보통집합이론에 근거하고 있기 때문에 많은 종류의 공간자료들이 구간설정에 있어서 예리한 경계로 분할되는 것으로 다루어지고 있다. 이것은 현실 세계에 존재하는 실제 자료들의 공간분포패턴과 일치하지 않는다. 즉, 공간상에 일정영역이나 실체들이 오직 한가지 속성으로 한정되는(one-entity-one-value)오류를 그대로 포함하고 있다. 본 연구는 이러한 보통집합의 개념하에서 공간자료를 다루어 왔던 종래의 방식을 개선하기 위해서 공간자료가 지니는 모호함 내지 경계의 애매성을 잘 표현할 수 있는 퍼지집합의 개념을 두 가지 방법을 통해 공간중첩과정에 도입하였다. 첫 번째 방법은 공간적으로 연속성을 갖는 자료에 대해서 퍼지부분집합에 의한 퍼지구간분할법이며, 두 번째 방법은 범주형 자료에 대해서 적용한 퍼지경계집합법이다. 사례연구로서 신시가지 개발입지선정을 위한 적지분석을 수행을 함으로서 기존의 부울분석방법과 퍼지 공간 중첩법의 결과를 비교하였으며 그 결과, 퍼지공간중첩법에 의한 적합도면이 신시가지 개발입지에 대한 보다 타당성 있는 정보를 제공하며, 더불어 정보표현측면에서도 더욱 적절한 형태임을 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.471-479
• /
• 2018

최근 안드로이드, iOS 등의 셋톱박스 기반의 스마트 TV에 대한 보급에 따라 제스처로 TV를 컨트롤 할 수 있는 새로운 접근을 제안한다. 본 논문에서는 모노 카메라 센서를 이용한 AdaBoost 기반 제스처 인식에 관한 알고리즘을 제안한다. 우선, 신체 좌표 추출을 위해 가우시안 배경 제거 및 Camshift 기반 자세 추적 및 추정 알고리즘을 사용한다. AdaBoost 학습 모델을 신체 정규화된 광역 및 지역 특징 벡터의 집합을 특징 패턴으로 하여, 속도가 다른 동작들을 인식할 수 있도록 하였다. 또한 속도가 다른 다양한 제스처를 인식하기 위해 다중 AdaBoost 알고리즘을 적용하였다. CART 알고리즘을 이용하여 성공적인 중요 특징 벡터를 확인하고 중요도가 낮은 특징벡터를 제거하는 방식을 적용하면서 분류 성공률이 높은 최적의 특징 벡터를 탐색하였다. 그 결과 24개의 주성분 특징 벡터를 찾았으며, 기존 알고리즘에 비해 낮은 오분류율(3.73%)과 높은 인식률(95.17%)을 지닌 특징 벡터 및 분류기를 설계하였다.