• 한국농공학회논문집
• /
• 제46권7호
• /
• pp.3-12
• /
• 2004

The need to predict the rate of soil erosion, both under existing conditions and those expected to occur following soil conservation practice, has been led to the development of various models. In this study Morgan model especially developed for field-sized areas on hill slopes was applied to assess the rate of soil erosion using RS/GIS environment in the Dukchun river basin, one of two tributaries flowing into Jinyang lake. In order to run the model, land cover mapping was made by the supervised classification method with Landsat TM satellite image data, the digital soil map was generated from scanning and screen digitizing from the hard copy of soil maps, digital elevation map (DEM) in order to generate the slope map was made by the digital map (DM) produced by National Geographic Information Institute (NGII). Almost all model parameters were generated to the multiple raster data layers, and the map calculation was made by the raster based GIS software, IL WIS which was developed by ITC, the Netherlands. Model results show that the annual soil loss rates are 5.2, 18.4, 30.3, 58.2 and 60.2 ton/ha/year in forest, paddy fields, built-up area, bare soil, and upland fields respectively. The estimated rates seemed to be high under the normal climatic conditions because of exaggerated land slopes due to DEM generation using 100 m contour interval. However, the results were worthwhile to estimate soil loss in hilly areas and the more precise result could be expected when the more accurate slope data is available.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권12호
• /
• pp.1260-1270
• /
• 2005

최근 기계학습 분야에서 커널머신을 이용한 대표적 학습기로 Support Vector Machines (SVM)이 주목 받고 있다. SVM은 통계적 학습이론에 기반하여 뛰어난 일반화 성능을 보여주며, 다양한 패턴인식 문제에 적용되고 있다. 그러나. SVM은 이진 분류기이므로 일반적인 다중 클래스 문제에 곧바로 적용할 수 없다. SVM을 다중 클래스 문제의 하나인 얼굴인식에 도입하기 위한 방법으로는, One-Per-Class와 All-Pairs가 대표적이다. 상기 두 방법은 다중 클래스 문제를 여러 개의 이진 클래스 문제로 분할하고, 이들을 다시 종합하여 최종 결정을 내리는 출력코딩이라는 일반적인 방법에 속한다. 본 논문에서는 이진 분류기인 SVM의 다중 클래스 분류기 확장 방안으로 출력코딩 방법론을 설명한다. 또한 출력코딩 방법론의 대표적인 이론적 기반인 ECOC(Ewor-Correcting Output Codes)를 근간으로 하는 새로운 출력코딩 방법들을 제안하고, 얼굴인식 실험을 통해 SVM을 기반 분류기로 사용할 경우의, 출력코딩 방법의 특성을 비교$\cdot$분석한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권2호
• /
• pp.252-266
• /
• 2006

컴퓨터 비전 분야에서 다루는 많은 문제는 대부분 수학적 모델을 기반으로 하고 있으며 그 모델의 인수를 예측하는 방법을 사용하여 주어진 문제에 대한 최적의 해를 구한다. 그런데 입력 데이타 집합에 보통의 잡음에 비해 상대적으로 크기가 큰 이상치가 포함되어 있다면 이것은 부정확한 결과를 초래한다. 이러한 문제를 해결하기 위해 사용되는 대표적인 방법으로 강건한 예측기법인 RANSAC 알고리즘이 있다. 기존 RANSAC 알고리즘의 가장 큰 문제점은 이상치의 비율과 같은 데이타 분포에 대한 사전지식이 필요하다는 것이다. 본 논문에서는 이러한 문제점을 해결하기 위해 매 반복 수행시 마다 퍼지분류 기법을 이용하여 전체 데이타를 좋은 샘플집합(good sample set)과 나쁜 샘플집합(bad sample set) 그리고 모호한 샘플집합(vague sample set)으로 분류한 뒤 좋은 샘플집합에서만 샘플링을 해나감으로써 이상치에 대한 제거율과 해의 정확도를 향상시키는 FRANSAC 알고리즘을 제안한다. 실험 결과에서는 제안한 알고리즘을 각각 선형회귀 문제와 호모그래피 계산 문제에 대해 적용했을 때의 성능을 보인다.

• 디지털융복합연구
• /
• 제15권1호
• /
• pp.247-253
• /
• 2017

피처선택, 혹은 변수 선택은 피처의 수가 매우 많은 고차원 데이터에서 주어진 주제와 연관성이 높은 피처를 선별하는 과정으로서, 데이터의 차원수를 낮추어 군집분석이나 분류 분석 등을 용이하게 하는데 중요한 기법이다. 많은 수의 피처들 중에서 일부의 피처를 선별하기 위해서는 피처들을 평가하기 위한 도구가 필요하다. 현재까지 제안된 도구들은 대부분 확률이론이나 정보이론에 기초하여 만들어졌기 때문에 하나의 피처, 즉 1차원 데이터만을 평가할 수 있다. 그러나 피처들 간에는 상호작용이 있기 때문에 하나의 피처를 평가하기 보다는 여러 피처들의 집합, 즉 다차원 데이터를 평가할 수 있어야 효과적인 피처 선택이 가능하다. 본 연구에서는 확장된 거리 함수를 이용하여 1차원 데이터 평가용으로 제안된 FSDD 평가 함수를 다차원 데이터에 대한 평가가 가능하도록 개선하는 방법에 대해 제안하였다. 본 연구에서 제안한 접근법은 다른 1차원 데이터 평가함수에도 적용이 될 수 있을 것으로 기대된다.

• 한국콘텐츠학회논문지
• /
• 제18권6호
• /
• pp.564-573
• /
• 2018

최근 들어 기업의 외부 환경은 글로벌 경쟁, 원가 절감과 이윤 확보에 대한 압박 및 신기술의 급격한 발전 등에 의해 매우 급속하게 변화하고 있다. 특히, 고객 요구 사항의 빈번한 변화는 제조 기업에게 심각한 도전이 되고 있다. 이러한 도전에 대응하기 위해서는, 고객 서비스 향상과 운영 효율성 제고를 위해 여러 관리 기능 중에서 생산계획 기능이 우선적으로 정립되어야 한다. 생산계획은 전체 공급망 관리 중에서 생산 프로세스에서의 단기적 의사결정을 다루며, 그 역할은 고객 주문과 제한된 자원 사이에서 균형을 찾는 것이다. 본 논문의 목적은 공급망 관리 관점에서 생산계획의 기능성과 시스템 아키텍처를 분석하고, 이를 기반으로 생산계획 솔루션들 간의 비교를 가능케 하기 위한 분류 프레임워크를 제시하는 것이다.

• 한국정보통신학회논문지
• /
• 제18권12호
• /
• pp.2885-2890
• /
• 2014

최근 기계학습 방법을 도입하여 센서 노드에 대한 위치를 파악하는 방법이 관심을 받고 있다. 많은 기계학습 알고리즘 중, 지지벡터머신은 프로그래밍 언어로 구현하기 간편하고, 병렬로 수행이 가능하다. 라즈베리파이는 작고 기능이 많아 센서 노드로 사용 시 인터넷 프로토콜을 사용하는 하둡 네트워크 클러스터 구성이 가능하다. 본 논문에서는 파이썬 프로그래밍 언어로 지지벡터머신을 구현하고, 5대의 라즈베리파이를 사용하여 실험적인 하둡 센서 네트워크와 5개의 노드를 가진 맵리듀스 하둡 소프트웨어 프레임워크를 구성하였다. 실험에서 우리는 다양한 파라미터를 변경해가면서 센서 네트워크를 구성하여 효율성, 자원분배, 처리속도를 비교하였다. 라즈베리파이의 컴퓨팅 파워와 메모리 용량은 부족했지만, 센서 클러스터의 노드 멤버의 역할을 충분히 수행하였고, 지지벡터머신 기계학습을 사용하여 센서 노드의 위치측정을 성공적으로 수행하였다.

• 정보처리학회논문지D
• /
• 제9D권1호
• /
• pp.111-126
• /
• 2002

웹 시스템 개발은 기존의 메인 프레임 또는 클라이언트/서버 환경과는 달리 기술적으로 볼 때, 역동적이고 가변적인 요소들이 강하게 작용하며, 비교적 단기간에 이루어지는 만큼 개발자가 쉽게 적응할 수 있는 실용적이고 효율적인 프로세스는 매우 중요하다. 그러나, 웹 시스템 개발에 대한 기술적인 대안과 구현 언어, 아키텍쳐 구성에 대한 논의는 적극적인 반면, 표준화된 개발 프로세스와 산출물에 대한 논의는 상대적으로 활발하지 못했다. 본 논문에서는 현행 웹 시스템 개발 프로세스에 대한 문제점들을 분석하고, 이에 대한 대안으로써, 반복과 점증의 개념을 적용한 도메인 특성에 근거한 웹 시스템 개발 프로세스를 제안한다. 도메인의 분류는 웹 시스템 요소와 웹 사이트 유형을 상호연결하여, 총 5개의 도메인을 설정하구, 프로젝트에 적용된 2개의 도메인에 대한 워크플로우를 작업내용 및 산출물 중심으로 구체화한다. 또한, 제안하는 프로세스를 인트라넷 시스템 개발에 적용하고, 구성과 요소로 분류된 척도를 통해 기존의 웹 개발 프로세스와 비교 평가한다.

• 디지털융복합연구
• /
• 제13권5호
• /
• pp.21-29
• /
• 2015

인터넷의 출현은 국제상거래 분야에 영화, 음악, 소프트웨어 및 기타 디지털콘텐츠 제품의 전자적 거래를 발생시켰다. 본 연구는 한 미 FTA 전자상거래 협정문의 주요쟁점을 검토하고 이를 바탕으로 우리나라 디지털콘텐츠산업의 활성화를 위한 과제에 대해 문헌연구를 중심으로 살펴보았다. 이러한 연구결과를 바탕으로 다음과 같은 시사점을 제시하고자 한다. 우선 통상측면의 과제로는 디지털콘텐츠에 대한 분류 및 관세 문제, 디지털콘텐츠의 비차별대우 문제, 시청각서비스의 배제 문제 등에 대한 해결이 필요하다. 다음으로 산업측면에서는 디지털콘텐츠의 글로벌 경쟁력 강화, 수출지원 시스템의 일원화, 지역 및 장르별 해외시장 진출 전략 수립, 글로벌 전문인력의 양성, 디지털콘텐츠의 지적재산권 보호 등이 필요하다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권7호
• /
• pp.646-654
• /
• 2006

분류검색 방법은 색인검색 방법과 함께 중요한 요소로서 웹 검색 엔진에서 지원되고 있다. 사용자가 분류나 색인검색 방법 중 하나를 이용하여 원하는 검색결과를 찾지 못하면 다른 검색방법을 이용하여 찾을 수 있도록 대부분의 검색엔진에서는 두 가지 방법 모두 지원하고 있다. 색인검색 방법에서는 검색결과의 재현율이 높지만 검색결과가 너무 많이 나오기 때문에 원하는 검색결과를 찾아내는 것이 어렵다는 단점이 있다. 분류검색 방법은 찾고자 하는 문서의 해당 분류가 애매모호하거나 명확하게 알지 못할 때에는 문서를 찾지 못하는 경우가 빈번히 발생한다. 즉, 검색결과의 정확도는 높으나 재현율이 떨어지는 단점이 있다. 본 논문은 이러한 문제점을 해결하기 위해서 분류와 검색어간의 관계를 퍼지논리를 이용하여 정량적으로 계산하고 이를 바탕으로 범주간의 함의관계를 유도함으로써 동적인 범주체계를 구성하는 새로운 방법을 제시한다. 이 방법의 장점은 범주간의 합의관계를 유사한 하위범주로 간주함으로써 분류검색 결과의 재현율을 높일 수 있다는 것이다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권7호
• /
• pp.859-868
• /
• 2004

본 논문에서는 능동적 학습이 보다 적은 수의 훈련예제로도 높은 학습성능을 달성할 수 있도록 군집화기법을 이용하여 초기훈련집합을 선정하는 방안을 제안한다. 본 제안 방안은 유사한 예제들보다는 다양한 예제들로 그리고 특수한 예제들보다는 보편적인 예제들로 구성한 집합이 학습에 유리할 것이라는 가정을 바탕으로, 먼저 k-means 군집화 기법으로 예제들을 군집화한 후, 각 군집을 가장 잘 표현하는 대표예제로 개별 군집의 중심점과 가장 가까운 예제를 선정하여 초기훈련집합을 구성한다. 또한 개별 군집의 중심점을 가상의 예제로 가정하여, 이와 연관된 대표예제의 카테고리를 부여함으로써 추가의 훈련예제로 활용하는 방안을 함께 제안한다. 여러 문서 분류 문제를 대상으로 실험한 결과, 본 제안 방안으로 선정한 초기훈련집합에서 출발한 능동적 학습이 임의로 선정한 초기훈련집합에서 출발한 경우에 비해 보다 적은 수의 훈련예제로도 동등한 성능을 달성할 수 있음을 확인하였다.