• The Plant Pathology Journal
• /
• 제38권2호
• /
• pp.78-89
• /
• 2022

Phaeosphaeria species are pathogenic on wheat, barley and a wide range of wild grasses. To analyze mating type loci of the Phaeosphaeria species and investigate mating type distribution in Iran, we sequenced mating type loci of 273 Phaeosphaeria isolates including 67 isolates obtained from symptomatic leaves and ears of wheat, barley, and wild grasses from two wheat growing region in Iran as well as 206 isolates from our collection from other regions in Iran which were isolated in our previous studies. Mating type genes phylogeny was successfully used to determine the species identity and relationships among isolates within the Phaeosphaeria spp. complex. In this study, we reported seven new host records for Phaeosphaeria species and the Phaeosphaeria avenaria f. sp. tritici 3 group was first reported from Iran in this study. Mating type distribution among Phaeosphaeria species was determined. Both mating types were present in all sampling regions from Iran. We observed skewed distribution of mating types in one region (Kohgiluyeh va Boyer-Ahmad) and equal distribution in the other region (Bushehr). However, when considering our entire dataset of 273 Iranian Phaeosphaeria isolates, the ratio of mating types was not deviated significantly from 1:1 suggesting possibilities for isolates of opposite mating type to interact and reproduce sexually, although the sexual cycle may infrequently occur in some regions especially when the climatic conditions are unfavorable for teleomorph development.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권1호
• /
• pp.116-132
• /
• 2022

Automated medical claims processing and billing is a popular application domain of information technology. Managing medical related data is a tedious job for healthcare professionals, which distracts them from their main job of healthcare. The technology used in data management has a sound impact on the quality of healthcare data. Most of Information Technology (IT) organizations use conventional software development technology for the implementation of healthcare systems. The objective of this experimental study is to devise a mechanism for use of rule-based expert systems in medical related edits and compare it with the conventional software development technology. A sample of 100 medical edits is selected as a dataset to be tested for implementation using both technologies. Besides empirical analysis, paired t-test is also used to validate the statistical significance of the difference between the two techniques. The conventional software development technology took 254.5 working hours, while rule-based technology took 81 hours to process these edits. Rule-based technology outperformed the conventional systems by increasing the confidence value to 95% and reliability measure to 0.462 (which is < 0.5) which is three times more efficient than conventional software development technology.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.1-10
• /
• 2022

Nowadays software defect prediction (SDP) is most active research going on in software engineering. Early detection of defects lowers the cost of the software and also improves reliability. Machine learning techniques are widely used to create SDP models based on programming measures. The majority of defect prediction models in the literature have problems with class imbalance and high dimensionality. In this paper, we proposed Centroid and Nearest Neighbor based Class Imbalance Reduction (CNNCIR) technique that considers dataset distribution characteristics to generate symmetry between defective and non-defective records in imbalanced datasets. The proposed approach is compared with SMOTE (Synthetic Minority Oversampling Technique). The high-dimensionality problem is addressed using Ant Colony Optimization (ACO) technique by choosing relevant features. We used nine different classifiers to analyze six open-source software defect datasets from the PROMISE repository and seven performance measures are used to evaluate them. The results of the proposed CNNCIR method with ACO based feature selection reveals that it outperforms SMOTE in the majority of cases.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.190-198
• /
• 2023

To enhance customer satisfaction for higher profits, an e-commerce sector can establish a continuous relationship and acquire new customers. Utilize machine-learning models to analyse their customer's behavioural evidence to produce their competitive advantage to the e-commerce platform by helping to improve overall satisfaction. These models will forecast customers who will churn and churn causes. Forecasts are used to build unique business strategies and services offers. This work is intended to develop a machine-learning model that can accurately forecast retainable customers of the entire e-commerce customer data. Developing predictive models classifying different imbalanced data effectively is a major challenge in collected data and machine learning algorithms. Build a machine learning model for solving class imbalance and forecast customers. The satisfaction accuracy is used for this research as evaluation metrics. This paper aims to enable to evaluate the use of different machine learning models utilized to forecast satisfaction. For this research paper are selected three analytical methods come from various classifications of learning. Classifier Selection, the efficiency of various classifiers like Random Forest, Logistic Regression, SVM, and Gradient Boosting Algorithm. Models have been used for a dataset of 8000 records of e-commerce websites and apps. Results indicate the best accuracy in determining satisfaction class with both gradient-boosting algorithm classifications. The results showed maximum accuracy compared to other algorithms, including Gradient Boosting Algorithm, Support Vector Machine Algorithm, Random Forest Algorithm, and logistic regression Algorithm. The best model developed for this paper to forecast satisfaction customers and accuracy achieve 88 %.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.38-40
• /
• 2021

의료 데이터 분야는 레코드 수는 많지만 응답값이 없기 때문에 인공지능을 적극적으로 활용하지 못하고 있다. 이러한 문제점을 해결하기 위해 자기지도학습(Self-Supervised learning)을 의료 분야에 적용하는 연구가 등장하고 있다. 자기지도학습은 model이 레이블링이 없는 데이터의 semantic 표현을 이해할 수 있도록 pretext task와 supervision을 학습한다. 그러나, 자기지도학습의 성능은 pretext task로 학습한 표현에 의존하므로 데이터의 특성에 적합한 pretext task를 정의할 필요가 있다. 따라서 본 논문에서는 의학 데이터 중 활용도가 높은 x-ray 이미지에 적용할 수 있는 pretext task를 실험적으로 탐색하고 그 결과를 분석한다.

• 한국통신학회논문지
• /
• 제33권10B호
• /
• pp.946-961
• /
• 2008

본 연구는, IT중소기업에 대한 기술혁신 지원사업이 본래의 정책목표에 맞게 운용되고 있는지를 확인하고, 개선된 사업구조로의 재구축을 위한 정책적 제안을 도출하는 것을 목적으로 한다. 첫째, 기술혁신 지원사업의 수혜대상 IT중소기업군과 비수혜기업군의 대응표본을 비교하여, 정책목표에 부합된 맞춤형 지원의 실시여부를 검토한다. 둘째, 사업년도 경과에 따른 IT중소기업 기술혁신 지원사업별 포지셔닝 (positioning)의 추이를 사업 포트폴리오분석 (business portfolio analysis)을 응용하여 조사한다. 셋째, 기술혁신 지원사업간 '공동참여연결망' (affiliation network) 행렬을 정의 작성한 후, 다차원척도법 (multidimensional scaling method)을 활용한 IT중소기업 기술혁신 지원사업간 연관성에 대한 분석을 시도한다. '07년 정보통신부 (MIC)의 IT중소기업 기술혁신 지원사업으로서 14개 관리기관이 보유한 31개 지원사업의 '03-'06년 4개 사업년도 수혜기업 8,994개 및 한국정보통신산업협회 (KAIT) IT기업 DB에서 '03-'06년 4개 사업년도중 수혜기록이 전혀 없는 18,354개 비수혜기업중, '03년 기준 2-5년의 기업업력을 갖는 비수혜기업 8,035개가 대응표본으로 추출되어 분석된다. 분석결과; 1) 최근까지 본래의 정책목표에 부합하는 IT중소기업들이 수혜기업으로 적합하게 선정된 것으로 검토되었다; 2) 하지만, 사업년도 경과에 따라 (1) 지원시점 기업업력 및 매출액은 함께 증가하고, (2) 지원시점 무형자산비율 감소 및 영업이익률 증가와 같은 뚜렷한 추이가 감지되기에, 창업 초기 IT중소기업에 대한 '출발기금' (seed money) 제공의 역할은 점진적으로 약화되는 것으로 조사되므로, 이에 대한 적시의 조치가 필요하다; 3) 한편, 다차원척도법의 모형 적합도가 낮긴 했지만, 직접지원사업과 비교할 때 간접지원사업의 경우 상대적으로, 기술혁신 지원사업간 연관성이 더 클 가능성이 있을 것으로 판단되었다.

• 한국지리정보학회지
• /
• 제17권3호
• /
• pp.93-103
• /
• 2014

공간정보로서의 지적정보와 건물정보의 연계에 관하여 선행 연구자료를 살펴보면 지적도와 건축물대장과의 연계나 토지와 2D기반 건물도면의 통합에 관한 연구가 제시된 바 있다. 지적정보는 지적재조사, 지적확정측량 등의 사업으로 인하여 그 정보로서의 가치가 높아지고 있다. 건물에 관한 정보는 설계분야에서 2D에서 단순한 외형적 3D 데이터가 아닌 BIM으로 전환되는 시기를 맞아 공공 및 민간분야에서 확산되고 있는 추세이다. 그러나 이러한 흐름에 맞는 지적정보와 건물정보의 연계에 대한 연구가 미약한 실정이다. 국제 BIM표준에 관한 동향을 살펴보면 IFC4에서 개선된 기능 중에 하나는 GIS와의 상호운용이 가능해졌다는 점이다. 이러한 측면에서, 지적정보와 건물정보의 연계를 위해 각각의 개선방안을 제시하고자 한다. 지적정보는 데이터의 품질제고가 필요한데 다원화된 좌표계를 통일화, 개별지적도를 연속지적도화하도록 우선적으로 개선을 추진할 필요가 있다. 건물정보는 국내 공공 및 민간분야에서 BIM의 표준화가 시급한데 국제표준인 IFC4로의 빠른 도입과 앞으로 개발될 예정이 IFC5까지 고려해야 할 것으로 보이고, BIM화 되어있지 않은 기존의 건축물에 대하여 BIM 역설계가 공공의 활용면에서 필요할 것이다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.706-714
• /
• 2012

본 논문에서는 대한민국의 국립기상연구소에서 제공한 최근 4년간의 데이터를 훈련 데이터, 검증 데이터 및 테스트 데이터로 나누어 초단기 호우 예측을 하고자 한다. 우리는 데이터 셋을 훈련 데이터, 검증 데이터와 테스트 데이터 세 부분으로 나눴다. 데이터의 차원이 커짐에 따라 해 공간의 크기가 지수적으로 증가하여 실험의 속도가 현저히 떨어지는 문제를 피하기 위하여 72개의 특징들 중에서 주요한 특징들만을 선택하게 되었다. 예측의 정확도를 높이기 위해 미분진화 알고리즘을 사용하였고, 진화연산의 적합도 함수로 두 개의 분류기를 선택하였는데, 일반적으로 우수한 성능을 보이는 서포트 벡터 머신(SVM)과 분류 속도가 빠른 최근린법(k-NN)을 사용하였다. 또한, 실험에 사용할 데이터 가공을 위해 언더샘플링과 정규화를 하였다. 진화연산의 적합도 함수로 SVM 분류기를 사용하였을 때 실험 결과가 대체로 우수하였는데, 미분진화 알고리즘 실험은 모든 특징을 선택한 실험보다 약 5 배 정도 우수한 성능을 보였고, 유전 알고리즘을 사용한 실험보다 약 1.36 배 정도 더 우수한 성능을 보였다. 실험 속도 면에서는 미분진화 알고리즘을 사용한 실험이 유전 알고리즘을 사용한 실험보다 약 20배 이상 실험 시간이 단축되었다.

• 한국문헌정보학회지
• /
• 제57권2호
• /
• pp.435-452
• /
• 2023

이 연구는 딥러닝 기법의 전이학습 모형인 BERT를 이용하여 주제명의 자동 분류를 실험하고 그 성능을 평가하였으며, 더 나아가 주제명이 부여된 KDC 분류체계와 주제명의 범주 유형에 따른 성능을 분석하였다. 실험 데이터는 국가서지를 이용하여 주제명의 부여 횟수에 따라 6개의 데이터셋을 구축하고 분류 자질로 서명을 이용하였다. 그 결과, 분류 성능으로 3,506개의 주제명이 포함된 데이터셋(레코드 1,539,076건)에서 마이크로 F1과 매크로 F1 척도가 각각 0.6059와 0.5626 값을 보였다. 또한 KDC 분류체계에 따른 분류 성능은 총류, 자연과학, 기술과학, 그리고 언어 분야에서 좋은 성능을 보이며 종교와 예술 분야는 낮은 성능을 보였다. 주제명의 범주 유형에 따른 성능은 '식물', '법률명', '상품명'이 높은 성능을 보인 반면, '국보/보물' 유형의 주제명에서 낮은 성능을 보였다. 다수의 주제명을 포함하는 데이터셋으로 갈수록 분류기가 주제명을 제대로 부여하지 못하는 비율이 늘어나 최종 성능의 하락을 가져오기 때문에, 저빈도 주제명에 대한 분류 성능을 높이기 위한 개선방안이 필요하다.

• 한국지형학회지
• /
• 제27권1호
• /
• pp.61-89
• /
• 2020

The objective of this study is to characterize landslide susceptibility depending on various geo-environmental variables as well as to compare the Frequency Ratio (FR) and Evidential Belief Function (EBF) methods for landslide susceptibility analysis of rainfall-induced landslides. In 2013, a total of 259 landslides occurred in Chuncheon, Gangwon Province, South Korea, due to heavy rainfall events with a total cumulative rainfall of 296~721mm in 106~231 hours duration. Landslides data were mapped with better accuracy using the geographic information system (ArcGIS 10.6 version) based on the historic landslide records in Chuncheon from the National Disaster Management System (NDMS), the 2013 landslide investigation report, orthographic images, and aerial photographs. Then the landslides were randomly split into a testing dataset (70%; 181 landslides) and validation dataset (30%; 78 landslides). First, geo-environmental variables were analyzed by using FR and EBF functions for the full data. The most significant factors related to landslides were altitude (100~200m), slope (15~25°), concave plan curvature, high SPI, young timber age, loose timber density, small timber diameter, artificial forests, coniferous forests, soil depth (50~100cm), very well-drained area, sandy loam soil and so on. Second, the landslide susceptibility index was calculated by using selected geo-environmental variables. The model fit and prediction performance were evaluated using the Receiver Operating Characteristic (ROC) curve and the Area Under Curve (AUC) methods. The AUC values of both model fit and prediction performance were 80.5% and 76.3% for FR and 76.6% and 74.9% for EBF respectively. However, the landslide susceptibility index, with classes of 'very high' and 'high', was detected by 73.1% of landslides in the EBF model rather than the FR model (66.7%). Therefore, the EBF can be a promising method for spatial prediction of landslide occurrence, while the FR is still a powerful method for the landslide susceptibility mapping.