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 %.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.