• 마케팅과학연구
• /
• 제18권1호
• /
• pp.59-80
• /
• 2008

인터넷의 급속한 발달과 온라인 사용이 급증함에 따라 e-스포츠와 같은 온라인 게임은 거대한 시장으로 성장하고 있다. 그렇지만, 많은 e-스포츠를 후원하는 기업의 효과를 검증하는 마케팅적 연구는 미진한 상태이다. 있다해도 단순히 온라인 게임과 관련한 연구가 대다수이다. 이에 본 연구는 e-스포츠 스폰서십을 통해 기업의 마케팅 커뮤니케이션 전략 수립을 위한 토대를 마련코자 하였으며 시작단계에 있는 e-스포츠의 향후 연구에 기여하고자 하였다. 중요 변수들은 첫째, e-스포츠의 주요한 게임속성으로 상호작용성, 익명성, 내용확장성을 들고 온라인 상황에서 주요한 매개의 역할로 다루어지는 유동(flow)과의 관계를 살펴보았다. 둘째, e-스포츠의 주요한 게이머속성(스포츠 경기에서의 팀과 플레이어의 속성에서 수정)인 매력성, 유사성, 경기결과가 유동(flow)과 게이머동일시(온라인 게임상황에 맞게 기존 팀동일시를 게이머동일시로 차용)에 미치는 영향관계를 살펴보았다. 마지막으로 유동(flow)과 게이머동일시와의 관계 그리고 게이머동일시와 기업동일시와의 관계를 최종적으로 점검하였다. 연구의 결과, 온라인의 기초적인 특성인 상호작용성은 유동(flow)에 유의한 영향이 있었고 게이머속성에서의 유사성과 경기결과도 유동(flow)에 유의한 영향이 있었다. 그리고 유사성은 게이머동일시에 정의 영향을 미치는 것으로 나타났다. 마지막으로 유동(flow)은 게이머동일시에 그리고 게이머동일시는 기업동일시에 정의 영향이 있는 것으로 나타났다. 결론적으로 e-스포츠를 후원하는 기업의 경우 일반 유저들과 유사한 특성인 가진 실력있는 게이머를 후원한다면 마케팅 효과를 극대화할 수 있다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.111-125
• /
• 2011

클러스터링(Clustering)은 유사한 문서나 데이터를 묶어 군집화해주는 프로세스이다. 클러스터링은 문서들을 대표하는 개념별로 그룹화함으로써 사용자가 자신이 원하는 주제의 문서를 찾기 위해 모든 문서를 검사할 필요가 없도록 도와준다. 이를 위해 유사한 문서를 찾아 그룹화하고, 이 그룹의 대표되는 개념을 도출하여 표현해주는 기법이 요구된다. 이 상황에서 문제점으로 대두되는 것이 복합 개념(Complex Concept)의 탐지이다. 복합 개념은 서로 다른 개념의 여러 클러스터에 속하는 중복 개념이다. 기존의 클러스터링 방법으로는 문서를 클러스터링할 때 동일한 레벨에 있는 서로 다른 개념의 클러스터에 속하는 중복된 복합 개념의 클러스터를 찾아서 표현할 수가 없었고, 또한 복합 개념과 각 단순 개념(Simple Concept) 사이의 의미적 계층 관계를 제대로 검증하기가 어려웠다. 본 논문에서는 기존 클러스터링 방법의 문제점을 해결하여 복합 개념을 쉽게 찾아 표현하는 방법을 제안한다. 기존의 계층적 클러스터링 알고리즘을 변형하여 동일 레벨에서 중복을 허용하는 계층적 클러스터링(Hierarchical Overlapping Clustering, HOC) 알고리즘을 개발하였다. HOC 알고리즘은 문서를 클러스터링하여 그 결과를 트리가 아닌 개념 중복이 가능한 Lattice 계층 구조로 표현함으로써 이를 통해 여러 개념이 중복된 복합 개념을 탐지할 수 있었다. HOC 알고리즘을 이용해 생성된 각 클러스터의 개념이 제대로 된 의미적인 계층 관계로 표현되었는지는 특징 선택(Feature Selection) 방법을 적용하여 검증하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 한국지리정보학회지
• /
• 제17권1호
• /
• pp.91-106
• /
• 2014

본 연구는 다변량 통계분석기법을 이용하여 한국 수자원단위지도의 전국 795개 표준유역에 대하여 수문학적 군집화를 수행하였다. 국내 유역의 종합적인 특성인자 산정을 위해 지형, 하천, 기상, 토양, 토지이용 및 수문학 관련 유역특성인자 30개를 선정하였다. 다변량 통계기법인 요인분석을 통해 유역특성인자들 간의 상관관계를 분석하여 16개의 대표 유역특성인자들을 추출하였으며, 유역의 특징을 결정짓는 인자는 토양특성, 유역위치, 유역크기, 기상 및 수문특성에 관련된 인자들로 나타났다. 군집분석을 위해 전국의 기상, 강우, 수위관측소의 자료를 수집하고 양질의 자료보유현황을 검토하여 73개의 계측 유역을 구분하였다. 이 73개의 계측유역을 기준으로 하여, 나머지 미계측 유역 간에 16개의 대표 유역특성인자들과의 유클리드 거리를 계산함으로써 수문학적 군집화를 수행하였다. 그 결과 각 권역별로 동일권역 내 표준유역 사이의 유사성은 한강이 87%, 낙동강이 69%, 금강이 41%, 섬진강이 52%, 영산강이 27%로 분석되었다.

• 한국컴퓨터정보학회논문지
• /
• 제19권10호
• /
• pp.63-70
• /
• 2014

주어진 이진영상 안에 존재하는 객체를 인식하기 위해서는 영상분할과 패턴정합 과정을 거친다. 영상 내의 이진 객체들이 서로 분리되었다는 조건 하에서는 면적, 경계선의 길이, 또는 그들 사이의 비례 등과 같은 대상 전체의 특징을 기술하는 전역적 특징을 이용해서 객체를 인식할 수 있지만 객체들이 서로에 의해 부분적으로 가리어져 있으면 전역적 특징은 사용될 수 없고 점, 선분 등 객체의 부분을 기술하는 국지적 특징들을 이용해서 인식해야 한다. 본 논문에서는 모델의 경계선상의 곡률이 큰 점들을 추출하여 특징점으로 삼고, 그 가운데 두 점을 택하여 하나의 국지적 특징으로 사용한다. 또한 모델과 입력영상에서 각기 추출된 국지적 특징들을 비교하여 정합함으로써 부분적으로 가려진 객체를 인식하는 방법을 제안하고 있다. 특징점의 쌍으로 표현되는 국지적 특징을 서로 비교함에 있어서 두 점간의 거리와 양 특징점에서의 그래디언트 벡터의 사이 각을 일치시키는데 필요한 탄성변형 에너지를 이용하여 국지적 특징 사이의 유사도를 정의한다. 인식대상 객체 상의 한 특징점의 레이블을 다른 특징점의 레이블들이 얼마나 지지하는 지를 계산함으로써 부분적으로 가려진 객체를 안정적으로 인식하는 방법을 제안한다. Kimia-25 데이터에 대한 실험 결과 최대 클리크 알고리즘의 4.5배의 속도로 동일한 인식률을 얻음을 보였다.

• 한국산림과학회지
• /
• 제105권1호
• /
• pp.48-62
• /
• 2016

본 연구는 덕유산국립공원 향적봉 및 중봉 아고산대를 대상으로 총 48개소의 고정방형구를 설치하여 Z-M 식물사회학적 방법으로 군락유형분류와 임분 구조를 분석하였던 바, 신갈나무군락군에서 군락단위로 가문비나무군락, 까치박달군락, 피나무군락으로 분류되었으며 가문비나무군락은 물참대군, 백당나무군으로 세분되었다. 군단위로 물참대군은 복장나무소군과 까치밥나무소군으로 세분되었으며, 백당나무군은 각시원추리소군과 귀룽나무소군으로 세분되었다. 중요치를 분석한 결과, 교목층을 구성하는 주요 종으로는 신갈나무(23.9%), 구상나무(14.7%), 주목(10.2%), 가문나무(8.2%), 사스래나무(7.4%)로 나타났으며, 아교목층은 시닥나무(18.6%), 당단풍나무(18.4%), 신갈나무(8.9%)로 나타났으며, 관목층은 철쭉(20.7%), 당단풍나무(17.4%), 노린재나무(8.5%)로 나타났다. 식생단위 1의 지표종은 산수국, 들메나무, 물참대와 같은 아고산의 적습한 계곡부 또는 전석지 환경을 선호하는 종들이 나타났다. 종다양도는 식생단위 1, 4, 5는 생육환경이 이질적이고 복잡하거나 국소적인 교란이 있었을 것으로 사료된다. 가문비나무군락의 하위단위인 복장나무아군, 까치밥나무아군, 각시원추리아군, 귀룽나무아군의 식생단위 1, 2, 3, 4는 유사도 지수가 0.5 이상으로 식생단위 간 유사도가 높은 경향으로 나타나, 식생단위 간 구성종의 차이가 크지 않은 것으로 판단된다.

• 미생물학회지
• /
• 제47권1호
• /
• pp.14-21
• /
• 2011

리보플라빈 생성효소(riboflavin synthase)는 기질인 두 분자의 6,7-dimetyl-8-ribityllumazine과 결합 후, 4-탄소 단위(4-carbon unit)의 자리 옮김 반응을 거쳐 한 분자의 리보플라빈과 한 분자의 pyrimidine 유도체를 형성하는 반응을 촉매한다. 대장균(Escherichia coli) 리보플라빈 생성효소의 아미노-말단 도메인 절반(N-terminal domain half)과 카복시-말단 도메인 절반(C-terminal domain half)은 매우 유사한 내부 자체 아미노산 서열(intra-molecular amino acid sequence)을 갖는다. 아미노-말단 영역 리보플라빈 생성효소(N-RS) 단백질의 구조와 형광 특성을 알아보기 위하여 중합효소 연쇄 반응과 위치지정 돌연변이를 통하여 10개 이상의 돌연변이 아미노-말단 리보플라빈 생성효소 단백질을 코드 하는 유전자를 증폭시켜 pQE30 벡터에 삽입한 재조합 플라스미드를 제조하여, 과발현시킨 후 분리 정제하였다. 대부분의 아미노-말단 도메인 리보플라빈 생성효소의 돌연변이 단백질들은 야생형과 같이 형광성 리간드인 6,7-dimetyl-8-ribityllumazine 혹은 리보플라빈과 결합할 수 있는 능력을 지니고 있었으나, N-RS C47D, N-RS ET66,67DQ 돌연변이 단백질의 경우는 리간드와의 결합능력이 현저히 떨어져 형광을 띠지 않았다. 대부분의 돌연변이 단백질들의 형광 세기는 야생형 단백질(N-RS wt)보다 낮았으나, N-RS C48S는 예외적으로 야생형 단백질에 비해 2배 이상의 형광세기를 가졌다. 이와 같은 결과를 바탕으로 리보플라빈 생성효소와 형광성 리간드 사이의 상호작용을 예측 할 수 있으며, N-RS C48S 돌연변이 단백질의 형광성을 활용하여 효과적으로 효소 저해제를 발굴할 수 있는 고속다중 스크리닝 법(high-throughput screening system)으로써 활용될 수 있을 것이다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.562-571
• /
• 2008

본 논문에서는 분야 온톨로지 구축을 위하여 분야 상위 온톨로지를 구축한 다음, 분야 시소러스의 개념과 관계를 이용하여 분야 상위 온톨로지를 확장하는 방법을 제안한다. 이를 위하여 우선 일반분야 시소러스와 분야 사전을 이용하여 분야 상위 개념 분류체계를 구축한다. 다음, 분야 시소러스의 개념을 분야 상위 온톨로지의 상위 개념으로 분류하고, 광의어(Broader Term: BT)-협의어(Narrower Term: NT) 및 광의어-관련어(Related Term: RT) 사이의 관계를 분야 상위 온톨로지에서 정의한 의미관계로 분류한다. 개념 분류는 두 단계로 진행되는데, 1단계에서는 빈도수 기반 방법, 2단계에서는 유사도 기반방법을 적용하여 시소러스 개념을 분야 상위 온톨로지의 개념으로 분류한다. 관계 분류에서는 두 가지 방법을 적용하였는데, (i) 훈련데이타가 부족한 경우를 위하여 규칙기반 방법으로 BT-NT/RT관계를 iso와 기타 관계(non-isa관계)로 분류하고, 다시 패턴기반 방법으로 non-isa관계를 온톨로지를 위한 의미관계로 분류한다. (ii) 훈련데이타를 충분히 가지고 있을 경우, 최대 엔트로피 모델(MEM)을 적용한 특징기반 분류 기법을 사용하되, k-Nearest Neighbors(k-NN)방법으로 훈련데이타를 정제하였다. 본 논문에서 제안한 방법으로 시스템을 구축하였고, 실험 결과 사람에 의한 판단 결과와 비교 가능한 성능을 보여 주었다.

• Journal of Microbiology and Biotechnology
• /
• 제30권4호
• /
• pp.526-532
• /
• 2020

A bacterial strain, designated B301^T and isolated from raw chicken meat obtained from a local market in Korea, was characterized and identified using a polyphasic taxonomic approach. Cells were gram-negative, non-motile, obligate-aerobic coccobacilli that were catalase-positive and oxidase-negative. The optimum growth conditions were 30℃, pH 7.0, and 0% NaCl in tryptic soy broth. Colonies were round, convex, smooth, and cream-colored on tryptic soy agar. Strain B301^T has a genome size of 3,102,684 bp, with 2,840 protein-coding genes and 102 RNA genes. The 16S rRNA gene analysis revealed that strain B301^T belongs to the genus Acinetobacter and shares highest sequence similarity (97.12%) with A. celticus ANC 4603^T and A. sichuanensis WCHAc060041^T. The average nucleotide identity and digital DNA-DNA hybridization values for closely related species were below the cutoff values for species delineation (95-96% and 70%, respectively). The DNA G+C content of strain B301^T was 37.0%. The major respiratory quinone was Q-9, and the cellular fatty acids were primarily summed feature 3 (C_16:1 ω6c/C_16:1 ω7c), C_16:0, and C_18:1 ω9c. The major polar lipids were phosphatidylethanolamine, diphosphatidyl-glycerol, phosphatidylglycerol, and phosphatidyl-serine. The antimicrobial resistance profile of strain B301^T revealed the absence of antibiotic-resistance genes. Susceptibility to a wide range of antimicrobials, including imipenem, minocycline, ampicillin, and tetracycline, was also observed. The results of the phenotypic, chemotaxonomic, and phylogenetic analyses indicate that strain B301^T represents a novel species of the genus Acinetobacter, for which the name Acinetobacter pullorum sp. nov. is proposed. The type strain is B301^T (=KACC 21653^T = JCM 33942^T).

• 한국정보과학회논문지:데이타베이스
• /
• 제36권4호
• /
• pp.263-279
• /
• 2009

CBIR(Content-based Image Retrieval) 시스템의 질의 처리에 사용되는 모양 특징은 크게 경계 기반과 영역 기반 등 두 가지로 나눌 수 있다. 경계기반 특징은 간단하지만 영역 기반 특징에 비해 효과적이지 않다. 영역 기반 모양 특징을 사용하는 대부분의 시스템은 먼저 영역을 추출해야 한다. 하지만 기존의 영역 기반 시스템들은 구현이 복잡하고, 특히 정확한 영역 추출이 어려우며 영역 간의 위치적인 관계가 거리 모델(distance model)에 반영되어 있지 않다. 본 논문에서는 Canny 에지 검출과 Hough 변환에 기반하여 목표 내부의 에지를 검출하고, 이와 함께 영역확장을 이용하여 목표 물체 내부의 영역을 정확히 추출할 수 있는 방법을 제안하였다. 또한 영역 간의 인접 관계를 이용한 수정된 IRM(Integrated Region Matching) 기법을 제안하였다. 이는 모양 특징을 이용한 유사성 검색에서 영상 간의 거리 모델로서 사용된다. 그리고 실험을 통해 수정된 IRM 기법과 우리의 영역 추출 기법이 효과적임을 보였다. 실험 결과는 새로운 영역 추출 방법이 기존의 다른 방법보다 훨씬 우수함을 보여준다.