• Communications for Statistical Applications and Methods
• /
• 제10권1호
• /
• pp.19-30
• /
• 2003

Spatiotemporal statistical models are used for analyzing space-time data in many fields, such as environmental sciences, meteorology, geology, epidemiology, forestry, hydrology, fishery, and so on. It is well known that classical spatiotemporal process modeling requires the estimation of space-time variogram or covariance functions. In practice, the estimation of such variogram or covariance functions are computationally difficult and highly sensitive to data structures. We investigate a Bayesian hierarchical model which allows the specification of a more realistic series of conditional distributions instead of computationally difficult and less realistic joint covariance functions. The spatiotemporal model investigated in this study allows both spatial component and autoregressive temporal component. These two features overcome the inability of pure time series models to adequately predict changes in trends in individual sites.

• 전자공학회논문지CI
• /
• 제38권6호
• /
• pp.1-17
• /
• 2001

시공간 데이터 모델은 공간과 시간 기능이 추가된 복합 객체를 기술하는 많은 응용 분야에서 이용될 수 있는 자료를 다룬다. 그러나 각 응용 분야를 위해 필요한 정보가 시공간 정보의 설계 단계에서 시간의 종류에 종속해서 지리정보가 다르게 표현될 수 있다. 이러한 다양한 필요성을 다루기 위해서는 지리정보를 시간 관점 하에서 기하학적 입장, 공간 관계 입장과 공간에 종속하는 속성의 입장으로 표현해야 한다. 이 논문에서는 지리정보시스템에 대한 객체들 사이의 관계와 속성에 대한 형식적 정의 문제를 제시하고 있다. 지리 자료는 지리-객체, 지리-필드로 분류되는데, 지리적 공간상에 존재하는 실제의 연속적이고, 이산적인 표현을 나타낸 것이다. 이 논문은 비지리-객체와 지리-객체 상에서 시간에 따른 속성의 변화와 관계 역할에 대해 연구하고자 한다. 따라서 이 연구결과는 지리-객체의 공간 클래스에 머문 기존 연구에 비지리-객체를 포함한 시공간 객체의 속성버전화 방법을 제안함으로써 시공간 객체 지향 클래스 설계상에서의 효율성에 기여한다.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.568-574
• /
• 2006

사용자에게 적응된 서비스를 제공하기 위하여 환경으로부터 얻어지는 다양한 형태의 데이터를 이용한 다양한 방법이 연구되고 있다. 그 중 과거 이동 경로 자료는 사용자의 현재 이동 위치를 예측하고 이와 관련된 서비스를 제공하는데 유용하게 사용될 수 있다. 본 논문에서는 사용자의 과거 이동 경로의 분석을 통하여 이동중인 사용자의 시공간 위치예측 기술을 제안한다. 환경으로부터 발생한 사용자의 이동 경로를 수집하고, 수집된 데이터에서 이동 경로 선택(Path Selection) 방법을 이용한다. 이동 경로 선택 방법은 이동 중에 발생한 경로의 거리, 시간, 방향의 요소와 동적정합법을 사용하여 유사성(Similarity)을 측정하며 유사성이 가장 높은 경로를 선택한다. 선택된 경로는 시간에 따른 공간 정보 및 위치에 따른 시간 예측 서비스를 위하여 사용가능 하며, 실험을 통하여 유사성이 높은 이동 경로를 선택하는 모습을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1771-1777
• /
• 2023

최근 딥러닝의 발전으로 의미론적 분할을 통한 토지피복 분류 방법들이 제안되고 있다. 그러나 기존의 딥러닝 기반 모델들은 영상 정보만을 이용하기 때문에 시공간적 일관성을 담보할 수 없는 한계점이 있다. 이에 본 연구에서는 좌표 정보를 활용한 토지피복 분류 모델을 제안한다. 먼저 암시적 신경 표현 기법인 다중해상도 해시 인코더를 위경도 좌표계로 확장한 좌표 해시 인코더를 통해 좌표의 특징을 추출하였다. 다음으로 추출된 좌표 특징을 다양한 단계의 U-net 디코더와 결합하는 아키텍처를 제안하였다. 실험 결과, 제안 방법이 약 32% 향상된 분류 정확도를 보였고, 시공간적 일관성이 향상됨을 확인하였다.

• ETRI Journal
• /
• 제44권2호
• /
• pp.327-338
• /
• 2022

Classification models for human action recognition require robust features and large training sets for good generalization. However, data augmentation methods are employed for imbalanced training sets to achieve higher accuracy. These samples generated using data augmentation only reflect existing samples within the training set, their feature representations are less diverse and hence, contribute to less precise classification. This paper presents new data augmentation and action representation approaches to grow training sets. The proposed approach is based on two fundamental concepts: virtual video generation for augmentation and representation of the action videos through robust features. Virtual videos are generated from the motion history templates of action videos, which are convolved using a convolutional neural network, to generate deep features. Furthermore, by observing an objective function of the genetic algorithm, the spatiotemporal features of different samples are combined, to generate the representations of the virtual videos and then classified through an extreme learning machine classifier on MuHAVi-Uncut, iXMAS, and IAVID-1 datasets.

• 한국멀티미디어학회논문지
• /
• 제23권12호
• /
• pp.1447-1453
• /
• 2020

In this paper, we propose a method for no-reference quality assessment of sports videos using 3D shearlet transform and deep residual neural networks. In the proposed method, 3D shearlet transform-based spatiotemporal features are extracted from the overlapped video blocks and applied to logistic regression concatenated with a deep residual neural network based on a conditional video block-wise constraint to learn the spatiotemporal correlation and predict the quality score. Our evaluation reveals that the proposed method predicts the video quality with higher accuracy than the conventional no-reference video quality assessment methods.

• International Journal of Computer Science & Network Security
• /
• 제23권5호
• /
• pp.212-220
• /
• 2023

Ontologies are knowledge containers in which information about a specified domain can be shared and reused. An event happens within a specific time and place and in which some actors engage and show specific action features. The fact is that several ontology models are based on events called Event-Based Models, where the event is an individual entity or concept connected with other entities to describe the underlying ontology because the event can be composed of spatiotemporal extents. However, current event-based ontologies are inadequate to bridge the gap between spatiotemporal extents and participants to describe a specific domain event. This paper reviews, describes, and compares the existing event-based ontologies. The paper compares and contrasts various ways of representing the events and how they have been modelled, constructed, and integrated with the ontologies. The primary criterion for comparison is based on the events' ability to represent spatial and temporal extent and the participants in the event.

• 해양환경안전학회지
• /
• 제26권7호
• /
• pp.759-766
• /
• 2020

최근 해상교통 환경의 변화가 다양해지고, 해상 교통량이 지속적으로 증가함에 따라 해상교통 분석에 대한 요구가 다양해지고 있다. 이러한 해상교통 분석 작업은 교통 특성에 대한 모델링이 선행되어야 하지만, 기존의 방법은 자동화되어 있지 않아 전처리 작업에 시간이 많이 소요되고, 분석 결과에 작업자의 주관적인 견해가 포함될 수 있는 문제점이 있었다. 이러한 문제점을 해결하고자 본 논문에서는 해상교통 분석을 위한 자동화된 교통 네트워크 생성 방법을 제안하였으며, 활용 가능성을 검토하기 위해 실제 목포항에서 수집된 6개월간의 항적 데이터를 이용한 실험을 수행하였다. 실험 결과, 대상 해역의 교통 특성을 반영한 교통 네트워크를 자동으로 생성할 수 있었으며, 대용량의 항적 데이터에도 적용할 수 있음을 확인하였다. 또한, 생성된 교통 네트워크는 시공간적 특징 분석이 가능하여 다양한 해상교통 분석에 활용될 수 있을 것으로 기대한다.

• International Journal of Computer Science & Network Security
• /
• 제22권7호
• /
• pp.147-156
• /
• 2022

Ontologies are knowledge containers in which information about a specified domain can be shared and reused. An event happens within a specific time and place and in which some actors engage and show specific action features. The fact is that several ontology models are based on events called Event-Based Models, where the event is an individual entity or concept connected with other entities to describe the underlying ontology because the event can be composed of spatiotemporal extents. However, current event-based ontologies are inadequate to bridge the gap between spatiotemporal extents and participants to describe a specific domain event. This paper reviews, describes and compares the existing event-based ontologies. The paper compares various ways of representing the events and how they have been modelled, constructed, and integrated with the ontologies. The primary criterion for comparison is based on the events' ability to represent spatial and temporal extent and the participants in the event.

• 로봇학회논문지
• /
• 제13권1호
• /
• pp.45-54
• /
• 2018

This paper presents a vision-based fall detection system to automatically monitor and detect people's fall accidents, particularly those of elderly people or patients. For video analysis, the system should be able to extract both spatial and temporal features so that the model captures appearance and motion information simultaneously. Our approach is based on 3-dimensional convolutional neural networks, which can learn spatiotemporal features. In addition, we adopts a thermal camera in order to handle several issues regarding usability, day and night surveillance and privacy concerns. We design a pan-tilt camera with two actuators to extend the range of view. Performance is evaluated on our thermal dataset: TCL Fall Detection Dataset. The proposed model achieves 90.2% average clip accuracy which is better than other approaches.