• 에너지공학
• /
• 제23권3호
• /
• pp.27-35
• /
• 2014

본 연구에서는 기존에 알려진 수직 원형관내 혼합대류 유동영역지도에 대하여 원 문헌의 분석과 재구성을 통해 지도의 유효성 검토를 수행하였다. 지도를 구성하는 원 문헌을 수집하여 내용을 정리하였고 조사한 데이터와 대류열전달 상관식을 활용하여 독립적으로 지도를 재구성하고 기존의 지도와 비교하였다. 재구성한 지도에는 혼합대류 영역이 곡선이 아니라 직선으로 나타났으며 천이영역을 나타내는 것은 재현되지 않았다. 일부 데이터만 포함된 기존의 지도와 달리 재구성 지도에는 상당히 많은 양의 데이터가 포함됐다. 기존의 유동영역지도는 활용된 데이터가 선택적으로 사용되었고, 혼합대류와 천이영역을 나타내는 실선 대해 언급되지 않았으며 불확실도 분석을 통한 정보를 제공하지 않았기 때문에 신뢰할 수 없다고 판단된다. Metais와 Eckert의 연구 이후, 혼합대류에 관한 많은 연구가 수행되었으나 대류의 유동영역을 구분하는 방법으로 기존의 지도가 지금까지 활용되고 있다.

• 천문학회보
• /
• 제42권2호
• /
• pp.83.1-83.1
• /
• 2017

SDO/AIA와 STEREO/EUVI 두 태양 관측 위성의 193 파장에서의 실시간 영상 이미지를 이용하여 Stonyhurst Heliographic Map을 작성하고 각각의 위성 데이터 분석으로부터 얻어진 결과들을 종합적으로 재구성하여 태양 전면 및 후면의 활동 영역들을 동시에 표출하는 태양 활동성 지도 (Solar Activity Monitoring Map)를 작성하는 프로그램을 제작하였다. 태양 활동성 지도를 이용하여 태양 후면에서의 극자외선 밝기 분포를 경도에 따라 등간격으로 나눈 후 각 지역에서 얻은 극자외선량을 실시간으로 갱신하며 그래프를 작성하는 프로그램도 함께 제작하고 그로부터 태양 후면 영역의 활동성이 향후 지구에 어떠한 방식으로 영향을 미칠 것인지 사전에 예측 가능하도록 하였다. 또한 태양 후면에서 발생하는 활동 영역 (Active Region) 및 코로나홀들을 자동적으로 탐지한 후 실시간으로 변화 정도를 추적 및 기록하는 프로그램도 제작하였다. 태양 활동성 지도는 193 파장에서 뿐만 아니라 두 위성이 공유하는 세 개의 동일 혹은 유사한 파장대 (171,211,304)에서 얻어진 데이터들도 함께 이용하여 각 파장대에서 독립적으로 작성하였는데 이로 인해 각각의 에너지 영역의 특성에 해당하는 태양 활동성을 동시에 표출하는 것이 가능하게 되었다. 이러한 프로그램을 이용하여 태양 후면에서의 활동 영역의 발생 및 변화를 사전에 인식하고 그들이 태양 전면으로 나타나기 전에 대비할 수 있는 예보 장치가 마련되었다. 본 연구들과 더불어 극자외선 영역에서의 태양 활동성 조사로부터 플레어의 발생을 예측할 수 있을 것인지의 가능성 여부를 타진하기 위해 과거 극자외선 관측에서 얻어진 활동 영역들의 데이터와 연 X-선 관측으로부터 기록된 플레어 발생 여부의 상관관계를 조사하는 연구가 현재 진행 중이다. 이러한 연구로부터 긍정적인 결과가 도출되는 경우 극자외선 영역에서의 관측 데이터를 이용하여 플레어 발생 가능성을 예측하는 새로운 방법을 제시하는 것이 가능해질 것이다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권6호
• /
• pp.712-716
• /
• 2010

본 논문에서는 레퍼런스 시퀀스에 기가 시퀀싱데이터를 매핑하여 얻어지는 커버리지 데이터를 이용한 모양 기반의 단위반복변이 영역 (CNVR) 추출 방식을 제안한다. 제안하는 CNVR 검색 알고리즘은 후보 영역 추출 단계와 후처리 단계로 이루어진다. 후보 영역 추출 단계에서는 추출하고자 하는 CNV의 모양을 입력 변수로 조절하여 다양한 높이 및 크기를 갖는 CNV 후보 영역을 추출한다. 다음, 후처리 단계에서는 레퍼런스 시퀀스와 기가 시퀀싱 데이터에 포함되어 있는 시퀀싱 에러 문제를 보완하기 위하여, 레퍼런스 시퀀스의 에러 영역 보정, GC-content 영역 보정 등의 정제 과정을 거친 후, 최종 CNVR을 추출한다. 제안된 방식의 유용성을 보이기 위하여 "1000 게놈 프로젝트"에 의하여 공개된 실 데이터를 이용한 다양한 실험을 수행하였으며, DGV를 이용하여 추출된 CNVR의 정확도를 검증하였다. 실험 결과에 의하면 제안된 방식은 HLA 영역에 존재하는 반복되거나 결실되는 다양한 모양의 CNV를 효율적으로 검출하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제36권6호
• /
• pp.434-445
• /
• 2009

내용 기반 영상 검색(content based image retrieval)은 영상 자체의 정보를 이용하여 유사 영상을 검색하는 기법이다. 하지만 멀티미디어 데이터는 텍스트 데이터와 달리 얻을 수 있는 데이터가 정확하지 않고 또한 시스템에서 표현되는 데이터의 저차원(low-level)의 표현법과 사용자가 인식하는 고차원(high-level)의 개념(concept)은 상당한 차이를 나타내게 된다. 즉 시스템 상에서 벡터들로 표현된 영상 데이터들이 벡터스페이스 상에서는 가깝지만 실제 사용자는 유사하지 않다고 인식하는 문제점이 발생한다. 이를 의미적 간극(semantic-gap) 문제라고 부른다. 이런 의미적 간극 문제로 인해 영상검색 결과는 좋지 않은 성능을 보이게 된다. 이를 해결하기 위해 사용자의 피드백 정보를 이용하여 질의를 수정하는 적합성 피드백 기법이 널리 사용되고 있다. 하지만 기존의 적합성 피드백은 사용자의 관심영역(region-of-interest, 이하 ROI)를 고려하지 않아 적합한(relevant) 영역의 모든 영역들이 새로운 질의 점을 계산하는 과정에서 사용된다. 시스템은 그 스스로 사용자 관심영역을 알지 못하기 때문에 적합성 피드백을 영상수준(image-level)으로 진행하기 때문이다. 이 논문에서는 복잡한 위성영상 영역 검색에서 관심영역을 사용자가 직접 선택하도록 유도하여 더욱 정확한 질의 점을 계산하여 정확도를 높이는 사용자 관심영역 적합성 피드백 방법을 제시한다. 또한 사용자가 선택하지 않은 부정확한 영상 정보를 이용하여 정확도를 향상시키는 프루닝 기법도 함께 제시한다. 실험을 통하여 사용자 관심영역 적합성 피드백의 우수성과 함께 제안한 프루닝 기법의 효율성도 함께 보여준다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권9호
• /
• pp.349-358
• /
• 2021

최근 CAM[1]을 이용해서 이미지의 객체에 대한 주의 영역 또는 지역화(Localization) 영역을 찾는 방법이 WSOL의 연구로서 다양하게 수행되고 있다. CAM을 이용한 객체의 히트(Heat) 맵에서 주의 영역 추출은 객체의 특징이 가장 많이 모여 있는 영역만을 주로 집중해서 객체의 전체적인 영역을 찾지 못하는 단점이 있다. 여기서는 이를 개선하기 위해서 먼저 CAM과 Selective Search[6]를 함께 이용하여 CAM 히트맵의 주의 영역을 확장하고, 확장된 영역에 가우시안 스무딩을 적용하여 재학습 데이터를 만든 후, 이를 학습하여 객체의 주의 영역이 확장되는 방법을 제안한다. 제안 방법은 단 한 번의 재학습만이 필요하며, 학습 후 지역화를 수행할 때는 Selective Search를 실행하지 않기 때문에 처리 시간이 대폭 줄어든다. 실험에서 기존 CAM의 히트맵들과 비교했을 때 핵심 특징 영역으로부터 주의 영역이 확장되고, 확장된 주의 영역 바운딩 박스에 대한 Ground Truth와의 IOU 계산에서 기존 CAM보다 약 58%가 개선되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권3호
• /
• pp.83-90
• /
• 2020

프로토타입 선택은 훈련 데이터로부터 클래스 영역을 대표하는 최소 데이터를 선택하여 낮은 학습 시간 및 저장 공간을 보장하는 장점을 제공한다. 본 논문은 모든 분류 알고리즘에 적용할 수 있는 초월 사각형을 이용한 새로운 훈련 데이터의 생성 방법을 설계한다. 초월 사각형 영역은 서로 다른 클래스 데이터를 포함하지 않으며 클래스 공간을 분할한다. 선택된 초월 사각형 내 데이터의 중간값은 프로토타입이 되어 새로운 훈련 데이터를 구성하고, 초월 사각형의 크기는 클래스 영역의 데이터 분포를 반영하여 조절된다. 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합 선택을 위해 집합 덮개 최적화 알고리즘을 설계했다. 제안하는 방법에서는 탐욕 알고리즘과 곱셈 연산을 포함하지 않은 거리 계산식을 이용하여 집합 덮개 최적화 알고리즘의 다항 시간을 요구하는 시간 복잡도 문제를 해결한다. 실험에서는 분류 성능의 비교를 위해 최근접 이웃 규칙과 의사 결정 트리 알고리즘을 이용하며 제안하는 방법이 초월 구를 이용한 프로토타입 선택 방법보다 우수하다.

• 지식경영연구
• /
• 제21권4호
• /
• pp.243-263
• /
• 2020

본 연구는 공공데이터 개방에 있어 공공데이터 제공자의 데이터 기여 측면과 공공데이터 사용자의 데이터 활용 측면을 고려하여 공공데이터 플랫폼 성과측정을 위한 프레임워크를 개발하였다. 본 연구는 NIST(2018)의 빅데이터 참조 아키텍처와 Neely et al.(2001)의 성과 프리즘을 기반으로 공공 빅데이터 플랫폼 성과평가 모형의 5개 영역을 제시하였다. 구체적으로, 공공데이터 플랫폼 성과평가 영역은 이해관계자 기여, 빅데이터 거버넌스 역량, 빅데이터 서비스 역량, 빅데이터 정보기술(IT) 역량, 그리고 이해관계자 만족으로 구성된다. 본 연구에서 제시한 공공 빅데이터 플랫폼 성과평가 모형의 5개 영역과 24개 평가지표에 대한 측정 문항은 총 75개 항목으로 구성되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.661-663
• /
• 2004

여러 분야에서 산출되고 있는 볼륨 데이터의 크기는 점점 더 방대해지고 있는 추세에 있으며, 이러한 방대한 데이터 속에 내재된 유용한 정보를 알아내기 위해 데이터 전체가 아니라 어떤 특정 부분을 효과적으로 액세스하고 이를 고해상도로 가시화 하는 것은 매우 중요한 문제로 대두되고 있다. 본 논문에서는 방대한 볼륨 데이터 가시화를 위친 개발된 클라이언트-서버 기반의 볼륨 렌더링 시스템에 대해 소개한다. 범용 PC상에서 GUI형태로 구현된 클라이언트는 데이터 서버와 접속하여 특정 영역에 대한 부분 볼륨 데이터를 요청하는데, 이때 데이터 서버가 전송하는 데이터는 클라이언트의 텍스춰 메모리 크기보다 작거나 같도록 리샘플링된 것이며, 클라이언트는 이를 받아 실시간 렌더링을 수행한다. 또한 특정 영역에 대한 고해상도의 영상을 원하는 경우, 클라이언트는 렌더링 서버와 접속하여 다양한 형태의 고화질 영상을 얻을 수 있다. 본 시스템은 매우 방대한 크기의 데이터에 대한 가시화가 필수적인 자연과학, 의학, 공학 분야에서 효과적으로 응용될 수 있을 것이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 추계학술대회
• /
• pp.177-179
• /
• 2022

딥러닝의 발전과 함께 합성곱 신경망 기반의 이미지 내 글자 영역 검출(Scene Text Detection) 방법들이 제안됐다. 그러나 이러한 방법들은 대부분 데이터셋이 제공하는 단어의 위치 정보만을 이용할 뿐 글자 영역이 갖는 고유한 정보인 글자 수는 활용하지 않는다. 따라서 본 논문에서는 글자 수 정보를 학습하여 효과적으로 이미지 내의 글자 영역을 검출하는 모듈을 제안한다. 제안하는 방법은 간단한 합성곱 신경망으로 구성된 이미지 내 글자 영역 검출 모델에 글자 수를 예측하는 모듈을 추가하여 학습을 진행하였다. 글자 영역 검출 성능 평가에 널리 사용되는 ICDAR 2015 데이터셋을 통해 기존 방법 대비 성능이 향상됨을 보였고, 글자 수 정보가 글자 영역을 감지하는 데 유효한 정보임을 확인했다.

• 한국측량학회지
• /
• 제32권2호
• /
• pp.87-93
• /
• 2014

지적 필지를 구성하고 있는 폴리곤 집합은 현실세계의 국토를 반영하는 가장 기반이 되는 데이터 집합이다. 따라서 지적 필지는 서로 간에 겹쳐있거나 공백을 가지지 않는 위상적 무결성이 보장되어야하는 데이터이다. 하지만, 여러 가지 이유로 필지들 간의 겹침과 공백의 문제가 발생하고 있고, 이러한 경우 폴리곤의 경계들은 주변의 폴리곤과 정확하게 인접하고 있지 못하기 때문에 의도하지 않은 겹침 영역과 공백 영역이 생산되고 있다. 이와 같이 정확하게 인접되어 있지 않은 경계가 불확실한 모서리를 하나 이상 포함하고 있는 경우, 이 폴리곤을 불확실한 영역이라고 부른다. 본 논문에서는 이러한 영역을 탐색하기 위한 TTA 기법을 제안하고자 한다. TTA 처리 순서는 우선 폴리곤 데이터 집합으로부터 포인트와 폴리라인을 추출하여 제한된 델로네 삼각분할을 수행한다. 다음으로 각 삼각형마다 데이터 집합과 중첩되는 면의 수를 세어 삼각형에 태깅을 수행한다. 태깅 값이 0 또는 1 이상인 삼각형을 추출한 후 연결성을 가지고 있는 삼각형끼리 병합을 수행하여 위상적 모순이 있는 영역들을 발견한다. 본 실험에서는 제안하는 알고리즘을 자동화하여 실세계에서 경계가 교차하는 지적 데이터에 적용하여 실험을 하였다.