• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.274-276
• /
• 2004

단백질은 대부분 공간상의 특징을 고려할 때 유사한 부분을 기준으로 분류되는 경우가 많다 단백질 구조 분류 데이터베이스는 단백질이 가지는 다양한 구조 정보를 바탕으로 단백질 구조 분류 정보를 제공하고 있다. 대표적인 단백질 구조 분류 데이터베이스에는 CATH와 SCOP 데이터베이스가 있다. 이들 데이터베이스는 서로 다른 구조 분류 기준으로 단백질 구조를 분류하고 있으며, 단백질 구조 분류 정보를 검색하는 웹 서비스를 개별적으로 제공하고 있다. 따라서 여러 종류의 단백질 구조 분류 정보를 하나의 웹 사이트에서 검색할 수 있으면 유용할 것이다. 본 논문에서는 CATH와 SCOP에서 정의한 단백질 구조 분류 정보의 통합적인 검색 기능 일 통계 정보를 체계적으로 제공하는 웹 정보시스템에 관하여 기술한다. 제안된 시스템은 CATH와 SCOP에서 제공하는 각각의 데이터를 가공하여 효과적인 구조 분류 검색을 지원하는 구조화된 데이터베이스를 구축하였다. 개발된 시스템은 PDB 식별자, CAT터 식별자. 그리고 SCOP 식별자 또는 단백질 분류 이름으로 한번의 검색으로 두 데이터베이스에서 제공하는 계층적 구조 분류 정보를 제공한다. 또한, 단백질 구조에 대한 유용한 통계 정보를 제공한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.81-83
• /
• 2024

본 논문에서는 mask R-CNN의 이미지 세그먼테이션(Image Segmentation) 기법을 이용하여 철도의 선로를 식별하고 분류하는 방법을 제안한다. mask R-CNN의 이미지 세그먼테이션은 바운딩 박스(Bounding Box)를 통해 이미지에서 객체를 식별하는 R-CNN 알고리즘과는 달리 픽셀 단위로 관심 있는 객체를 검출하고 분류하는 기법으로서 오브젝트 디텍션(Object Detection)보다 더욱 정교한 객체 식별이 가능하다. 본 연구에서는 Pascal VOC 형태의 고속철도 데이터 24,205셋의 데이터를 전처리하고 MS COCO 데이터셋으로 변환하여, MMDetection의 mask R-CNN을 통해 픽셀 단위로 철도선로를 식별하고 정상/불량 상태를 분류하는 연구를 수행하였다. 선행연구에서는 YOLO를 활용하여 Polygon형태의 좌표를 바운딩 박스로 분류하였는데, 본 연구에서는 mask R-CNN을 활용함으로써 철도 선로를 더욱 정교하게 식별하였으며 정상/불량의 상태 분류는 YOLO와 유사한 성능을 보였다.

• 한국재난정보학회 논문집
• /
• 제9권1호
• /
• pp.65-77
• /
• 2013

많은 기관에서 방재 자원을 관리하고 운영하고 있으나 이들 자원에 대한 통일된 분류 및 식별 체계가 존재하지 않고 있어서 시스템 간의 호환성에 대한 근본적인 문제를 발생시키고 있다. 미국은 NIMS에서 방재자원에 대한 표준 체계를 제시하고 있으며, 이러한 표준 체계에 따라 IRIS, webEOC 등에서 자원을 관리하고 있다. 방재자원에 대한 분류와 식별은 궁극적으로 재난 발생 시 신속히 필요한 자원 리스트를 확인하고, 해당 자원을 정확히 찾을 수 있는 체계를 제공하는 것을 목적으로 한다. 본 연구에서는 국제적 표준과 현장 요구사항을 반영한 방재자원에 대한 분류 및 식별 기준 체계를 제시하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.505-507
• /
• 2002

본 논문에서는 그레이 블록 거리알고리즘(grey block algorithms, 이하 GBD)을 이용하여 독립성분분석(independent component analysis; 이하 ICA) 및 첨도(Kurtosis)에서의 영상간의 거리를 측정하여, 어느 정도 영상간의 상대적 식별을 용이하게 하여 영상 분류가 되는지 모의 실험을 통하여 확인하고자 한다. 모의 실험 결과로부터, ICA에서는 k는 8까지 상대적 식별이 되어 영상 분류가 되었고, 첨도에서는 영상간의 상대적 식별을 k가 4까지만 블록을 분할 할 수 있었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.399-402
• /
• 1998

본 논문에서는 환자의 음성을 정상, 양성종양, 악성종양으로 분류하는 실험을 켑스트럼 파라미터를 통한 음원분리와 신경회로망을 이용하여 수행하고 그 결과를 보고한다. 기존의 장애음성 데이터베이스에는 정상음성과 양성종양의 경우만 수록되어 있었고 외국의 환자들을 대상으로 한 경우만 있었기 때문에 국내의 환자들에게 직접 적용할 경우 어떠한 결과가 나올지 예측하기가 어려웠다. 최근 부산대학교 이비인후과팀에서 수집한 국내의 정상, 양성, 악성종양의 경우에 대한 데이터베이스를 분석하고 신경회로망에 의해 분류함으로써 사람의 음성신호만에 의한 후두질환이 식별이 가능하였다. 본 실험에서는 식별 파라미터로 음성신호의 선형예측오차신호에 관한 켑스트럼으로부터 음원비인 HNRR을 구하여 Jitter, Shimmer와 함께 사용하였다. 신경회로망은 입, 출력 층과 한 개의 은닉층을 갖는 다층신경망을 이용하였으며, 식별은 두단계로 나누어 정상과 비정상을 분류한 후 다시 비정상을 양성과 악성으로 분류하였다[1].

• 정보보호학회지
• /
• 제1권1호
• /
• pp.124-129
• /
• 1991

정보 보안의 요소는 인가되지 않은 사람이 시스템에 액세스(Access)하거나 인가없 이 사용하는 것을 방지하는 액세스 통제이다. 이를 위해서 정보의 기밀정도에 따라 보호정 도를 결정하는 기밀등급분류가 이루어져 정보를 선택관리하는체계가 이루어 져야한다. 정 보를 선택관리하기 위해서는 보호할 만한 정보를 식별하고, 식별된 중요정보를 어떤 방법 으로 유지, 관리, 이용할 것인지를 규정하는 것이 필요하다. 본 논문에서는 정보 기밀등급 의 체계적인 분류방법에 대해 살펴보기로 한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2012년도 추계학술대회
• /
• pp.141-142
• /
• 2012

해양사고를 야기하는 인적오류는 일반적으로 규정위반, 실수, 간과, 무기억 등 네 가지 요소로 구분되어 있다. 그러나 실제 해운회사의 사고기록을 조사해 보면, 이러한 네 가지 요소로 분류 불가능한 경우가 있다. 특히, 불합리한 작업의 양, 위기관리 능력의 부족, 오해, 불확실성의 이해 부족, 인적 오류의 미반영 등은 기존 네 가지 분류에 포함될 수 없는 것으로 조사되었다. 본 연구에서는 해양사고를 야기하는 해기사의 인적오류를 식별하고 분류하며 평가하기 위한 방법을 고찰하고, 새로운 분류 요소를 식별하였다. 실험결과, 새로운 식별 요소의 개발이 필요하고, 개발한 식별 요소가 해기사의 인적오류 평가에 유효함을 알았다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.345-348
• /
• 2002

음성인식 기술은 크게 음성인식과 화자인식 기술의 두 가지로 분류된다. 현재는 음성인식 기술이 널리 연구되고 있지만 점차 화자인식 기술의 중요성이 대두되고 있다. 본 논문에서는 화자인식 기술의 한 가지 분류로 임의 화자를 식별하기 위한 화자식별 기술을 연구 대상으로 하고 있으며, 신경회로망을 이용한 화자식별 시스템의 특징 추출 방법을 제시하고 그에 따른 성능을 비교하고 있다. 식별 단계에서 26명의 78개의 음성 샘플을 신경회로망의 역전파 알고리듬을 이용하여 학습하고, 테스트용으로 한 화자의 음성샘플이 사용되어 식별된다. 신경회로망의 입력 변수는 특징 파라미터로 선형예측계수, Mel-주파수 켑스트럼계수와 웨이블릿을 이용한 켑스트럼 계수를 사용하였다. 그 결과로써 화자식별 시스템의 신경회로망 모델2의 입력으로 혼합된 특징 파라미터를 사용한 경우가 다른 파라미터들을 사용한 경우와 비교하여 8.46~21.53%의 차를 가지고 가장 좋은 성능을 나타내었다.

• 한국콘텐츠학회논문지
• /
• 제10권4호
• /
• pp.84-90
• /
• 2010

데이터베이스 시스템의 응용분야가 데이터웨어하우징에서 전자상거래에 이르기까지 광범위해지면서 데이터베이스 시스템이 대형화되었다. 이로 인해 데이터베이스 시스템의 성능 향상을 위한 튜닝이 중요한 논점이 되었다. 데이터베이스 시스템의 튜닝은 워크로드 특성을 고려하여 수행할 필요가 있다. 그러나 복합적인 데이터베이스 환경에서 워크로드를 식별하기는 어려우므로 자동적인 식별 방법이 요구된다. 본 논문에서는 데이터베이스 워크로드를 자동적으로 식별하는 SVM 워크로드 분류기를 제안한다. TPC-C와 TPC-W 성능 평가에서 자원할당 파라미터 변경에 따른 워크로드 데이터를 수집하여 SVM을 통해 분류 한다. SVM의 커널별 커널 파라미터와 오류 허용 임계치 값인 C의 조정을 통하여 최적의 SVM 워크로드 분류기를 선택한다. 제안한 SVM 워크로드 분류기와 Decision Tree, Naive Bayes, Multilayer Perceptron, K-NN 분류기의 분류 성능을 비교한 결과, SVM 워크로드 분류기가 다른 기계 학습 분류기보다 9% 이상 향상된 분류 성능을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.301-303
• /
• 2003

컴포넌트 기반 개발 방법론이 확산됨에 따라 성공적인 컴포넌트 기반 프로젝트의 핵심 요소인 효과적인 컴포넌트 식별 방법에 관한 연구가 활발히 진행되고 있다. 이에 본 논문에서는 시스템이 사용자에게 제공하는 기능을 독립적으로 분류한 유즈케이스를 기반으로 하여 인터페이스를 식별하고, 식별된 인터페이스의 상호작용을 분석하여 컴포넌트를 식별하는 방법에 대해 제안한다. 이를 위하여 유즈케이스를 기반으로 외부 인터페이스를 식별하고, 시나리오를 이용하여 식별된 인터페이스 단위로 객체를 추출한다. 추출된 객체에서 공통 객체를 분석하여 내부 인터페이스와 컴포넌트를 식별하고 최종적으로 이러한 인터페이스의 상호작용과 의존성을 분석하여 컴포넌트를 식별 하고자 한다.