• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.120-125
• /
• 2009

본 논문에서는 통계적 분류방법을 이용하여 문화재 자료의 분석을 수행하였다. 분류방법으로는 선형판별분석, 로지스틱회귀분석, 의사결정나무분석, 신경망분석, SVM분석을 사용하였다. 각각의 분류방법에 대한 개념 및 이론에 대해 간략히 소개하고, 실제자료 분석에서는 "지역별 문화재 통계분석 및 모형개발 연구 1차(2008)"에 사용된 자료 중 익산시 자료를 근거로 매장문화재에 대한 분류방법별 적합모형을 구축하였다. 구축된 모형과 모의실험의 결과를 통해 각각의 적합모형에 대한 비교를 수행하여 모형의 성능을 비교하였다. 분석에 사용된 도구로는 최근 가장 관심을 갖는 R-project를 사용하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.4B
• /
• pp.505-513
• /
• 2001

지문영상의 분류는 데이터베이스의 용량이 클 경우 검색시간을 효율적으로 단축시킬 수 있는 핵심적인 기술이다. 따라서 본 논문에서 core point 와 flow-line 추적을 이용한 효율적인 지문 영상 분류 기법을 제안한다. 제안한 방법은 특히 압착 날인된 지문 영상의 분류에 적합한 방법으로 크게 2단계로 이루어져 있다. 첫 번째 단계에서는 먼저 Poincare index를 이용하여 core point를 찾아내고 이를 바탕으로 개략적인 분류를 수행한다. 그 다음 두 번째 단계에서는 core point를 중심으로 flow-line을 추적하여 그 결과를 가지고 세부적인 분류를 수행한다. 세부분류 단계에서는 평활화된 블록의 방향정보를 이용한 효과적인 flow-line 추적 알고리즘과 이를 이용한 새로운 분류 방법이 제안된다. 제안한 방법은 회전이나 이동 그리고 약간의 잡음에 강인한 지문 분류 방법으로 지문입력기를 통하여 획득된 700장의 지문 영상에 적용해 본 결과 93.6%의 분류율을 나타내었다.

• Explosives and Blasting
• /
• v.20 no.1
• /
• pp.35-50
• /
• 2002

터널굴착이나 사면절취 등과 같은 굴착문제에 있어서 굴착방법을 결정하기 위해 대상암반에 대한 리핑암이나 발파암의 구분이 우선되며, 다음에 발파에 의한 굴착방법이 선정되었을지라도 화약량 및 종류, 천공방법 등 발파설계를 위해서 추가적으로 발파암에 대한 세부적인 분류가 필요하다. 일반적으로 RMR이나 Q시스템과 같은 암반분류법이 많이 사용되고 있지만, 발파암에 대한 표준적인 암반분류법이 없으며, 국내에서도 발파암 분류에 대한 연구가 거의 전무한 상태로 발파암의 분류요소로 사용될 수 있는 요소를 구하기 위한 연구가 필요하다. 따라서 이 논문에서는 앞으로 국내에서 발파암 분류연구에 대한 방향제시를 위해서 발파와 암석의 역학적 특성, 지질구조와 불연속면의 특성과의 관계나 굴착과 관련된 암반분류에 대한 여러 논문사례를 통하여 발파암의 분류요소와 분류방법 등에 대해 언급한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.796-798
• /
• 2004

본 논문에서는 웹 문서의 분류 성능을 향상시키기 위해 웹 페이지에서의 자질선택과 그에 따른 웹 문서 분류 방법을 제안한다. 문서 분류에는 문서에 포함된 단어를 분류 자질로 사용하게 되며 이때 한 문서의 모든 단어를 분류 자질로 이용한다고 좋은 성능을 보인다고 보장할 수는 없다. 그러므로 문서에 필요한 단어만을 자동으로 추출하여 문서데이터의 자질을 축소하는 작업이 필요하다. 따라서 본 논문에서는 모집군 내의 자질벡터의 범위가 큰 것을 적은 수의 주요성분으로 감소시키기 위해 통계적 분석 기법중의 하나인 주성분분석 방법을 이용하여 자질감소와 그에 따른 문서분류의 성능 향상을 실험을 통하여 보인다. 야후 스포츠 뉴스 웹 페이지가 분류를 위해 사용되었으며, 분류기로는 Naive Bayesian 분류 방법을 사용하였다. 실험 결과를 통해 본 논문에서 제안한 뉴스 웹페이지 분류 방법이 스포츠 뉴스 데이터 군에서 만족할 만한 분류 정확도를 제공한다는 것을 알 수 있다.

• The KIPS Transactions:PartD
• /
• v.14D no.1 s.111
• /
• pp.89-96
• /
• 2007

Various classification methods have been developed to reuse components. These classification methods enable the user to access the needed components quickly and easily. Conventional classification approaches include the following problems: a labor-intensive domain analysis effort to build a classification structure, the representation of the inter-component relationships, difficult to maintain as the domain evolves, and applied to a limited domain. In order to solve these problems, this paper describes a composite cluster analysis approach for component classification. The cluster analysis approach is a combination of a hierarchical cluster analysis method, which generates a stable clustering structure automatically, and a non-hierarchical cluster analysis concept, which classifies new components automatically. The clustering information generated from the proposed approach can support the domain analysis process.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.97-105
• /
• 2007

수문학적 토양유형은 복잡하게 세분되어 있는 토양의 종류를 수문학적인 목적에 따라 단순화하기 위해 만든 것으로 미농무성 토양보전국에서 고안한 개념이다. 우리나라 토양을 이 방법으로 구분하고자 하는 몇번의 시도가 있으며 그 중 대표적인 것이 정 등(1995)이 분류한 수문학적 토양군이다. 이는 토양의 침투 투수특성에 대한 실측자료가 부족한 우리나라의 실정을 감안하여 토성속(textural family), 배수등급(drainage class), 불투수층(impermeable layer), 투수성(permeability)의 네가지 토양특성을 분류특성으로 하여 각각에 1-4점 범위로 점수를 매긴 후 합산한 점수를 기준으로 수문학적 토양유형을 분류하는 것이다. 최근에는 토양의 한계침투속도에 따라 수문학적 토양유형을 분류하고자 하는 시도가 있으며 본 논문에서는 새로운 방법으로 분류할 때 기존의 방법과 어떠한 차이가 있는지 비교하고자 하였다. 정 등(1995)의 분류방법은 개념상 몇가지 문제점을 안고 있다. 먼저 토양의 수리특성은 같은 토성속이라 하여도 토양생성 과정과 토지이용 방법에 따라 그 차이가 매우 큼에도 불구하고 이에 대해 고려하지 못하였으며 다음으로 지표유거가 많아 배수가 양호한 토양의 강우 유출을 과소평가한다. 또한 얕은 토심에 존재하는 불투수층이 존재하는 경우 토양의 수리특성에 관계없이 적은 양의 강우에도 유출이 발생하므로 별도의 제한인자로 간주하여야 한다. 토양의 한계 침투속도를 이용한 분류방법은 이러한 문제점을 상당 부분 개선할 수 있다. 토양의 한계침투속도를 산정하기 위해 현장에서 지표 한계침투속도와 투수속도를 측정하였으며 이 자료를 확장하여 해석하기 위해 입자특성을 이용한 Pedo Transfer Function을 개발하였다. 토심 50 cm 포화시 토양 투수성을 한계 침투속도로 가정하였으며 50 cm 이내에 암반층과 지하수위가 존재할 경우 투수성에 관계없이 D유형으로 분류하였다. 새로운 방법으로 분류한 결과 기존의 분류와 몇가지 차이점이 발견되었다. 가장 큰 차이는 대부분의 논토양이 느린 한계침투속도의 영향으로 D유형에 속한 것이다. 산림토양과 밭토양은 기존 방법과 마찬가지로 A, B유형이 많았으며 암반층을 고려하기 전에는 기존 분류에 비해 강우 유출 가능성이 적은 쪽으로 평가되었다. 그러나 암반층이 존재하는 토양을 고려한 결과 A 또는 B 유형에 속하던 상당수의 산림토양이 새로운 분류에서 D유형으로 분류되었다. 지표 유거가 많아 배수등급이 매우양호로 분류되던 토양은 정 등(1995)의 분류와 비교하여 대부분 강우 유출 가능성이 큰 쪽으로 조정되었다. 새로운 수문학적 토양유형을 이용할 경우 낮은 토심에서 암반층이 발견되는 산림토양이 분포한 유역이나 산림, 밭 등에 식질 토양이 많이 분포하는 유역에서는 기존의 방법을 이용하는 것보다 강우 유출량이 높게 평가될 것으로 판단된다. 앞으로 강우 유출량 실측자료와의 비교를 통해 지속적인 보정을 하여야 할 것이며 특히 불투수층의 존재시 일괄적으로 D유형으로 분류된 토양의 경우 깊이에 따라 C 또는 D 유형으로 세분하여 조정할 필요가 있다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.05a
• /
• pp.576-579
• /
• 2009

The amount of incoming e-mails is increasing rapidly due to the wide usage of Internet. Therefore, it is more required to classify incoming e-mails efficiently and accurately. Currently, the e-mail classification techniques are focused on two way classification to filter spam mails from normal ones based mainly on Bayesian and Rule. The clustering method has been used for the multi-way classification of e-mails. But it has a disadvantage of low accuracy of classification. In this paper, we propose a novel multi-way e-mail classification method that uses PCA for automatic category generation and dynamic category hierarchy for high accuracy of classification. It classifies a huge amount of incoming e-mails automatically, efficiently, and accurately.

• Journal of KIISE:Software and Applications
• /
• v.31 no.8
• /
• pp.991-998
• /
• 2004

In many practical teaming problems including bioinformatics area, there is a small amount of labeled data along with a large pool of unlabeled data. Labeled examples are fairly expensive to obtain because they require human efforts. In contrast, unlabeled examples can be inexpensively gathered without an expert. A common method with unlabeled data for data classification and analysis is co-training. This method uses a small set of labeled examples to learn a classifier in two views. Then each classifier is applied to all unlabeled examples, and co-training detects the examples on which each classifier makes the most confident predictions. After some iterations, new classifiers are learned in training data and the number of labeled examples is increased. In this paper, we propose a new co-training strategy using unlabeled data. And we evaluate our method with two classifiers and two experimental data: WebKB and BIND XML data. Our experimentation shows that the proposed co-training technique effectively improves the classification accuracy when the number of labeled examples are very small.

• Journal of Advanced Navigation Technology
• /
• v.13 no.3
• /
• pp.419-425
• /
• 2009

The amount of incoming e-mails is increasing rapidly due to the wide usage of Internet. Therefore, it is more required to classify incoming e-mails efficiently and accurately. Currently, the e-mail classification techniques are focused on two way classification to filter spam mails from normal ones based mainly on Bayesian and Rule. The clustering method has been used for the multi-way classification of e-mails. But it has a disadvantage of low accuracy of classification and no category labels. The classification methods have a disadvantage of training and setting of category labels by user. In this paper, we propose a novel multi-way e-mail hierarchy classification method that uses PCA for automatic category generation and dynamic category hierarchy for high accuracy of classification. It classifies a huge amount of incoming e-mails automatically, efficiently, and accurately.

• Journal of the Korean Data and Information Science Society
• /
• v.22 no.5
• /
• pp.931-940
• /
• 2011

Classification is to generate a rule of classifying objects into several categories based on the learning sample. Good classification model should classify new objects with low misclassification error. Many types of classification methods have been developed including logistic regression, discriminant analysis and tree. This paper presents a new classification method using penalized partial least squares. Penalized partial least squares can make the model more robust and remedy multicollinearity problem. This paper compares the proposed method with logistic regression and PCA based discriminant analysis by some real and artificial data. It is concluded that the new method has better power as compared with other methods.