• 한국신재생에너지학회:학술대회논문집
• /
• 2010.06a
• /
• pp.115.1-115.1
• /
• 2010

석탄 가스화기술은 기존의 연소 방식에서 발생하는 공해 물질은 줄이면서 발생되어지는 합성가스를 이용하여 직접 사용하거나, IGCC나 CTL 공정등에서 원료로서 사용할 수 있다는 장점을 가지고 있어 석탄의 환경친화적인 이용을 위하여 오래전에 개발된 기술임에도 불구하고 최근 각광받고 있는 기술이다. 분류층 가스화기는 미분화된 석탄을 고온에서 가스화하는 방식으로 용량의 대형화가 가능하여 석탄가스화복합발전(IGCC)용으로 이용되고 있다. 석탄슬러리를 원료로 사용하는 습식 분류층 가스화기는 기술적으로 상당히 안정적이어서 가장 많이 보급되어진 가스화기 형태이다. 본 연구에서는 1.0T/D급 습식 분류상 가스화 장치의 가압 운전 특성 및 가스화 특성, 운전 조건을 파악하기 위하여 실험을 실시하였다. 실험에 사용된 반응기는 운전 압력 30bar로 설계되었으며, Fuel의 공급량은 50~70kg/hr로 공급하였으며, $O_2$/fuel Ratio를 0.7~1.1까지 변경하여 Fuel 주입량에 따른 내부온도 분포와 $O_2$/Fuel 비율에 따른 합성가스의 조성, 탄소 전환율, 냉가스효율 변화 특성을 알아보았다.

• Journal of the Korean Society for Library and Information Science
• /
• v.43 no.1
• /
• pp.27-56
• /
• 2009

The purpose of this study is to analyze on the main classes of DDC. The DDC is a general classification system which aims to classify documents of all kinds falling in any knowledge domain. At best, the order of the main classes represents a mix of Baconian and Hegelian philosophy adulterated by the practical exigencies of organization a collection of books. Each of the main classes have been subdivided further into what are technically known as divisions. This division of knowledge into the nine main classes mirrors the educational consensus of the late nineteen-century Western academic world. The DDC thus scatters subjects by discipline, and the subjects are subordinated to discipline. The DDC has been criticised for its rigidity of division by ten at every step of its division. Division by the decimal classification has been likened to the Procrustean bed.

• Journal of the Korean Geographical Society
• /
• v.36 no.2
• /
• pp.81-92
• /
• 2001

본 연구의 목적은 지형요소의 GIS Database 구축을 위한 전산화된 지형분류도 제작방안을 제시하는 것이다. 지형요소 전산화는 지형요소의 분류, 지형요소의 코드화, 범례화, 심볼의 제작, 마지막으로 지도화의 과정을 통하여 완성된다. 지형분류는 지형요소의 공간적 분포와 형태, 지형형성과 발달에 영향을 미치는 자연환경체계와 지형형성기구의 역할을 고려하며, 동적인 지형형성과정과 이 과정을 통해 물질관계를 파악할 수 있도록 하였다. 지형분류도는 1: 25,000 축적에 표현 가능한 지형요소를 나타낼 수 있도록 고려하였다. 지형요소들의 지도화 되었을 때는 시.공간적인 관계를 통해 지형환경체계가 인식되도록 하였다. 지형요소들은 GIS에서 Layer단위로 입력되어야 하기 때문에 Data Feature의 성격을 점.선.면으로 분류하여 지형요소의 형상을 범례로 만들었다. 지형요소 범례는 지형의 형태, 물질 그리고 성인을 고려하여 지형요소를 상징화할 수 있도록 설계하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.364-366
• /
• 2001

문서 범주화는 전자 정보환경에서 매우 유용한 정보처리 도구로서, 다양한 문서 범주화 기법 및 성능향상을 위한 연구들이 지속적으로 이루어지고 있다. 그러나, 대부분의 연구들은 문서 범주화의 대상이 되는 단어 자질 공간의 차원축소 문제에만 집중되었을 뿐, 학습단계에 큰 영향을 미치는 다범주 단어 자질의 범주 모호성은 고려하지 않았다. 본 연구에서는, 다범주 자질의 범주 모호성을 해소함으로써 문서 범주화의 성능향상을 유도하는 범주 모호성 해소 가중치 W를 제시하고 이를 실험을 통해 증명하였다. 실험에서는 Naive Bayes 분류기와 가중치 W를 적용한 Naive Bayes-W 분류기를 직접 구축하여 문서 범주화의 성능향상 여부를 비교하는데 사용하였다. 도출된 실험결과를 통해, 가중치 W는 현재의 분류기가 가지고 있는 자질 표현의 범주 모호성이라는 단점을 보완하고 분류기의 성능향상을 유도함으로써 정보검색시스템의 검색효율을 높이는 데 활용될 수 있음일 증명되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.589-592
• /
• 2007

웹사이트의 블로그에서 등록된 게시물을 분류, 표현하는 방식으로 카테고리 분류방식과 Tag cloud 분류방식을 사용하고 있다. 그러나 카테고리분류방식은 같은 게시물이라도 블로그 관리자별로 해당 분류의 생성기준이 주관적인 판단에 따라 다른 분류에 속할 수 있어 이용자들이 찾고자 하는 게시물을 검색하는데 많은 시간이 소요될 수 있다는 단점이 있다. 또한 이를 보완하는 방안으로 사용되는 Tag cloud 방식은 태그들을 흩어놓아 원하는 정보를 빠르게 찾는데 한계가 있다. 이에 본 논문은 블로그에서 태그들을 그룹화하여 구현한 트리형 Tag cloud(이하 'TreeTag cloud') 모델을 통해 카테고리 분류방식의 트리 구조의 장점인 직관성 및 구조화와 Tag cloud 분류방식의 장점인 짧은 search depth 를 결합하여 구현하는 방법을 제안하였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.18-22
• /
• 2019

FAQ 분류는 자주 묻는 질문을 범주화하고 사용자 질의에 대해 가장 유사한 클래스를 추론하는 방식으로 진행된다. FAQ 데이터셋은 클래스가 다수 존재하기 때문에 클래스 간 포함 및 연관 관계가 존재하고 특정 데이터가 서로 다른 클래스에 동시에 속할 수 있다는 특징이 있다. 그러나 최근 FAQ 분류는 다중 클래스 분류 방법론을 적용하는 데 그쳤고 FAQ 데이터셋의 특징을 모델에 반영하는 연구는 미미했다. 현 분류 방법론은 이러한 FAQ 데이터셋의 특징을 고려하지 못하기 때문에 정답으로 해석될 수 있는 예측도 오답으로 여기는 경우가 발생한다. 본 논문에서는 신뢰성이 부족한 FAQ 데이터셋에서도 분류를 잘 하기 위해 손실 함수를 조정하는 정규화 기법을 소개한다. 이 정규화 기법은 클래스 간 포함 및 연관 관계를 반영할 수 있도록 오답을 예측한 경우에도 예측 강도에 비례하여 손실을 줄인다. 이는 오답을 높은 확률로 예측할수록 데이터의 신뢰성이 낮을 가능성이 크다고 판단하여 학습을 강하게 하지 않게 하기 위함이다. 실험을 위해서는 다중 클래스 분류에서 가장 좋은 성능을 보이고 있는 모형인 BERT를 이용했으며, 비교 실험을 위한 정규화 방법으로는 통상적으로 사용되는 라벨 스무딩을 채택했다. 실험 결과, 본 연구에서 제안한 방법은 기존 방법보다 성능이 개선되고 보다 안정적으로 학습이 된다는 것을 확인했으며, 데이터의 신뢰성이 부족한 상황에서 효과적으로 분류를 수행함을 알 수 있었다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.44 no.1
• /
• pp.26-32
• /
• 2007

In sequential speaker classification, the lack of prior information about the speakers poses a challenge for model initialization. To address the challenge, a predetermined generic model set, called Sample Speaker Models, was previously proposed. This approach can be useful for accurate speaker modeling without requiring initial speaker data. However, an optimal method for sampling the models from a generic model pool is still required. To solve this problem, the Speaker Quantization method, motivated by vector quantization, is proposed. Experimental results showed that the new approach outperformed the random sampling approach with 25% relative improvement in error rate on switchboard telephone conversations.

• Journal of Internet Computing and Services
• /
• v.19 no.3
• /
• pp.35-42
• /
• 2018

Deep learning is known as a method of high accuracy among several methods for image classification. In this paper, we propose a method of enhancing the accuracy of image classification using CNN with a batch normalization method for classification of images using deep CNN (Convolutional Neural Network). In this paper, we propose a method to add a batch normalization layer to existing neural networks to enhance the accuracy of image classification. Batch normalization is a method to calculate and move the average and variance of each batch for reducing the deflection in each layer. In order to prove the superiority of the proposed method, Accuracy and mAP are measured by image classification experiments using five image data sets SHREC13, MNIST, SVHN, CIFAR-10, and CIFAR-100. Experimental results showed that the CNN with batch normalization is better classification accuracy and mAP rather than using the conventional CNN.

• Journal of the Korean Society for information Management
• /
• v.20 no.1
• /
• pp.457-488
• /
• 2003

Public records, produced during the period of Government-General of Chosun. are essential sources for Korean modern history research. The purpose of this study is to provide a guideline for developing function-based classification scheme for the records. This present paper begins with analyzing archival principles regarding the function-based classification. and examines the problems of current arrangement practices. Based on these analyses, it suggests a guideline for constructing a classification system and a functional thesaurus for the public records of Government-General of Chosun. This guideline also covers functional analysis process and some considerations of different classification aspects which are conceptual, verbal and notational.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.473-476
• /
• 2004

본 논문에서는 프라이버시를 침해 하지 않는 데이터 마이닝에 대해 다룬다. 방대한 데이터에서 유용한 정보를 추출하는 데이터 마이닝분야에서 데이터로부터 프라이버시 보존의 중요성이 부각되고 있다. 그래서 프라이버시의 침해를 막기 위한 방법으로 실제 데이터를 사용하지 않고 잡음이 들어간 데이터를 사용한다. 그리고 프라이버시를 침해하지 않기 위해 잡음이 들어간 데이터로부터 데이터의 확률 밀도 함수(PDF)만을 복원한다. 이렇게 복원된 확률 밀도 함수만을 이용하여 데이터 마이닝기술, 예를 들면 분류화에 곧바로 적용함으로써 프라이버시를 보존하는 것이다. 하지만 분류화에 사용되는 데이터의 1차원적인 확률 밀도 함수만 가지고는 군집화에 사용하기가 부적절하다. 따라서 본 논문에서는 군집화를 하기 위해 잡음이 들어간 데이터로부터 결합 확률 밀도 함수(Joint PDF)를 복원하고, 복원된 결합 확률 밀도 함수만 가지고 군집화를 할 수 있는 방법을 다룬다.