• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2016년 정기학술대회
• /
• pp.304-306
• /
• 2016

본 논문에서는 기계학습 방법에 기반을 둔 119 긴급 신고 전화 전사 데이터에 대한 구급, 구조, 화재 상황 분류 알고리즘을 개발하였다. 신고전화에서 빈번하게 발생하는 비정형 발화 패턴을 효율적으로 정규화하고 자연어 문장 처리 기법에서 일반적으로 사용하는 방법을 적용하여 신고전화 텍스트 데이터를 기계학습에서 사용할 수 있는 특징 벡터로 재구성하였다. 2743개의 신고전화에 대해 선형 서포트 벡터 머신을 이용하여 상황 분류를 수행한 결과, 92% 의 정확도를 얻을 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1899-1900
• /
• 2008

현재 센서 네트워크에서 센서의 위치를 추정(Localization) 하고자 하는 많은 방법들이 나와 있고, 계속해서 연구 주제로 다루어 지고 있다. 이 논문에서는 서포트 벡터 머신(SVM)의 기본적인 내용과 센서 네트워크 분야에서 위치 추정 분야에서 다루어지고 내용들을 서술하고 마지막으로 서포트 벡터 머신을 이용하여, 개선되고 향상된 algorithm을 제시하고자 하는 것이 아닌 SVM을 이용한 적용 사례들과 연구 동향들에 대해 살펴본 뒤 그것들의 적용방법들과 갖는 한계점들, 그리고 그것을 이용한 미래에 연구방향에 대해 고찰해 보고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.55-56
• /
• 2018

화력발전소의 중요 구성품인 보일러 튜브의 예기치 못한 누설 사고로 인해 수억원에 해당하는 손실이 발생하고 있다. 본 논문에서는 보일러 튜브의 누설 감지를 위해 유전 알고리즘을 이용하여 추출 가능한 특징들 중 누수 감지에 유용한 특징들을 선택하고, 선택된 특징으로 서포트 벡터 머신을 이용하여 보일러 튜브의 누설 감지하는 방법을 제안한다. 이는 뛰어난 성능을 보였으며, 향후 본 기술을 이용하면 발전소의 손실 예방에 크게 도움이 될 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.192-192
• /
• 2020

취약성 분석의 결과로 폭설에 의한 기후노출은 현재에는 강원권이 가장 취약한 것으로 나타났다. 그러나 미래에는 강원권, 충청권, 호남권을 연결하는 축으로 취약지역이 확대될 것으로 전망된다. 본 연구에서는 다양한 머신러닝 기법을 이용하여 대설피해 예측을 실시하였다. 머신러닝 기법으로는 로지스틱회귀모형, 서포트벡터 머신, 의사결정트리 모형을 적용하였다. 종속변수로 대설피해액 자료를 이용하였고, 독립변수로 기상관측자료, 사회·경제적 요소를 사용하였다. 결과적으로 기존에 사용했던 다중회귀모형과 머신러닝 기법으로 예측한 예측력을 비교 및 분석하였고, 예측력이 가장 높은 머신러닝 기법을 제시하였다. 본 연구에서 대설피해 예측을 위해 사용된 예측력이 가장 높은 기법을 활용하여 대설피해를 예측한다면, 미래에 전국적으로 확대될 대설피해에 대해 효과적으로 대비할 수 있을 것으로 기대된다.

• 교육녹색환경연구
• /
• 제11권3호
• /
• pp.46-54
• /
• 2012

The accuracy of cost estimation at an early stage in school building project is one of the critical factors for successful completion. So various of techniques are developed to predict the construction cost accurately and expeditely. Among the techniques, Support Vector Machine(SVM) has an excellent ability for generalization performance. Therefore, the purpose of this study is to construct the prediction model for construction cost of educational building project using support vector machine technique. And to verify the accuracy of prediction model for construction cost. The performance data used in this study are 217 school building project cost which have been completed from 2004 to 2007 in Gyeonggi-Do, Korea. The result shows that average error rate was 7.48% for SVM prediction model. So using SVM model on predicting construction cost of educational building project will be a considerably effective way at the early project stage.

• 한국컴퓨터정보학회논문지
• /
• 제17권3호
• /
• pp.67-76
• /
• 2012

트래픽 분류는 트래픽 관리하는데 중요한 역할을 차지하고 있다. 전통적인 방법은 P2P와 암호화 트래픽을 제대로 분류할 수 없는 문제가 있다. 서포트 벡터 머신은 기존의 문제를 해결할 수 있고 병목 현상을 극복할 수 있는 유용한 분류 도구이다. 하지만 서포트 벡터 머신의 주요 장점은 이차 프로그래밍(QP)문제 때문에 큰 데이터 집단을 훈련하는데 시간을 소모한다. 그러나 유용한 서포트 벡터는 전체 데이터에서 극히 일부분이다. 만약 우리가 훈련전에 쓸모없는 벡터들을 삭제할 수 있다면, 시간을 절약하고 정확도를 유지할 수 있다. 이 논문에서 우리는 대규모 데이터를 다룰 때 훈련 속도를 빠르게 하기위해 순차적인 방법을 통해 쓸모없는 벡터들을 제거하기 위한 가능성을 논의하였다.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.321-328
• /
• 2019

군 통신 쉘터는 내부에 통신 및 환경장비를 탑재하여, 네트워크 중심전에서 다양한 무기체계들의 통합적인 전투력 발휘를 위해 요구되는 정보의 송/수신 기능을 실시간 보장하고 전술환경의 생존성을 극대화시키는 장비이다. 쉘터 내부에 다양한 통신용 장비가 탑재되기 때문에 외부로부터의 전자기 공격에 대한 차페 성능을 반드시 보장해야한다. 본 연구에서는 데이터 마이닝 기법(서포트 벡터 머신)과 통계적 품질관리 기법(공정능력분석)을 이용하여 군 통신용 쉘터에서 차폐성능이 안정된 지점을 탐색하는 연구를 진행하였다. 안정된 지점의 탐색을 위하여 45대 쉘터의 EMI 차폐효과 측정데이터를 활용하였다. 먼저, 차폐효과가 안정되었다고 판단할 수 있는 기준을 세우고 서포트 벡터 머신으로 해당 기준에 부합하는 측정 포인트 집단과 그 외의 집단을 분리, 이 두 집단을 분류할 수 있는 분류 하이퍼플레인을 작성하였다. 그리고 공정능력분석을 이용하여 차폐효과 측정 데이터를 분석, 공정능력지수가 높은 측정 포인트와 서포트 벡터 머신의 하이퍼플레인으로 분류한 측정 포인트를 상호 비교함으로써 분류된 측정 포인트의 타당성과 차폐효과가 안정된 정도를 분석하였다. 분석 결과, 24개의 측정포인트에서 안정된 차폐 성능을 보유하고 있음을 확인하였다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2010년도 추계학술대회 논문집
• /
• pp.765-766
• /
• 2010

• 감성과학
• /
• 제16권3호
• /
• pp.409-416
• /
• 2013

집중은 관련된 사건을 선택적으로 주의하고, 관련 없는 사건을 무시하는 인간의 중요한 인지 기능중의 하나이다. 인간의 집중 능력을 관리 이용하는 컴퓨터 기반 장치에 있어서 집중과 비집중 상태를 구분하는 것은 필수적으로 요구되는 조건이다. 본 논문에서는, 뇌파신호로부터 분류기의 입력으로 사용되는 특징을 효율적으로 추출하기 위하여 비선형 반복 패턴 분석기법과 스펙트럼 분석 기법을 새로이 결합하였고(13개 특징 추출), 서포트벡터머신, 역전파 알고리즘, 선형분리, 로지스틱 회귀 분류 기반 분류기들을 포함하는 집중-비집중 분류기들의 성능을 분석하였다. 그중에서 81 %의 정확도를 보이는 서포트벡터머신 분류기가 가장 좋은 성능을 보였다. 또한 스펙트럼 분석으로 추출한 특징만을 사용하였을 경우(76 % 정확도)가 비선형 분석 방법으로 추출한 특징만을 사용했을 경우(67 % 정확도)보다 좀 더 우수한 성능을 보였다. 비선형-스펙트럼 분석법을 복합 적용한 서포트벡터머신 분류기가 추후 집중 관련 장비 설계에 있어서 효율적으로 적용될 수 있을 것이다.

• 정보과학회 논문지
• /
• 제42권1호
• /
• pp.86-92
• /
• 2015

레벨 셋 트리는 다차원에 정의된 확률 밀도 함수를 표현하는데 유용하다. 복잡한 데이터의 구조를 트리 형태로 시각화하여 데이터의 형태를 효율적으로 파악할 수 있으며 클러스터링 분석에 효과적으로 이용할 수 있다. 본 논문에서는 미지의 확률 밀도 함수에서 생성된 데이터 샘플로부터 레벨 셋 트리를 생성하는 알고리즘을 제안한다. 제안된 알고리즘은 레벨을 0에서부터 무한대로 증가시키며 밀도 함수의 각 레벨 셋을 추정하고, 이로부터 레벨 셋 트리를 생성한다. 이를 위해 본 논문에서는 one-class 서포트 벡터 머신 (OC-SVM)을 이용하여 직접적으로 레벨 셋을 추정한다. 이때 다양한 레벨 값에 대해 OC-SVM 학습을 반복해야 하는데, OC-SVM 솔루션 path 알고리즘을 통해 빠른 시간 안에 모든 레벨값에 해당하는 레벨 셋를 추정할 수 있다.