• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.239-249
• /
• 2020

본 연구는 자연 조건에서 쌀가루용 벼의 수발아율을 예측하기 위한 것으로 기계학습을 이용하여 기상요소들에 따른 수발아율을 간단히 예측할 수 있는 초기 시스템을 개발하기 위해 수행되었다. 이를 위하여 강원도, 충청북도, 경상북도에 위치한 6개 지역에서 쌀가루용 벼 3품종을 재배하였다. 수확 후 수발아율과 출수일을 조사하였으며, 각 지역의 종관기상대의 일평균 기온과 상대 습도, 그리고 강수량 정보를 이용하여 기계학습 모델 중 하나이며, 정확도가 높은 GBM 모델로 수발아율을 예측하였다. 2017년부터 2019년까지 강원과 충북, 그리고 경북의 6개 지역에서 쌀가루 용 벼 3품종에 대해 재배 실험을 수행하였다. 조사 항목은 출수일과 수발아율이었다. 기상자료는 동일한 지역명의 종관기상대를 이용하여 일 평균 기온 및 상대 습도, 그리고 강수량 자료를 수집하였다. 수발아율 예측을 위해 기계학습 모델인 Gradient Boosting Machine (GBM)을 이용하였으며, 학습 투입 변수로는 평균 기온과 상대 습도, 그리고 총 강수량이었다. 또한 수발아 피해 관련 기간을 설정하기 위해 출수 후 몇일 후부터 그 이후의 기간에 대한 실험도 수행하였다. 자료는 수발아 피해 관련 기간의 교정을 위한 training-set과 vali-set, 검증을 위한 test-set으로 구분하였다. training-set과 vali-set으로 교정한 결과, 출수 후 22일 후부터 24일동안에서 가장 높은 score를 나타내었다. test-set으로 검증한 결과는 3.0%보다 낮은 구간에서 수발아율을 약간 높게 예측한 경향이 있었지만, 높은 예측력을 보였다(R2=0.76). 따라서, 기계학습을 이용하여 특정기간동안의 기상요소들로 수발아율을 간단하게 예측할 수 있을 것으로 예상된다. 본 연구의 결과를 종합해 볼 때, 기계학습을 이용하여 특정 기간 동안에 평균 기온과 상대 습도, 그리고 총 강수량으로 높은 수발아율 예측 성능을 보였으며, 이 시스템을 이용하여 일반 농가들을 대상으로 수발아에 관한 피해를 예방할 수 있는 조기 수발아 예측 시스템으로 이용가능 할 것으로 판단된다. 하지만 품종마다 휴면 정도 차이로 인한 수발아 관련 기간에 차이가 있으므로, 다른 쌀가루용 벼 품종에 대해서도 추가로 조사하고, 개별 품종으로 세분화하여 분석한다면 좀 더 정확도 높은 예측 시스템을 개발할 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.497-510
• /
• 2022

농업용 저수지는 수자원이 계절적으로 편중된 한반도에서 갈수기 용수 공급을 위한 필수적인 구조물이다. 효율적인 물 관리를 위해서는 중소규모 저수지에 대한 체계적이고 효과적인 모니터링이 필요하며, 합성개구 레이더(Synthetic Aperture Radar, SAR) 영상은 전천후 관측이 가능하다는 특징과 함께 연속적인 저수지 모니터링을 위한 도구가 된다. 본 연구에서는 10 m급 해상도를 갖는 Sentinel-1 SAR 영상과 1 m급 해상도의 Capella X-SAR 영상을 활용하여 울산광역시 차리, 갈전, 뒷골 저수지의 수체를 탐지하였으며, 이를 통해 국내 중소규모 저수지 모니터링에의 활용성을 평가하고자 하였다. Z fuzzy function 기반 임계값 산정을 통한 영상분할기법과 객체 탐지 기반 분할기법인 Chan-vese (CV) 기법을 통해 수체 영역을 산정하였으며, UAV 영상과의 비교를 통해 성능을 정량적으로 평가하였다. 임계값 기반 탐지 정확도는 Sentinel-1의 경우 약 0.87, 0.89, 0.77 (차리, 갈전, 뒷골), Capella의 경우 약 0.78, 0.72, 0.81로 나타났으며, CV 기법 적용 시 모든 저수지에서 정확도가 향상되는 것을 확인하였다(Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Capella는 모든 저수지/분할기법에 대해 수체와 비수체의 경계를 비교적 뚜렷하게 모의하였으나, 고해상도로 인한 speckle noise가 충분히 평활화되지 않아 오탐지 및 미탐지가 다소 발생하였다. 오탐지의 제거를 위해 광학 센서 기반 보조자료를 활용하여 마스킹한 결과, 정확도가 최대 13% 향상되는 것을 확인할 수 있었다. 본 연구 결과를 바탕으로 SAR 위성 기반 더욱 정확한 저수지 탐지가 이루어진다면 소규모 저수지를 포함, 종합적인 가용수량에 대한 연속적인 모니터링이 가능할 것이며, 효과적인 수자원 관리에 기여할 수 있을 것으로 기대된다.

• 대한토목학회논문집
• /
• 제29권5A호
• /
• pp.557-564
• /
• 2009

최근, 테러 및 전쟁과 관련된 폭발사고가 빈번히 발생하고 있으며, 특히 도심지에서는 이러한 폭발사고로 인해 인명피해 뿐 아니라 주요 시설물에도 큰 손상이 가해져 제2차, 3차의 피해가 발생하게 된다. 폭발사고에 대하여 인명 및 시설물을 안전하게 보호하기 위해서는 기본적으로 구조물에 가해지는 폭발하중 효과에 대한 이해가 필요하다. 폭발하중은 매우 빠른 시간 내에 콘크리트 구조물에 큰 압력으로 작용하는 하중이므로 변형률 속도와 구조물의 국부적인 손상을 고려하여 동적응답을 평가해야 한다. 일반적으로, 콘크리트는 다른 건설재료에 비해 상대적으로 높은 폭발저항성을 가진 재료로 알려져 있다. 그러나 폭발실험이라는 특수한 실험조건으로 인하여 국내외적으로 실험에 관련된 정보 및 결과 공유가 상당히 제한적으로 이뤄지고 있는 실정이다. 그러므로 본 논문에서는 폭발에 의한 압력하중이 철근콘크리트 구조물에 미치는 영향과 방호성능을 평가하기 위하여 국방과학시험연구소 다락대 시험장에서 $1.0m{\times}1.0m{\times}150mm$의 철근콘크리트 슬래브 구조물을 제작하여 시편으로부터 높이 1.5 m에서 TNT 9 lbs와 TNT 35 lbs으로 예비시험을 수행하였으며, 동일한 이격거리(standoff)에서 ANFO 35 lbs으로 본 실험을 수행하였다. 이는 국내 최초 민간에서 수행되어진 실험으로써, 첫 번째 논문에서는 폭발실험을 하기 위한 기본적인 실험 구성 및 구조물의 거동을 측정하기 위한 계측장비 구성에 대하여 검토하여 계측 시스템의 구축 및 폭파시험 수행절차를 구축하고자 한다. 센서, 시그널 컨디셔너, DAQ시스템, 소프트웨어로 구축된 계측 시스템을 바탕으로 정립된 폭파시험 수행절차는 향후 국내의 방호설계 및 폭발하중을 받는 구조물의 효과적인 거동계측 등 관련 연구분야의 기초자료가 될 것이라고 판단되는 바이다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1211-1224
• /
• 2023

구름은 광학위성을 이용한 국토 관측 및 재난 대응, 변화 탐지 등 지표의 현상을 관측하는데 있어 많은 어려운 문제를 야기한다. 구름의 존재는 영상 처리 단계 뿐만 아니라 최종적으로는 데이터의 품질에 영향을 미치므로 이를 반드시 식별하고 제거하는 과정이 필요하다. 따라서 본 연구에서는 위성영상 내 구름의 분광패턴에 가장 근접한 화소를 탐색 및 추출해 최적의 임계값을 선정하고 임계값을 바탕으로 구름 산출물을 제작하는 일련의 과정을 자동으로 수행하는 새로운 구름 탐지 기법을 개발하고자 하였다. 구름 탐지 기법은 크게 세 단계로 구성된다. 첫 번째 단계에서는 Digital Number (DN) 단위 영상을 대기상층 반사율 단위로 변환하는 과정을 수행한다. 두 번째 단계에서는 대기상층 반사율 영상을 이용하여 Hue-Value-Saturation (HSV) 변환 및 삼각형 임계 처리, 최대우도 분류 등의 전처리를 적용하고 각 영상별로 초기 구름 마스크 생성을 위한 임계값을 결정한다. 세번째 후처리 단계에서는 생성된 초기 구름 마스크에 포함된 노이즈를 제거하고 구름 경계 및 내부를 개선한다. 구름 탐지를 위한 실험 자료로 구름의 공간적, 계절적 분포의 다양성을 보여주는 4~11월 시기에 한반도 지역에서 촬영된 국토위성 L2G 영상을 사용하였다. 제안 방법의 성능을 검증하기 위해 단일 임계화 방법으로 생성된 결과를 비교하였다. 실험 결과, 제안 방법은 기존 방법과 비교하여 전처리 과정을 통해 각 영상의 방사학적 특성을 고려할 수 있어 보다 정확하게 구름을 검출할 수 있었다. 또한, 구름 개체를 제외한 나머지 밝은 물체(판넬식 지붕, 콘크리트 도로, 모래 등)의 영향을 최소화하는 결과를 보여주었다. 제안 방법은 기존 방법 대비 F1-score 기준으로 30% 이상의 개선된 결과를 보여주었으나 눈이 포함된 특정 영상에서 한계점이 있었다.

• 대한영상의학회지
• /
• 제82권6호
• /
• pp.1477-1492
• /
• 2021

목적 Dedicated breast CT (이하 DBCT)는 유방 압박의 고통이 없는 영상 진단 기법으로 최근 주목받고 있다. 본 연구에서는 DBCT 영상에서 약하게 조영증강된 작은 병변의 검출률을 높이기 위해 피사체의 기하학적 정보를 이용하여 최적의 영상 문턱값을 제공하는 adaptive image rescaling (이하 AIR) 기법을 제안하였다. 대상과 방법 5개의 동일 크기의 구멍과 서로 다른 크기의 구멍을 가지는 두 개의 디스크를 각각 제작하고, 이를 60 kVp와 100 kVp로 스캔하여 single-energy CT (이하 SECT), dual-energy CT (이하 DECT), 그리고 AIR 영상을 생성하였다. 전임상 평가를 위해 돼지 조직 영상도 획득하였다. Image contrast (이하 IC)와 contrast-to-noise ratio (이하 CNR)로 화질을 평가하였으며, student's t test를 이용하여 영상 간 화질의 차이를 검증하였다. 결과 AIR의 평균 IC (0.70)는 DECT (0.94)의 74.5%로 나타났으며, SECT (0.22) 보다 318.2% 높았다. 또한 AIR의 평균 CNR (5.08)은 SECT (14.30)의 35.5%로 나타났고 DECT (2.28) 보다 222.8% 높게 측정되었다. 돼지 조직의 전임상 평가 결과도 비슷한 양상을 보였다. 결론 AIR은 SECT보다 높은 영상 대조도를 가지며, 50% 선량만으로도 DECT에 비견할 만한 화질 성능을 제공할 수 있음을 확인하였다. 따라서 AIR은 DBCT 영상에서 약하게 조영증강된 병변의 검출률을 개선할 수 있을 것으로 생각된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• Nuclear Medicine and Molecular Imaging
• /
• 제41권1호
• /
• pp.30-41
• /
• 2007

목적 : 유방암 환자에서 골전이는 Tc-99m MDP를 이용한 전신 골스캔이 주로 이용되며, 이 검사 기법은 높은 예민도를 나타내나 특이도가 낮다는 단점을 가진다. F-18 FDG를 이용한 PET 검사는 높은 해상도를 가지며 골스캔이 비하여 높은 분해능을 가지며 골전이 진단성능이 높다. PET에 CT 영상 기법이 도입된 F-18 FDG PET/CT는 PET 검사와 동시에 CT 영상정보를 제공함으로써, 유방암환자의 골전이 평가에 PET 보다 더 높은 검사의 정확도를 나타낼 수 있다. 본 연구는 유방암 환자에서 골 전이여부를 평가하는데, F-18 FDG PET/CT와 골스캔의 진단성능과 유용성을 비교해 보았다. 대상 및 방법 : 유방암으로 진단받은 후 병기 판정위하여 혹은 유방암 수술후 재발 평가를 위하여, Tc-99m MDP 골스캔과 F-18 FDG PET/CT를 1주일 간격이내에 시행한 여성환자 157명 ($28{\sim}78$세, 평균연령=$49.5{\pm}8.5$세)을 대상으로 하였다. 골전이 병소의 최종진단은 조직학적검사, 방사선상학적 검사, 임상적 추적관찰을 이용하였다. 골스캔은 Tc-99m MDP를 740 MBq을 투여한 4시간 후에 평면감마카메라 영상을 얻었다. 골스캔 소견은 정상소견, 저확률, 중간확률, 고확률로 구분하였다. PET/CT 검사는 6시간 이상 금식 이후에 시행하였으며, F-18 FDG 370 MBq을 정맥주사를 시행한 후 1시간동안 안정을 취한 후 3D 방식으로 영상을 획득하였다. CT 촬영은 조용한 호흡 중에 시행되었고 감쇠보정에 이용하였다. 생리적인 섭취증가를 제외하고, 주위 골의 섭취에 비해 높은 섭취를 보이는 경우 이상섭취로 판단하였다. FDG 섭취정도의 정량화는 SUVmax와 SUVrel를 이용하였다. 결과: 대상환자 가운데 6명이(4.4%) 골전이 소견을 나타내었으며, 골스캔은 4명(66.6%)의 환자에서만 진단할 수 있었고, PET/CT는 6명 (100%) 모두를 진단할 수 있었다. 골스캔과 PET/CT에서 발견된 골병소의 수 135개이었으며, 양성병소가 27개, 전이병소가 108개였다. 골전이 병소는 양성 골병소에 비하여 높은 SUVmax 및 SUVrel을 나타내었다($4.79{\pm}3.32$ vs $1.45{\pm}0.44$, p=0.000, $3.08{\pm}2.85$ vs $0.30{\pm}0.43$, p=0.000). 108개의 골전이 병소 가운데 76개(70.4%)의 병소가 골스캔 상 이상섭취 소견을 나타내었으며, 동일한 76개(70.4%)의 병소가 FDG 섭취증가 소견을 나타내었다. 골병소부위의 골스캔상 이상섭취 유무와 PET상 섭취증가 유무는 유의한 일치도를 나타내었다(Kendall tau-b : 0.689, p=0.000). 골전이 병소 가운데 골스캔상 양성소견을 보인 병소는 그렇지 않은 병소에 비하여 높은 SUVmax 와 SUVrel을 나타내었다($6.03{\pm}3.12$ vs $1.09{\pm}1.49$, p=0.000, $4.76{\pm}3.31$ vs $1.29{\pm}0.92$, p=0.000). 골전이 병소의 발생부위는 척추골이 가장 많았으며, 골반골, 늑골, 두개골, 흉골, 견갑골, 대퇴골, 쇄골, 상완골 순서였다. 두개골 전이병소에 SUVmax가 가장 높은 값을 나타내었으며, 늑골의 SUVrel가 가장 높은 값을 나타내었다. 경화성 골전이 병소가 다른 형태의 골전이 병소에 비하여 낮은 SUVmax와 SUVrel 값을 나타내었다. 결론: 유방암 환자의 골전이 평가시 골스캔에 비하여 F-18 FDG PET/CT의 진단적 예민도가 더 높게 나타났다. 경화성 골전이 병소는 FDG 이상섭취가 없는 경우가 많아 CT 소견의 면밀한 검토가 필요하다고 생각된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.77-110
• /
• 2017

최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

• 핵의학기술
• /
• 제12권3호
• /
• pp.235-240
• /
• 2008

PET/CT 검사의 사용 초기에 CT는 주로 감쇠보정(Attenuation Correction: AC)의 목적으로 사용되어졌지만, CT의 성능이 향상됨으로써 조영제를 이용한 CT검사를 진단에 반영하여 보다 진보된 진단적 가치를 가질 수 있게 되었다. 조영제의 사용이 없이도 CT를 판독할 수 있지만 병변의 정확한 범위를 확인하고 정상 구조물을 구별하는데 있어서 조영제의 사용은 판독자로 하여금 판독을 매우 용이하게 하는 도움을 줄 수 있다. 하지만, 그동안 PET/CT검사 시 조영제가 감쇠보정에 영향을 줄 수 있다는 논쟁으로 이견이 많았다. 40-140 keV 정도의 낮은 엑스선을 이용하는 CT영상에 비하여, 조영제를 사용한 CT영상에서는 조영제로 인해 감쇠가 많이 되지만 511 keV의 에너지를 가진 감마선은 조영제로 인해 거의 영향을 받지 않게 되고 이로 인해 감쇠보정 시 과보정을 하게 되어 PET영상에서 오류를 나타낼 수 있다는 의견이 보고되기도 하였다. 이와는 반대로 조영제가 감쇠보정에 과대평가를 가져올 수 있다는 의견과 과보정으로 인한 표준화섭취계수에 변화의 가능성은 있으나 결정적인 영향을 미치지 않는다는 의견도 제시되었다. 본 연구에서는 조영제의 영향이 SUV에 어떠한 영향을 미치는지에 대해서만 비교 평가하였다. 2007년 12월에서 2008년 6월 사이에 본원에서 PET/CT 검사를 시행한 환자 중 요오드 조영제에 대한 부작용이 없고 당뇨병이 없는 진행성 암 환자 30명을 대상으로 하였으며, DSTe (General Electric Healthcare, Milwaukee, MI, USA)를 사용하여, 각각의 환자는 조영제를 사용하지 않은 CT를 시행한 후 PET영상을 얻었고 그 후, 조영제를 사용한 CT검사를 하였다. 각각의 CT정보로 감쇠보정을 실시, 종류별로 PET영상을 획득하여, 각 영상에 동일한 관심영역(Region of Interests : ROIs)을 설정 후, SUV를 비교 하였다. 얻어진 두 가지 결과 값의 정량 분석의 비교를 위해서 대응표본 T-검정 (Paired t-test)을 사용하였다. 검사를 시행한 30명의 환자에게서 폐, 간, 심장의 $SUV_{max}$ 값과 $SUV_{mean}$값을 측정하여 총 180개 영역을 분석하였다. 조영제를 사용하기 전과 후를 비교하였을 때, 측정한 거의 모든 영역에서 조영 후의 $SUV_{max}$와 $SUV_{mean}$가 상승하였고 통계적으로도 유의한 것으로 나타났다(p value<0.05). 심장 영역에서 조영 전 보다 조영 후의 $SUV_{mean}$값이 증가된 것으로 나타났지만, 통계적으로 유의하게 나타나지는 않았다. 조영제를 사용한 CT영상의 SUV값이 과보정되어, 조영제를 사용하지 않은 CT의 SUV 보다 높게 나왔으나 기존의 보고된 논문에서는 이와 같은 결과는 실제 임상 판독에 있어서 큰 영향을 미치지 않는다고 보고되어 있다. 그러나 원발성병변의 진행을 알아보는 과정에서는 SUV의 작은 변동도 분명 영향을 줄 수 있으므로 간 영역과 같이 SUV의 변동이 다른 영역에 비해 상대적으로 큰 영역에서는 수치의 변화에 대한 주의가 요구 될 것으로 사료된다.