• The Korean Journal of Applied Statistics
• /
• v.34 no.2
• /
• pp.177-190
• /
• 2021

Random forests is a popular method that improves the instability and accuracy of decision trees by ensembles. In contrast to increasing the accuracy, the ease of interpretation is sacrificed; hence, to compensate for this, variable importance is provided. The variable importance indicates which variable plays a role more importantly in constructing the random forests. However, when a predictor is correlated with other predictors, the variable importance of the existing importance algorithm may be distorted. The downward bias of correlated predictors may reduce the importance of truly important predictors. We propose a new algorithm remedying the downward bias of correlated predictors. The performance of the proposed algorithm is demonstrated by the simulated data and illustrated by the real data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.296-296
• /
• 2019

전 세계적으로 기후변화로 인한 국지성 집중호우 및 태풍으로 인한 피해가 지속적으로 발생하고 있으며, 그에 따른 2차 피해인 산사태 및 토석류 피해 또한 증가하고 있는 추세이다. 최근 국내의 산사태 및 토석류에 대한 선행연구는 지속적으로 수행되고 있으나, 산사태 및 토석류 위험성이 높은 구간, 즉, 발생기작을 판단할 수 있도록 지표화 해놓은 것이며, 현재 피해예측지도 및 피해 하류부의 시설물을 고려한 연구는 미비한 실정이다. 따라서 본 연구에서는 강우-유출모형인 S-RAT모형 및 토석류 수치해석 프로그램 RAMMS 모형을 이용하여 산사태 및 토석류 피해를 극대화 시키는 인자인 토석유동심(H), 토석유속(V)을 이용하여 토석류피해예측지도를 작성하였으며, 피해 하류부의 시설물을 건물 유형별 시설물의 중요도로 구분하였다. 또한 작성된 피해예측지도 및 시설물 중요도를 중첩하여 위험성 지도를 제시하였다.

• 한국과학기술학회:학술대회논문집
• /
• 2015.12a
• /
• pp.119-135
• /
• 2015

이 논문의 주된 목적은 문헌 분석을 토대로 '예측'에 관한 STS적 이해와 함의를 제공하는 데 있다. 역사와 철학적 측면에서 볼 때 '예측'은 과학기술의 발전과정에 존재해왔다. 과학적 연구방식에서 '예측'과 관찰은 필수적이었고, 물리학, 기상학 등과 같은 분과학문에서도 '예측'은 중요한 역할을 차지했다. 기술의 혁신과정에 있어 미래에 대한 예상과 기대(expectations)에 대한 연구의 중요성은 로젠버그(Rosenberg, 1982)가 일찍이 강조한 바 있으며, 최근에는 STS 연구자들이 이러한 기대의 중요성에 주목하여 이른바 '기대의 사회학'(sociology of expectations)이라는 연구분야를 개척해왔다. 이 분야에서 초창기부터 활동해 온 반 렌트(van Lente, 1993)에 따르면, 기술의 혁신과 발전과정을 이해하기 위한 삼각 축, 즉 인공물(artefacts), 행위자(actors), 어젠다(agenda) 중 어젠다에 해당하는 기대와 전망(expectations and promises)에 관한 연구는 상대적으로 부족했다. 이러한 현실 인식은 우리나라의 STS연구에서 여전히 유효하다. 기술에 대한 기대와 전망은 단순히 '행위자'에 종속된 아이디어 차원이 아니며, '예측' 그 자체가 기술혁신분야에서 중요한 연구대상으로 주목될 필요가 있다. 최근에는 미래를 연구 대상으로 하는 미래학(futures studies) 분야가 형성되어 STS연구와의 접점이 확대하는 중이다. 이 논문에서는 이러한 현실 인식을 바탕으로 과학기술을 구성하는 중요한 요소로서 '예측'에 주목하고, 이러한 '예측'의 STS적 함의와 연구방향을 제시하고자 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2013.06a
• /
• pp.468-470
• /
• 2013

운항사고는 충돌, 좌초, 화재, 사망 등 모든 해양사고가 내포된 것으로, 선박을 관리 및 운영하는 회사에 막대한 손실을 야기할 수 있다. 고도의 운항사고 예방기법과 예측 시스템 등은 비용손실 최소화를 위해 중요하다. 이 연구에서는 지금까지 연구 개발된 운항사고 평가와 예측에 관한 기법과 시스템 등의 개발동향을 조사하였다. 운항사고는 인적요인이 80% 이상을 차지하기 때문에 이에 대한 사고예방이 중요하지만, 더욱 중요한 것은 이러한 과실을 시스템적으로 평가하고 예측할 수 있는 시스템의 구현이 중요함을 알았다. 향후, 기존 연구를 토대로 실제 해운회사에 적용할 수 있는 첨단 시스템 개발을 지속 전개할 예정이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.277-279
• /
• 2005

단백질들은 서로 다른 단백질들과 상호작용하거나 복합물을 형성함으로써 생물학적으로 중요한 기능을 한다고 알려져 있다. 때문에 대부분의 세포작용에 있어 중요한 역할을 하는 단백질들 간의 상호작용 분석 및 예측에 대한 연구는 여러 연구그룹으로부터 풍부한 데이터가 산출된 후게놈시대(post-genomic era)에서 또 하나의 중요한 이슈가 되고 있다. 본 논문에서는 효모에 대해 공개되어있는 단백질 상호작용 데이터들에서 속성들 간의 연관규칙 학습을 통해 잠재적 단백질 상호작용들을 예측하기 위한 연관규칙 기반의 상호작용 예측 방법을 제시한다. 단백질들 간의 상호작용 예측을 위해 고려되는 각 단백질의 다수의 속성차원은 정보이론 기반의 속성선택 알고리즘을 이용하여 효율적으로 줄이며 상호작용의 속성집합을 이용하여 신경망을 훈련시키고 이렇게 훈련된 신경망에서 속성들 간의 연관규칙을 디코딩하여 연관규칙 기반의 상호작용 예측에 활용한다. 연관속성 발굴을 통한 상호작용 예측을 위한 마이닝 방법으로는 연관규칙 발견 알고리즘을 사용하였으며 예측 정확도를 높이기 위하여 신경망 예측 모델의 학습 결과를 디코딩한 규칙들이 추가적으로 사용하였다. 논문에서 제안한 방법을 발견된 연관규칙을 통한 단백질 상호작용 예측문제에 있어 평균 약 $94.5\%$의 예측 정확도를 보였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1994.10a
• /
• pp.31-31
• /
• 1994

반도체 산업에서 반도체 수율(yeild) 예측은 상당히 중요한 요소로써 고려되고 있다. 정확한 수율 예측은 반도체 공정상에서 문제점을 찾아 개선하는데 도움을 주는 한편, 공정에의 투입량을 산출하는데에도 중요한 요인이 되고 있다. 지난 30년간 반도체 산업의 경향은 점차로 칩(chip)의 크기가 증가하는 방향으로 전개되어 왔고, 이에 따라 수율 예측은 웨이퍼(wafer)내의 결점(defect)수와 칩의 크기외에 결점이 얼마나 웨이퍼내에 모였는가를 나타내는 클러스터 지표(cluster index)가 중요한 파라미터로 제시되고 있다. 본 논문은 머스트니스라는 통신 분야의 개념을 이용하여 새로운 클러스터 지표를 제시하고, 시뮬레이션 기법을 이용한 웨이퍼 내의결점 분포의 자료를 통하여 새로운 클러스터 지표의 특징 및 수율에 따른 패턴을 보여주고자 한다. 아울러 회귀 분석(regression analysis) 기법을 이용하여 수율 예측 모델을 제시하고 기존의 예측 모델과의 차이점을 분석하고자 한다.

• Journal of KIISE:Software and Applications
• /
• v.36 no.10
• /
• pp.851-860
• /
• 2009

Recently, among the computational methods of protein-protein interaction prediction, vast amounts of domain based methods originated from domain-domain relation consideration have been developed. However, it is true that multi domains collaboration is avowedly ignored because of computational complexity. In this paper, we implemented a protein interaction prediction system based the Interaction Significance matrix, which quantified an influence of domain combination pair on a protein interaction. Unlike conventional domain combination methods, IS matrix contains weighted domain combinations and domain combination pair power, which mean possibilities of domain collaboration and being the main body on a protein interaction. About 63% of sensitivity and 94% of specificity were measured when we use interaction data from DIP, IntAct and Pfam-A as a domain database. In addition, prediction accuracy gradually increased by growth of learning set size, The prediction software and learning data are currently available on the web site.

• The Journal of Engineering Geology
• /
• v.30 no.3
• /
• pp.315-325
• /
• 2020

This study was performed to develop a model to predict landslides and determine the variable importance of landslides susceptibility factors based on the probabilistic prediction of landslides occurring on slopes along the road. Field survey data of 30,615 slopes from 2007 to 2020 in Korea were analyzed to develop a landslide prediction model. Of the total 131 variable factors, 17 topographic factors and 114 geological factors (including 89 bedrocks) were used to predict landslides. Automated machine learning (AutoML) was used to classify landslides and non-landslides. The verification results revealed that the best model, an extremely randomized tree (XRT) with excellent predictive performance, yielded 83.977% of prediction rates on test data. As a result of the analysis to determine the variable importance of the landslide susceptibility factors, it was composed of 10 topographic factors and 9 geological factors, which was presented as a percentage for each factor. This model was evaluated probabilistically and quantitatively for the likelihood of landslide occurrence by deriving the ranking of variable importance using only on-site survey data. It is considered that this model can provide a reliable basis for slope safety assessment through field surveys to decision-makers in the future.

• The Journal of the Korea Contents Association
• /
• v.8 no.10
• /
• pp.11-19
• /
• 2008

In this paper, we propose a prediction method of lung cancer susceptibility using an importance evaluation of SNP data and the SVM learning, a gene data concerning getting sick with the lung cancer. Since the number of negative data is much larger that of positive data, which are to be used in the SVM learning, for each positive data, a negative data is first searched which has the same sex and the minimum age difference with the positive data. The searched negative data is then coupled with the positive data. For the importance evaluation of each SNP data, an equation which calculates the influence of each SNP data on the prediction of getting sick is adopted. The SNP data are sorted according to the evaluated importance. In experiments, we observed the prediction accuracy which varies according to the number of sorted SNP data used in the learning. LOOCV test results showed that the proposed method yields the prediction accuracy of maximum 65.0% for test data.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.316-319
• /
• 2005

현재 상용화 되고 있는 DMB에서는 176$^*$144의 작은 영상 사이즈를 표준으로 서비스하고 있다. 뿐만 아니라 서비스 되고 있는 콘텐츠들은 주로 움직임이 많은 영화나 스포츠 그리고 드라마 등이 주류를 이루고 있다. 따라서 시간적 압축 방식을 사용하는 움직임 예측 모듈이 더욱더 중요한 위치를 차지하게 됐으며 기존의 영상 표준안과 다르게 4$^*$4와 같은 작은 블록 사이즈가 중요한 정보를 갖게 되었다. 본 논문은 DMB에서 서비스 하는 여러 가지 영화나 스포츠를 대상으로 실험한 결과 4$^*$4와 같은 작은 사이즈의 블록이 움직임 예측시 많이 나타날 뿐 아니라 중요한 정보들로 이루어져 있다는 결과를 얻었으며 이를 토대로 좀 더 정확한 움직임 예측을 수행하기 위하여 가변 탐색범위를 제안하였다. 제안된 방법은 C언어를 통하여 검증하였으며 그 결과 고정의 탐색범위를 적용한 것보다 좋은 효율을 얻었다. 그리고 이를 다시 하드웨어 언어인 VHDL로 구현하였다.