• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1999.11a
• /
• pp.338-342
• /
• 1999

본 연구는 웹 기반 감성데이터베이스구축 및 보급을 위하여 국내의 감성 관련 주요 연구 결과 및 감성 자료를 수집하고 주요 감성 지표를 개발하였다. 개발된 감성 지표는 사용 적합성 지표로서 수집한 감성 자료들 중 사용 적합성에 관련된 감성 자료를 선별하여 이를 물리적/객관적 적합성 관련 지표와 주관적 적합성 관련 지표, 개발된 측정 시스템, 감성 정보물로 분류하였다. 물리적/객관적 지표는 다시 환경 지표, 생리 지표, 제품설계 지표, 평가척도 지표, 제품평가 기술 지표로 분류 등의 세부지표로 분류하고, 주관적 지표는 언어 지표, 묘사 지표, 심리 지표, 인지 지표로 다시 나누어 분류하였다. 개발된 제품, 측정 시스템, 또는 시뮬레이터 둥은 개발된 측정 시스템으로 분류하고 그 밖의 감성공학적으로 중요한 자료 및 정보는 감성공학 관련 정보물로 분류하였다. 분류한 지표는 전문가의 검증을 통해 타당성을 확인한 후 감성 데이터베이스로 구축될 예정이다. 이를 위하여 전반적인 감성 자료 관리 시스템을 통한 효과적인 감성 자료 관리체제 구축과 감성 자료의 공유가 뒤따라야 할 것이다.

• Journal of Korean Library and Information Science Society
• /
• v.34 no.1
• /
• pp.43-65
• /
• 2003

Libraries have long experience of applying classification schemes to resources - chiefly books. The ultimate goals of classification are systematic shelving of books and ease of user's access. In order to achieve these goals, books about a particular field of knowledge should be shelved together and near each other. If not so, it is classification error. The focus of this study is, therefore, on analysing the classification error in Korea public libraries and suggesting some alternatives.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.33-36
• /
• 2007

토지피복분류， 식생분류， 식물피복도 분류 등 원격탐사 영상자료의 주된 이용분야에서 지상자료는 매우 중요한 부분을 차지하고 있다. 가령 감독분류를 위한 training site 에 대한 측정이나 또는 분류 정확도 검증을 위한 측면에서도 지상측정은 반드시 필요한 부분이다. 본 논문에서는 피복분류 과정에서 반드시 필요한 지상측정을 위한 표본조사에서 유의하여야 할 통계학적 측면에서 고려해야 할 사항을 검토한다.

• Korean Journal of Remote Sensing
• /
• v.18 no.6
• /
• pp.369-376
• /
• 2002

This paper presents a method to enhance the performance of supervised classification by separating the spectral signature of the training data sets for each class. Using clustering technique, a training data set is divided into several subsets which show a pattern of the normal distribution with small value of spectral variances. Then a supervised classification is applied with the divided training data set as training data for the temporary subclasses of the original class. The proposed method is applied to a Landsat TM image of Busan area for the applicability test. The result shows that the proposed method produces better classified results than the conventional statistical classification methods. It is expected that the proposed method will reduce the effort and expense for selecting the training data set for each class in an area which has spectrally homogeneous signature.

• Journal of Korean Society for Geospatial Information Science
• /
• v.24 no.1
• /
• pp.121-128
• /
• 2016

Many studies are focused on image data and classifier for comparison or improvement of classification accuracy. Therefore studies are needed aspect of the training samples on supervised classification which depend on reference data or skill of analyst. This study tries to assess usability of field spectra as training samples on supervised classification. Classification accuracies of hyperspectral and multispectral images were assessed using training samples from image itself and field spectra, respectively. The results shown about 90% accuracy with training sample collected from image. Using field spectra as training sample, accuracy was decreased 10%p for hyperspectral image, and 20%p for multispectral image. Especially, some classes shown very low accuracies due to similar spectral characteristics on multispectral image. Therefore, field spectra might be used as training samples on classification of hyperspectral image, although it has limitation for multispectral image.

• Journal of Intelligence and Information Systems
• /
• v.4 no.2
• /
• pp.1-21
• /
• 1998

귀납적 학습방법들의 분류성능을 비교 평가하기 위하여 대표적 분류문제의 하나인 신용평가 문제를 사용하였다. 분류기로서 사용된 귀납적 학습방법론들은 통계학의 다변량 판별분석(MDA), 기계학습 분야의 C4.5, 신경망의 다계층 퍼셉트론(MLP) 및 Cascade Correlation Network(CCN)의 4 가지이며, 학습자료로는 국내 3개 신용평가기관이 발표한 신용등급 및 공포된 재무제표를 사용하였다. 신용등급 예측의 정확도에 의한 분류성능을 평가하였는데 연도별 평가와 시계열 평가의 두 가지를 실시하였다. Cascade Correlation Network이 가장 좋은 분류성능을 보였지만 4가지 분류기들 사이에 통계적으로 유의한 차이는 발견되지 않았다. 이는 사용된 학습자료가 갖는 한계로 인한 것으로 추정되지만, 성능평가 과정에 있어 학습자료의 전처리 과정이 분류성과의 제고에 매우 유효함이 입증되었다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.265-271
• /
• 2019

본 논문은 어휘가 비슷한 문장들을 효과적으로 분류하는 BERT 기반 유사 문장 분류기의 학습 자료 구성 방법을 제안한다. 기존의 유사 문장 분류기는 문장의 의미와 상관 없이 각 문장에서 출현한 어휘의 유사도를 기준으로 분류하였다. 이는 학습 자료 내의 유사 문장 쌍들이 유사하지 않은 문장 쌍들보다 어휘 유사도가 높기 때문이다. 따라서, 본 논문은 어휘 유사도가 높은 유사 의미 문장 쌍들과 어휘 유사도가 높지 않은 의미 문장 쌍들을 학습 자료에 추가하여 BERT 유사 문장 분류기를 학습하여 전체 분류 성능을 크게 향상시켰다. 이는 문장의 의미를 결정짓는 단어들과 그렇지 않은 단어들을 유사 문장 분류기가 학습하였기 때문이다. 제안하는 학습 데이터 구축 방법을 기반으로 학습된 BERT 유사 문장 분류기들의 학습된 self-attention weight들을 비교 분석하여 BERT 내부에서 어떤 변화가 발생하였는지 확인하였다.

• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2003.04a
• /
• pp.167-170
• /
• 2003

본 연구는 무감독영상해석(Unsupervised Classification)에서 주성분 분석법(Principal Component Analysis)의 응용성을 연구하기 위하여, 주성분 분석법을 K-means, ISODATA 두가지 무감독분류법에 적용하였다. 적용대상지역은 제주도이다. 본 연구에서 주성분 분석 방법중에서 비정규형 주성분 분석방법 (Unstandardized PCA)과 정규형 주성분 분석방법(Standardized PCA) 두가지 경우로 나누어서 각각 연구하였다. 이를 위하여 제주도의 Landsat TM영상과 국토연구원에서 조사한 제주도 식생분류 조사자료와 현장조사 자료 그리고 1/25,000 수치지도를 이용하였다. 그리고 분석된 자료의 정확도를 평가하기 위하여 오차행렬(Error Matrix)을 도입하여 계산하였다. 우선 비정규형 주성분 분석법으로 구한 주성분 영상과 Landsat TM 원래 영상을 오차행렬을 이용하여 제주도의 식생 분류에 각각 적용하였다. 그 결과, K-means 무감독분류법에서는 Landsat TM 자료를 직접 이용한 경우에는 바다와 육상의 분류가 잘 되지 않았으며, 또한 전반적인 영상분류결과가 관측치와 많은 차이를 보였다. 그러나, 주성분 분석법으로 계산된 주성분 영상으로 K-means방법으로 분류 한 결과는 관측치와 잘 일치를 하였다. ISODATA의 경우, Landsat TM 원래영상을 계산하면, K-means으로 분류한 결과보다는 좋은 값을 나타냈으나, 주성분 분석법으로 구한 영상의 계산결과와 비교하면, 주성분 영상으로 구한 분류결과의 정확도가 약 15%정도 높게 나타났다. 정규형 주성분 분석법의 경우를 보면 K-means에서는 Landsat TM원래 자료보다 우수한 결과를 보여주었으나, 비정규형 주성분 분석법으로 계산된 결과보다는 정확도가 다소 떨어지는 단점이 있었고, ISODATA의 경우도 Landsat TM원래 자료보다 약 7%정도의 높은 정확도를 보였으나, 비정규형 영상보다는 약8%정도 낮은 정확도를 보였다. 본 연구에서 주성분 분석법으로 계산된 결과에서 주목되는 것은, 주성분 분석법으로 구한 주성분 영상은 분류방법(K-means, ISODATA, artificial neural networks)에 따라 분류된 결과값이 비슷하게 나타난 반면, Landsat TM원래 자료는 분류방법에 따라 결과값이 많은 차이를 보여 주었다. 그리고 주성분 분석 방법 중에서도 비정규형 주성분 분석법(Unstandardized PCA)이 정규형 주성분 분석법(Standardized PCA)보다 영상분석에서 더 좋은 결과를 보여주는 것으로 나타났다.

• The Korean Journal of Elementary Counseling
• /
• v.11 no.2
• /
• pp.153-169
• /
• 2012

The purpose of this study is to investigate the most rational method of grouping peers to understand the impact of peer relationship on individual development of elementary school students. For the study, students at a class of the 3rd year(male) and a class of the 4th(female) year at elementary schools in Busan and Ulsan were surveyed to see the differences between various methods of classification of peer relation subgroup on the basis of cooccurence of perception data and psychological preference data. Two questionnaires were used; a questionnaire of perception and a questionnaire of psychological preference. With the perception data, value of sharing relationship was applied to classify peer relation subgroup and with the psychological preference data, interest relationship was expanded to classify peer relation subgroup of more than third party relationship. The result of this study showed that in the case of girls, there was high congruency between the classifications of peer relation subgroup by perception data and by preference data, whereas in the case of boys, there was difference between the classifications of peer relation subgroup by perception data and by preference data, which implies that boys can form a peer group even if there is psychological difference among members but girls can form a peer group only when there is psychological preference among them. Such a result shows that there is difference between boys and girls in the process of forming peer relationship. It is suggested that comparison of fitness be made between classification of peer relation subgroup by a homeroom teacher, by perception data and by psychological preference for rational classification of peer relationship among male children.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.234-237
• /
• 2007

이 연구에서는 C 밴드와 L 밴드 다편광 NASA JPL AirSAR 자료를 농작물 구분에 사용함에 있어서 자료 융합의 효과를 살펴보고자 하였다. Target decomposition으로부터 얻어지는 산란특성과 관련된 특징들을 입력으로 support vector machines을 개별 파장대 편광 SAR 자료의 분류에 이용하였으며 C 밴드와 L 밴드 자료의 사후확률을 ${\tau}$모델을 이용하여 융합하였다. 적용 결과 L 밴드 자료가 C 밴드 자료에 비해 농작물 구분에 적절한 투과 심도를 나타내어 상대적으로 높은 분류 정확도를 나타내었지만，자료 융합을 통해 보다 향상된 분류 정확도를 얻을 수 있었다. 이 연구에서 제시된 방법론은 앞으로 이용이 가능할 C 밴드 Radarsat-2 자료와 L 밴드 ALOS 자료에 적용이 가능할 것으로 판단된다.