현재 음성인식 분야에서는 잡음이 심한 환경에서 음성 인식률을 향상시킬 수 있는 바이모달의 한 형태인 립리딩 기술에 관한 연구가 활발히 진행되고 있다. 립리딩 연구에 있어서 가장 중요한 것은 정확한 입술 이미지를 찾아내는 것이다. 그러나 조명변화, 화자의 발음습관, 입술 모양의 다양성, 입술의 회전과 크기 변화 등의 환경 변화 요인 때문에 안정적인 성능을 예측하기가 힘든 실정이다. 본 논문에서는 보다 안정적 성능을 얻기 위해 시간영역에서 이미지를 임펄스 응답 필터링을 수행을 통해 향상된 인식성능을 보였다. 또한 본 연구에서는 입술 전체 영상을 대상으로 처리하는 립리딩 기법의 사용으로 인해 발생하는 데이터 용량 증가를 고려해 영상의 정보는 손실하지 않고 그 특징만을 추출하여 데이터의 양을 줄일 수 있는 주성분 분석을 전처리 과정으로 사용하였다. 본 연구에서는 영상정보만을 사용하여 음성인식 성능 관찰을 위해 자동차 내에서 서비스가 가능한 22단어를 선정하여 인식실험을 하였다. 이 단어들의 인식 성능을 비교하기 위하여 음성 인식 알고리듬으로 잘 알려진 HMM(Hidden Markov Model)을 이용하였다. 실험결과 PCA(Principal component Analysis)하였던 경우 립리딩이 64%의 인식률을 보인 반면, 시간영역필터를 립리딩에 적용시 72.7%로 인식률의 향상을 보였다.
봉와양폐(Honeycomb)는 직경 2~10mm 정도의 크기가 같지 않은 낭포(Cyst)가 경계가 명확한 섬유질(Fibrosis)로 이루어진 벽에 둘러싸여 밀집된 형태로 이루어져 있다. 봉와양폐가 발견될 경우 급성악화의 발생 빈도가 높으며 따라서 봉와양폐의 관찰 여부와 측정은 임상에서 중요한 지표가 된다. 따라서 본 논문에서는 봉와양폐 영역의 정량적 측정을 위하여 봉와양폐의 특징을 이용한 형태학적 기법과 군집성 평가 기법을 통해 자동 구획 방법을 제안하였다. 첫 번째로 영상의 잡음을 제거하기 위하여 가우시안 필터링을 적용하고, 모폴로지 기법 중 팽창 기법을 이용하여 폐 영역을 구획하였다. 두번째로, 주변 8방향 검사를 통해 봉와양폐를 구성하는 낭포의 후보군을 찾고, 영역 확장과 외곽선 검사를 통해 비 낭포들을 제거하였다. 마지막으로 군집화 검사를 통해 최종적으로 봉와양폐를 구획하였다. 제안한 방법은 80장의 고해상도 컴퓨터 단층촬영 영상에서 실험한 결과, 89.4%의 민감도와, 72.2%의 양성 예측도를 보였다.
본 연구에서는 이변량 웨이블릿 분석에 있어 모 웨이블릿이 어떤 영향을 미치는지를 파악하였다. 모 웨이블릿으로는 관련 연구에서 많이 사용되고 있는 총 네 가지(Bump, Mexican hat, Morlet, Paul)를 선정하였다. 이들 모 웨이블릿은 먼저 백색잡음과 다양한 주기의 사인곡선을 결합하여 만든 시계열의 이변량 분석에 적용하여 그 결과를 평가하였다. 또한 실제 시계열인 북극진동지수(AOI)와 남방진동지수(SOI)를 이변량 분석하여 모의된 시계열의 분석 결과가 실제 자료의 분석결과에도 일관되게 유지되는지를 판단하였다. 본 연구의 결과를 요약하면 다음과 같다. 먼저, Bump와 Morlet 모 웨이블릿의 경우가 이론적인 예측에 보다 잘 부합하는 것으로 나타났으며, 반대로 Mexican hat 모 웨이블릿은 상대적으로 단주기의 변동 특성을, Paul 모 웨이블릿의 경우에는 장주기의 변동 특성을 잘 보여주는 것으로 나타났다. 둘째, Mexican hat과 Paul 모 웨이블릿의 경우에는 스케일 간섭이 매우 크게 나타남을 확인할 수 있었다. Bump와 Morlet 모 웨이블릿에서는 이러한 문제점이 나타나지 않았다. 소위 동조화(co-movement)를 탐색하는 능력은 Morlet와 Paul 모 웨이블릿이 가지고 있는 것으로 파악되었다. 특히, Morlet의 경우 이 특성이 더욱 명확히 나타남을 확인하였다. 결과적으로 Morlet 모 웨이블릿이 이변량 웨이블릿 분석에 가장 무난한 것으로 확인되었다. 마지막으로, AOI와 SOI 자료의 이변량 웨이블릿 분석에서는 대략 2-4년 정도의 주기성분이 약 20년 빈도로 서로 동조하고 있음을 확인할 수 있었다.
유동장의 2차원 평면 속도 분포를 측정하기 위하여 two-color PIV 기법을 개발하였고, 마하 2.0 초음속 노즐에 적용하여 보았다 이 기법은 single-color PIV 기법과 유사하나 서로 다른 색의 두 레이저 빔을 사용하여 방향성의 문제를 해결하는 차이점을 갖는다. 녹색의 레이저 평면광 (532 nm)과 적색의 레이저 평면광 (619 nm)이 주입된 입자를 조사하기 위하여 사용되었고, 입자 위치가 고해상도 (3060${\times}$2036) 디지털 칼라 CCD 카메라에 기록되었다. 이러한 디지털 칼라 CCD 카메라론 이용한 two-color PIV 시스템은 사진 필름 현상 시간과 이에 따른 디지털화하는 시간 그리고 방향성의 문제론 해결하기 위해 사용되는 일반적인 image shifting 기법과 관련된 어려움을 제거해 준다. 또한 고속 유동장에서는 알맞은 입자 밀도의 주입이 어려워지는데, two-color PIV는 높은 신호 대 잡음비로 인하여 속도 벡터론 얻기 위해서 조사영역에 존재해야 하는 벡터쌍의 수가 줄어들게 된다. 따라서 다른 색의 두레이저 빔의 시간 간격을 조절함으로써 고속 유동장의 속도 분포를 쉽고 정확하게 측정할 수 있게 된다. 마하 2.0 초음속 노즐에서의 속도 분포가 측정되었으며, 속도장으로부터 변형률장을 구하여 과팽창 충격파 구조를 예측해 보았다. Two-color PIV에 의해 얻어진 속도 분포와 충격파의 위치 결과는 schlieren 사진과 비교 분석해 보았다.
육상 및 해상 탐사를 할 경우 음원에 따른 수진기는 등간격으로 설치한다. 수진기의 간격을 좁게 설정하여 탐사를 할 경우 자료 획득 과정에서 많은 비용 및 시간이 소요되므로 일반적으로 적절한 간격으로 배치한다. 수진기 간격이 넓으면 공간 알리아싱이 발생한다. 공간 알리아싱이 있는 탐사 자료를 이용해 자료 처리를 할 경우 좋은 결과를 얻을 수 없다. 이러한 경우 자료 처리 과정에서 트레이스 보간을 이용하여 자료 처리 결과를 향상시킬 수 있다. 본 연구에서는 공간 알리아싱이 생긴 탄성파 자료 처리에 많이 이용되는 트레이스 보간법 중에서 복잡한 지하구조의 경사에 대한 정보 없이 보간이 가능한 Spitz의 보간 방법을 적용하였다. 주파수-공간 영역에서 선형 이벤트가 존재하는 등간격으로 이루어진 트레이스에 대하여 예측 필터와 기존의 트레이스를 이용하여 새로운 트레이스를 보간하였다. 본 알고리즘을 인공합성 탄성파 자료, 무작위 잡음을 넣은 인공합성 탄성파 자료, 실제 탐사를 통해 얻은 자료에 적용하여 알고리즘의 적용성을 검토하였다. 보간 수행 후에는 동일한 수진기 배열에 대하여 수행전보다 수진기의 간격이 좁아지고 수진기의 개수가 늘어난 효과를 얻었다. 또한 보간된 트레이스간의 이벤트의 연속성도 증가되었다. 이와 같은 보간법을 공간 알리아싱이 있는 탐사 자료에 이용하면 구조보정을 통하여 향상된 영상을 얻을 수 있을 것이라 생각된다.
이 논문의 주 목적은 효율이 높은 공통중간점(CMP) 자료 획득 방법에 대해 서술함으로써, GPR탐사의 적용성을 넓히기 위함이다. CMP 자료 획득의 효율을 높이기 위한 가장 중요한 기술적 혁신은 실시간 이동 GPS(RTK-CPS)를 이용한 GPR 안테나의 위치 연속 모니터링이다. 이 연구에서 제안한 자동 안테나 이동 시스템은 GPR 탐사에서 시간을 가장 많이 요구하는 특정 지점에 안테나를 위치시키는 과정이 필요없기 때문에 탐사 시간 효율이 개선된다. 수치적 실험으로부터 자료획득 효율이 향상됨에 따라 자료의 밀도 및 CMP 중합수가 늘어나는 것을 예측할 수 있었으며, 이는 결과적인 자료의 신호대 잡음비 향상을 초래한다. 현장 적용은 이러한 가설을 입증하였으며, 이 연구에서 제안된 방법을 CMP 방식의 GPR 탐사를 좀 더 실질적이고 널리 사용될 수 있게 한다. 게다가 이 방법은 정밀한 지하수 정보를 제공할 수도 있는데, 이는 CMP 방식으로 얻은 공간적으로 조밀한 유전상수 분포를 물포화도와 갈이 지하수 특성과 관계 깊은 조밀한 물리량 분포로 변환할 수 있기 때문이다.
본 논문에서는 시간 흐름을 고려한 특징추출과 군집분석을 이용한 헬스 리스크 관리를 제안한다. 제안하는 방법은 세단계로 진행한다. 첫 번째는 전처리 및 특징추출 단계이다. 이는 웨어러블 디바이스를 이용하여 라이프로그를 수집하여 불완전데이터, 에러, 잡음, 모순된 데이터를 제거하며 결측 값을 처리한다. 그 다음 특징추출을 위해 주성분 분석을 통해 중요 변수를 선택하고, 상관계수와 공분산을 통해 데이터 간의 관계와 유사한 데이터들의 분류를 진행한다. 또한 라이프로그에서 추출한 특징을 분석하기 위해 시간의 흐름을 고려하여 K-means 알고리즘을 통해 동적 군집을 진행한다. 새로운 데이터는 오차 제곱합의 증가분을 기반으로 유사성 거리 측정 방법을 통해 군집을 진행하고, 시간의 흐름을 고려하여 군집에 대한 정보를 추출한다. 따라서 특징 군집을 통해 헬스 의사결정 시스템을 이용하여 신체적 특성, 생활습관, 질병여부, 헬스케어 이벤트 발생위험, 예상 정도 등의 요소를 통해 리스크를 관리할 수 있다. 성능평가는 Precision, Recall, F-measure을 사용하여 제안하는 방법과 퍼지방법, 커널기반 방법을 비교한다. 평가결과 제안하는 방법이 우수하게 평가된다. 따라서 제안하는 방법을 통해 유병자와의 유사도를 이용하여 정확한 사용자의 잠재적 건강 위험을 예측 및 적절한 관리가 가능하다.
최근에 활발히 적용되고 있는 머신러닝 기반 탄성파 내삽 기법들은 대부분 모음 자료를 2차원 영상화 하여 빠짐을 채우는 방법으로 하는 훈련(training)-추론(inference) 전략에 기초하므로 완벽히 채워진 다수의 모음자료가 훈련을 위해 필요하게 된다. 이 연구는 이와는 달리 트레이스 기반 내삽을 수행하는 내삽 기술의 훈련-추론 전략을 기본으로, 불규칙한 빠짐이 있는 현장자료 만을 이용하여 훈련-추론을 모두 수행할 수 있는 머신러닝을 이용한 트레이스 기반 불규칙한 빠짐의 내삽 기술을 제시하였다. 이 연구에서는 불규칙한 빠짐이 있는 자료를 훈련과 추론에 체계적으로 사용하는 최대 연속빠짐 간격에 따라 정해지는 네트워크를 구성하는 방법 및 훈련하는 방법을 기술하였다. 또한, 서호주 Exmouth Sub-basin 지역의 Vincent 유전에서 얻어진 시간 참반사 보정된 탄성파 자료에 개발된 방법을 적용한 후, 예측 결과를 전통적인 내삽 방법의 결과와 비교 및 분석하였다. 신호대잡음비나 구조유사성과 같은 정량적인 지표를 통해 두 방법 모두 내삽 성능이 높은 것을 확인하였으며, 모든 주파수 대역에서도 골고루 좋은 결과를 보임을 확인하였다.
본 논문에서는 헤드폰의 음향적 특성과 주관적인 선호도간의 상관관계를 분석하고, 이로부터 음향적 특성을 이용한 주관적 선호도의 예측 가능성을 알아보았다. 헤드폰의 음향적 특성으로 좌, 우 채널에 대한 고조파 왜곡, 주파수 특성의 분산, 그리고 충격파 응답의 양이 상관 계수가 사용되었다. 이들 특성은 머리 모형을 이용하여 잡음이 없는 무향 환경에서 측정되었다. 주관적인 선호도는 음량감, 선명감, 공간감, 포만감, 전체적인 느낌의 5개 항목으로 점수화하여 나타내었다. 선호도 평가에는 음악 청취에 경험이 많은 12명의 청취자가 참여하였으며 샘플 음악은 가요, 팝, 경음악, 음성, 클래식의 5 종류의 음악이 사용되었다. 실험에 사용된 헤드폰은 밀폐형 4종, 개방형 2종 귓속 삽입형 2종 등 총 8개가 사용되었다. 주관적인 선호도는 이원 배치 법을 이용하여 주관적 선호도에 영향을 끼치는 요인을 분석하였으며 음향적 특성과 주관적인 선호도 점수 간의 상관 계수를 구하였다. 실험 결과 오른쪽 채널에서 측정된 주파수 크기 응답의 분산이 주관적인 선호도와 가장 높은 상관 계수를 갖는 것으로 나타났으며, 충격파 응답의 양이 상관 계수는 거의 상관 관계가 없는 것으로 나타났다.
수중 소음 측정이 가능한 수동 소나에 수신된 선박 방사소음은 Detection of Envelope Modulation on Noise(DEMON) 분석으로 얻은 선박 정보를 사용하여 선박 식별과 분류가 가능하다. 하지만 낮은 신호대잡음비(Signal-to-Noise Ratio, SNR) 환경에서는 DEMON 그램 내 선박 정보가 담겨있는 표적 주파수선을 분석 및 파악하는데 어려움이 발생한다. 본 논문에서는 낮은 SNR 환경에서 보다 정확한 표적 식별을 위해 딥러닝 기법 중 의미론적 분할을 사용하여 표적 주파수선들을 추출하는 연구를 수행하였다. SNR과 기본 주파수를 변경시키며 생성한 모의 DEMON 그램 데이터를 사용하여 의미론적 분할 모델인 U-Net, UNet++, DeepLabv3+를 학습 후 평가하였고, 학습된 모델들을 이용하여 캐나다 조지아 해협에서 측정한 선박 방사소음 데이터셋인 DeepShip으로 제작한 DEMON 그램 예측 성능을 비교하였다. 모의 DEMON 그램으로 학습된 모델을 평가한 결과 U-Net이 성능이 가장 높았으며, DeepShip으로 만든 DEMON 그램의 표적 주파수선을 어느 정도 추출할 수 있는 것을 확인하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.