• 한국응용곤충학회지
• /
• 제50권4호
• /
• pp.267-278
• /
• 2011

본 연구는 강원도 고성, 강릉, 삼척의 3개의 산불지에서 딱정벌레군집에 대한 산불강도와 복원방법의 영향을 평가하기 위해서 수행되었다. 4개의 조사지는 산불강도와 복원방법에 의해서 야기된 교란강도(Disturbance Degree, DD)에 따라 각 조사지역에서 선정되었다. 조사지의 교란강도는 미피해지 (DD = 0), 지표화피해지 (DD = 1), 수관화피해지 (DD = 2), 수관화피해 후 인공복원 (DD = 3)로 구분하였다. 함정트랩법으로 채집된 딱정벌레류는 부식자, 식식자와 포식자의 3개 기능군으로 분류되었다. 딱정벌레류의 종수와 풍부도는 통계적으로 유의한 차이는 없었지만, 비산불지(DD = 0)보다 산불지(DD = 1-3)에서 다소 높았다. 딱정벌레군집은 산불의 강도나 복원방법에 따라 차이가 나타났다. 인공복원과 자연복원 두 방법을 사용한 산불지의 복원은 산불지역에서 딱정벌레군집의 다양성을 증가시키는 것으로 판단된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제10권2호
• /
• pp.42-50
• /
• 2004

캐릭터 애니메이션 기술의 발달로 가상공간에 애니메이트되는 캐릭터의 수가 점점 증가되고 있으며, 캐릭터 자체 골격구조의 관절 개수와 캐릭터를 덮고 있는 메쉬의 폴리곤 개수도 점점 증가하는 추세이다. 따라서, 실시간 가상환경에서 다수의 캐릭터를 전처리 과정 없이 시뮬레이션할 경우 전체 군중시스템 성능의 저하가 예상된다. 본 논문에서는, 이러한 문제점을 해결하기 위해 모션 다단계(motion level-of-detail) 기법을 제시한다. 모션 단순화 기법은 캐릭터의 움직임을 제어하는 골격(관절)구조와 캐릭터의 형태를 시각적으로 표현하는 기하(메쉬)구조를 단순화 하는 방법으로 기존 동작과 단순화된 동작의 차이를 최소화 한다. 골격구조 단순화를 위한 JPC(joint posture clustering)방법은 특정 관절의 연속된 모션 시퀀스에서의 유사 자세 집단을 추출하여 하나의 자세로 표현하는 방법으로, 모션의 특성에 따라 동적으로 관절을 단순화하여 관절 시뮬레이션 시간을 줄이는 방법이다. JPC방법은 골격구조가 시간에 따라 동적으로 변형되기 때문에 골격구조의 계층구조를 재 구축할 시간이 필요하지만, 기존 동작과 유사성을 잃지 않는 단순화된 동작 생성이 가능하다. 유사 자세 집단을 추출하기 위해 전체 모션 시퀀스에서 관절의 프레임간 자세 차이를 수식화하여 테이블 형태로 구성하고 이를 통해 기존 동작의 유사성을 잃지 않으며 관절의 단순화 율을 최대화 할 수 있는 알고리즘을 제시한다. 또한, 실시간 군중 환경의 성능을 더욱 향상시키기 위해 시간에 따라 변형되는 캐릭터 메쉬의 단순화 기법을 적용한다. 실험결과 모션 다단계 기법은 실시간 군중환경에서 캐릭터의 수가 많고 복잡한 골격구조와 기하구조로 구성된 관절 궤적의 변화가 심하지 않은 동작에 대해 특히 효율적이다.

• 한국산학기술학회논문지
• /
• 제17권7호
• /
• pp.263-272
• /
• 2016

모듈러 제품 설계는 유연한 제품 수정, 제품 개발 및 생산 리드타임 감소, 제품의 다양성 증대와 같은 많은 장점들이 있다. 모듈러 제품 설계의 목적은 여러 개의 모듈들로 구성된 제품의 아키텍쳐를 효율적으로 개발하는 것인데, 이들 모듈들은 컴포넌트들 간 물리적, 기능적 상호관계 분석을 토대로 컴포넌트들 간의 유사성을 최대화함으로써 만들어 질 수 있다. 본 연구에서는 모듈러 제품 설계의 핵심 작업인 모듈화를 위하여 3개 단계로 이뤄진 체계적인 절차를 제시하고자 한다. 첫 번째 단계는 컴포넌트들 간 물리적, 기능적 상호관계 분석을 통한 컴포넌트들 간 상관 관계 매트릭스를 구성하는 것이고, 두 번째 단계는 컴포넌트들 간 상관 관계를 최대화하는 컴포넌트들의 군집들을 찾아내기 위하여 네트워크 흐름으로 모델링하는 것이다. 마지막으로 세 번째 단계에서는 선형 계획 모형인 네트워크 흐름 모델을 풀어서 컴포넌트들의 군집들을 찾아내고 이들을 모듈화 하는 것이다. 본 연구에서 제시한 절차의 이해와 실제 적용을 위하여 진공 청소기 모듈화 사례에 적용해 보고 절차의 타당성을 보여준다.

• 정보보호학회논문지
• /
• 제18권6A호
• /
• pp.115-127
• /
• 2008

Native API(Application Programming Interfaces)는 관리자 권한에서 수행되는 system call의 일종으로 관리자 권한을 획득하여 공격하는 다양한 종류의 악성코드를 탐지하는데 사용된다. 이에 따라 Native API의 특징을 기반으로한 탐지방법들이 제안되고 있으며 다수의 탐지방법이 교사학습(supervised learning) 방법의 기계학습(machine learning)을 사용하고 있다. 하지만 Anti-Virus 업체의 분류기준은 Native API의 특징점을 반영하지 않았기 때문에 교사학습을 이용한 탐지에 적합한 학습 집합을 제공하지 못한다. 따라서 Native API를 이용한 탐지에 적합한 분류기준에 대한 연구가 필요하다. 본 논문에서는 정량적으로 악성코드를 분류하기 위해 Native API를 기준으로 악성코드를 퍼지 군집화하여 재그룹화하는 방법을 제시한다. 제시하는 재그룹화 방법의 적합성은 기계학습을 이용한 탐지성능의 차이를 기존 분류방법을 결과와 비교하여 검증한다.

• 한국자원식물학회:학술대회논문집
• /
• 한국자원식물학회 2020년도 춘계학술대회
• /
• pp.61-61
• /
• 2020

본 연구는 우리나라 임상 중에서 침엽수림과 침활혼효림으로 구성된 산양삼 시험포지를 선정하고, 임상별 토양의 토양세균군집을 분석하여 산양삼 생육특성과의 상관관계 구명하고자 수행하였다. 산양삼 시험포지는 침염수림으로 구성된 충주 산양삼 종자공급단지와 침활혼효림으로 구성된 함양 산양삼 종자공급단지를 선정하여 각각 조성하였다. 토양세균군집 분석은 pyrosequencing analysis (Illumina platform)를 이용하였고, 토양세균군집과 생육특성 간의 상관관계는 Pearson's correlation을 이용하여 분석하였다. 임상별 시험포지의 토양세균은 두 시험포지 모두 Acidobacteria가 우점종으로 확인되었다. 주좌표 분석을 통해 임상별 산양삼 시험포지에서 우점하는 토양세균 군집을 확인한 결과, 먼저 토양세균 군집은 임상별 시험포지에 따라 군집화를 이루는 것으로 확인되었고, Pearson's 상관관계 분석 결과, 토양세균 군집의 상대적 빈도수는 수종 비율에 따라 상이한 상관관계를 보이는 것으로 확인되었다. 이 중에서 Proteobacteria, Alphaproteobacteria, Actinobacteria_class, Phycisphaerae는 침엽수의 비율과 유의적인 정의 상관관계를 보였고, Nitrospirae, Chlamydiae, Planctomycetia, Acidobacteria_6는 활엽수의 비율과 유의적인 정의 상관관계를 보이는 것으로 나타났다. 또한 임상별 산양삼 시험포지의 토양세균 군집과 산양삼 생육특성 간의 상관관계를 분석한 결과, Nitrospirae, Chlorobi, Planctomycetia, Acidobacteria_6가 산양삼의 생육과 유의적인 정의 상관관계를 보였다. 본 연구결과를 바탕으로 다양한 산림환경에서 토양세균군집과 산양삼 생육특성 간의 상관관계를 명확하게 구명할 수 있다면 향후 산양삼의 최적 재배지를 선정하는데 있어 도움을 줄 수 있을 것으로 사료된다.

• 환경영향평가
• /
• 제28권4호
• /
• pp.413-426
• /
• 2019

주거지 내 위치하거나 매우 인접한 곳에 무분별하게 난립된 개별입지 공장들은 궁극적으로는 준 산업단지 또는 새로운 계획입지로의 조정이 필요하다. 본 연구에서는 김포시 환경을 예로 김포시 전역에 난립된 개별입지 공장들을 새로운 지역으로 군집시킴에 따른 대기 $SO_2$ 오염도의 변화를 AERMOD 모형을 이용하여 평가하였다. 평가결과 개별입지 공장들의 공간 재배치를 통해 김포시 자체 배출원에 의한 오염도를 개선할 수 있는 가능성을 확인하였다. 재배치와 더불어 배출 굴뚝의 높이 조정과 같은 배출규제가 병행되는 경우 김포시 자체 배출원에 의한 오염도를 김포시 전체적으로 볼 때 약 70% 감소 가능하며 행정 구역별로는 최대 약 87% 감소 가능함을 정량적으로 확인하였다. 단, 군집지역으로 선정된 해당 행정구역은 김포시 전체 오염도의 변화 폭과 비교했을 때 상대적으로 큰 오염도 증가가 나타날 수 있다.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.910-916
• /
• 2019

자연 영상의 비지역적 유사성은 다양한 영상 응용 분야에서 활용되는 중요한 특성 중에 하나이다. 영상 내 객체의 에지나 텍스쳐, 무늬 등은 비지역적으로 반복되어 나타난다. 유사도가 높은 영상 블록들로 군집을 형성하면 자연스럽게 그로부터 특징을 추출할 수 있다. 또한 군집의 크기가 클수록 원치 않는 백색 잡음에 대한 대항력을 키울 수 있다. 영상 신호 처리 중 잡음 제거 관련 연구는 백색 가산 잡음이 포함된 영상의 복원을 다룬다. 본 논문에서는 백색 잡음이 포함된 영상을 유사도에 따라 적응적으로 군집화하여 잡음 신호에 대한 이득을 향상시키고, 이를 통해 잡음을 효과적으로 제거하는 알고리듬을 제안한다. 다양한 영상과 잡음 강도에 대한 모의실험 결과로부터 제안된 알고리듬이 에지, 텍스쳐, 무늬 영역을 잘 보존하면서 잡음을 제거할 수 있음을 시각적으로 확인할 수 있고, 또한 최근 보고된 여러 방법들과의 잡음 제거 성능 수치 비교에서도 우수한 결과를 보인다.

• 생태와환경
• /
• 제39권1호통권115호
• /
• pp.52-61
• /
• 2006

본 연구는 지난 10여년간의 (1994 ${\sim}$ 2003) 주간격의 자료를 이용한 자가조직화 지도 (SOM) 방법으로 낙동강 하류역 (물금: 낙동강 하구언으로부터 27 km 상류지점)에서 동물플랑크톤 군집 동태에 대한 계절별 유형화 분석을 하는데 목적이 있다. 담수생태계내의 먹이망에서 동물플랑크톤 군집의 역할은 매우 중요하나, 다른 군집 구성원들과의 비교 연구는 다소 미진하게 진행되었다. 비선형 모형 알고리즘인 SOM을 동물플랑크톤 군집 역동성과 강 환경 인자들과의 상관관계 파악을 위하여 적용하였다. 육수학적 환경 인자 (수온, 용존산소, pH, 세키투명도, 탁도, 클로로필 a 농도, 유량 등) 들을 동물플랑크톤 군집 구조(윤충류, 지각류 및 요각류)의 계절적 변화 유형파악을 위하여 사용하였다. 학습된 SOM 모형은 육수학적 환경인자와 연관 지어 지도상에 동물플랑크톤을 배치되었다. 동물플랑크톤의 주요 세 군집들은 계절별 변화 유형에 있어서 높은 유사성을 가지고 있었다. 다양한 육수학적 환경인자 중, 수온은 동물플랑크톤 군집 역동성과 매우 높은 연관관계를 나타내었다(특히, 지각류). SOM 모형은 여름기간 증가된 강 유량에 의해서 동물플랑크톤을 매우 저해하는 요인으로 표현되었다. 클로로필 a 농도는 우점한 초식성 동물플랑크톤 활성도에 의해 지도상에서 구획되었다. 본 연구는 비선형 방법을 이용한 육수학적 환경요인과 동물플랑크톤 역동성을 연관 지어 소개하였으며, 이러한 정보는 먹이망이라는 관점에서 볼 때, 강 생태계 관리에 유용한 정보로 활용될 것으로 사료된다.

• 응용통계연구
• /
• 제16권2호
• /
• pp.321-333
• /
• 2003

자기조직화 지도(SOM)은 T. 코호넨의 주도하에 개발된 비지도 학습 신경망 모형이다. 그 동안 패턴인식과 문서검색 분야에 주로 응용되어 왔기 때문에 통계학 분야에서는 덜 알려졌으나, 최근 K-평균 군집화에 대한 대안적 데이터 마이닝 기법으로 활용되기 시작하였다. 본 연구에서는 SOM의 한 버전인 PC-SOM(주성분 자기조직화 지도)을 제안하고 활용 예를 제시하고자 한다. PC-SOM은 1차원적 SOM 알고리즘을 반복 수행하여 2차원, 3차원 등의 SOM을 얻는 방법이기 때문에 기존 SOM과는 달리 사전 Map의 크기를 확정할 필요가 없다. 또한, 기존 SOM에 비하여 향상된 시각화를 가능하게 한다.

• 한국통신학회논문지
• /
• 제32권9C호
• /
• pp.861-866
• /
• 2007

본 논문은 가우시안 확률분포함수 (Gaussian Probability Distribution Function) 데이터 군집화를 위해 중심신경망 (Centroid Neural Network, CNN)에 Bhattacharyya 커널을 적용한 군집화 알고리즘 (Bhattacharyya Kernel based CNN, BK-CNN)을 제안한다. 제안된 BK-CNN은 무감독 알고리즘인 중심신경망을 기반으로 하고 있으며, 커널 방법을 이용하여 데이터를 특징공간에서 투영한다. 입력공간의 비선형 문제를 선형적으로 해결하기 위해 제안한 커널 방법인데, 확률분포 사이의 거리측정을 위해 Bhattacharyya 거리를 이용한 커널방법을 사용하였다. 제안된 BK-CNN을 영상데이터 분류의 문제에 적용했을 때, 제안된 BK-CNN 알고리즘이 Bhattacharyya 커널을 적용한 k-means, 자기조직지도(Self-Organizing Map)와 중심 신경망등의 기존 알고리즘보다 1.7% - 4.3%의 평균 분류정확도 향상을 가져옴을 확인할 수 있었다.