• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.267-270
• /
• 2007

기계학습에서 분류기들의 집합으로 구성된 앙상블 분류기는 단일 분류기에 비해 정확도가 높다는 것이 입증되었다. 본 논문에서는 새로운 앙상블 학습으로서 데이터의 지역 기반 분류기들의 앙상블 학습을 제시하여 기존의 앙상블 학습과의 비교를 통해 성능을 검증하고자 한다. 지역 기반 분류기의 앙상블 학습은 데이터의 분포가 지역에 따라 다르다는 점에 착안하여 학습 데이터를 분할하고 해당하는 지역에 기반을 둔 분류기들을 만들어 나간다. 이렇게 만들어진 분류기들로부터 지역에 따라 가중치를 둔 투표를 하여 앙상블 방법을 이끌어낸다. 본 논문에서 제시한 앙상블 분류기의 성능평가를 위해 UCI Machine Learning Repository에 있는 11개의 데이터 셋을 이용하여 단일 분류기와 기존의 앙상블 분류기인 배깅과 부스팅등의 정확도를 비교하였다. 그 결과 기본 분류기로 나이브 베이즈와 SVM을 사용했을 때 새로운 앙상블 방법이 다른 방법보다 좋은 성능을 보이는 것을 알 수 있었다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.156-161
• /
• 2007

도시화에 따른 도시문제발생이라는 결과로 미루어 볼 때, 지속적인 도시 성장을 위한 도시 성장 관리는 필수적이며, 이것을 위해서 도시지역을 추출하는 것은 도시의 성장 추이를 파악할 수 있게 한다는 점에서 매우 의미 있는 일이다. 본 연구에서는 도시 성장 모니터링에 있어서 정규식생지수(NDVI)와 정규시가지화지수(NDBI)를 결합한 방법의 활용성을 규명하는데 목적을 두었다. 이를 위해 토지피복분류에 일반적으로 사용되는 감독 분류기법과 도시지역추출에 이용되는 NDVI와 NDBI를 결합한 방법(식생지수결합법)으로 1988년과 2000년 두 시기의 Landsat TM 영상을 이용하여 도시지역을 추출하고 일치도를 분석하였다. 분석 결과, 1988년 식생지수결합법과 감독분류기법으로 추출한 도시지역의 일치도는 98%, 식생지수결합법 비도시지역으로 추출된 지역이 감독분류기법으로는 도시지역으로 추출될 확률은 37.35%로 나타났고, 같은 경우 2000년은 각각 99.3%와 7.7%로 나타났다. 이를 통해 식생지수결합법을 사용한 도시지역 추출 결과와 감독분류기법을 사용한 도시지역 추출 결과의 일치도가 비교적 높게 나타남을 알 수 있었다. 또, 각 기법을 통한 도시지역 추출 결과와 실제 도시 검사점과의 일치도의 분석을 통해서도 도시지역 추출 결과의 일치도가 비교적 높게 나타났다. 따라서 분류를 통한 도시지역 추출 방법에 비해 식생지수결합법을 이용한 도시지역 추출이 절차상 수월한 점을 감안하면 도시지역 추출에 있어서 식생지수결합법의 효율성을 입증할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.466-468
• /
• 2011

본 논문은 영상 획득 환경이 자유로운 상황에서 차량 번호판 영역을 검출하기 위한 새로운 방법을 제안한다. 입력 영상에서 SIFT 지역특징을 추출하고 미리 학습한 분류기를 통해 각 지역특징이 번호판 내부에 속하는지 번호판 외부에 속하는지를 분류한다. 번호판 내부로 분류된 지역특징이 밀집한 영역이 번호판 영역으로 검출된다. 실험을 통해 제안하는 지역특징 분류 방법이 높은 성능으로 번호판 내/외부를 분류함을 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1909-1913
• /
• 2008

수자원의 공급적인 측면에서 내륙지역에 비하여 불리한 도서지역은 단기간의 가뭄에도 생활용수가 고갈되어 매년 상습적인 식수난을 겪고 있는 상태이다. 전국 3,170개 섬 중 491개 유인도에 831,295명(2003년)이 거주하고 있으나 상수도 보급률은 28.7%에 불과하다(환경부, 2005). 나머지 71.3%의 도서지역 주민들은 간이 급수시설, 우물, 지붕수 등을 생활용수로 이용하고 있다. 이와같이 도서지역은 상수도 보급율이 열악하여 지하수자원에 대한 의존도가 내륙지역에 비하여 높아 지하수자원을 통해 부족한 용수를 공급받아야 할 실정이다. 용수공급을 위한 지하수의 개발을 위해서 무엇보다 선행되어야 할 것은 도서지역의 지하수개발가능량 평가이며 이의 평가를 위해서는 지하수함양량의 파악이 이루어져야 한다. 지하수함양량 산정 기법 중 하나인 NRCS-CN방법은 선행강우조건, 토지피복상태, 수문학적 토양군 등의 인자들에 의해 산정되어진다. 수문학적 토양군의 경우 대부분의 연구에서 정정화 등 (1995)에 의해 분류된 자료가 이용되고 있었으나 최근 정광호 등(2007)에 의하여 수문학적 토양군이 재분류 되었다. 본 연구에서는 NRCS-CN방법을 이용하여 식수난에 어려움을 겪고 있는 우리나라 서남해안의 14개 도서지역에 대하여 수문학적 토양군의 1995년 분류와 2007년 분류를 적용하여 지하수함양량을 산정하고 비교하였다. 1995년 분류와 2007년 분류에서 지하수함양량과 함양률은 개도, 생일도, 보길도를 제외한 도서지역은 1%미만의 차이로 변화가 거의 없는 것으로 나타났다. 개도, 생일도, 보길도는 1995년 분류에 비하여 2007년 분류에서 $2.2%{\sim}2.8%$ 감소하였다. 따라서 대상지역의 수문학적토양군의 재분류에 의한 지하수함양량 및 함양률의 차이가 미미함을 알 수 있었다. 연평균 함양량은 1995년 분류와 2007년 분류에서 수도가 590.8mm, 583.5mm로 최대값을 가지며 가파도가 270.2mm, 270.5mm로 최소값을 가지는 것으로 나타났다. 함양률의 경우 1995년 분류에서는 개도가 29.8%의 최대값을 나타내었고 가파도가 23.3%의 최소값을 가지는 것으로 나타났으며 2007년 분류에서는 사량도 상도가 28.5%의 최대값을 나타내었고 가파도가 23.3%의 최소값으로나타났다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2006.05a
• /
• pp.199-204
• /
• 2006

도시의 변화에 대하여 보다 체계적으로 계획하고 관리하기 위해서는 도시지역에 대한 정확한 지리 정보의 획득이 필요하며 이와 더불어 정보의 신속한 갱신이 필요하다. 도시 변화를 판단하기 위한 지리정보는 여러 가지 정책과 연구에 사용될 수 있을 뿐만 아니라 그 자체만으로도 도시의 성장을 기록하는 중요한 자료로 이용될 수 있다. 지리 정보의 획득 방법 중 하나인 영상분류 방법은 여러 가지가 있으나, 그 중 건물, 도로, 수목, 논, 밭 등 지상의 물체들의 분광특성을 이용한 방법이 가장 효율적이라고 할 수 있다. 따라서 본 연구에서는 도심지의 토지피복분류 현황을 기존의 방법보다 더욱 정확히 분석하기 위해서 IKONOS 영상을 이용하여 분석방법에 따른 정확도를 비교 분석하고 GIS를 이용하여 토지피목 현황을 분류기법별로 나타내며, 대상지역의 분류 정확도와 정보를 제시하였다. 연구 결과 도심지에서는 최대우도법을 이용한 감독 분류의 정확도가 가장 높은 정확도를 나타내었으며, 주관성을 배제한 분류 방법에는 신경망을 이용한 분류 방법이 높은 정확도를 나타내었다. 또한 분류 기법 별로 분류된 토지피복도를 이용하여 분류 정확도와 분류항목에 대한 속성 자료를 GIS데이터베이스로 구축하여 사용자가 요구하는 정확도에 따라 분류 방법별 토지피복도를 제공함으로써 보다 신뢰성 있고 다양한 정보를 제공할 수 있었다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.06a
• /
• pp.260-264
• /
• 2008

변화탐지는 도시모델의 갱신을 위해 중요한 단계이다. 이에 본 연구는 도시지역의 변화탐지를 위한 라이다데이터로부터 추출한 표면패치의 분류 방법을 제안한다. 제안된 방법의 주요 과정은 (1) 라이다 데이터로부터 생성된 DSM의 차분을 통해 변화영역을 탐지하고, (2) 탐지된 영역의 라이다 점으로부터 표면패치를 구성하고, (3) 구성된 각각의 패치의 종류를 지면 수목, 빌딩으로 분류한다. 제안된 방법을 실측데이터에 적용한 결과를 동일한 지역의 정사영상으로부터 육안검사를 통해 수동 생성된 기준데이터를 이용하여 검증하였다. 패치분류의 성공률은 99%로 평가되었다. 결론적으로 제안된 방법은 변화탐지를 위한 강인하고, 신뢰성이 높고, 효율적인 패치 분류방법으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.132-137
• /
• 2005

재해분야에 인공위성의 활용도가 높아짐에 따라 본 연구에서는 Landsat 영상과 RADARSAT 영상을 이용하여 안성천유역을 대상으로 침수지역을 추출하고자 하였다. Landsat 영상은 침수 전과 후의 영상을 각각 선정하였으며 RADARSAT 영상은 침수 중과 침수 후 의 영상을 선정하였다. 각 영상에 대하여 전처리와 기하보정을 걸친 후 침수지역을 파악하기 위한 방법으로 토지피복분류 방법을 사용하였고, 그 중 Landsat 영상은 분광반사계를 이용하여 감독분류를 실시하였고, RADARSAT 영상은 무감독 분류를 실시하여 침수 지역을 확인할 수 있었다.

• The KIPS Transactions:PartB
• /
• v.14B no.4
• /
• pp.303-310
• /
• 2007

In machine learning, the ensemble classifier that is a set of classifiers have been introduced for higher accuracy than individual classifiers. We propose a new ensemble learning method that employs a set of region based classifiers. To show the performance of the proposed method. we compared its performance with that of bagging and boosting, which ard existing ensemble methods. Since the distribution of data can be different in different regions in the feature space, we split the data and generate classifiers based on each region and apply a weighted voting among the classifiers. We used 11 data sets from the UCI Machine Learning Repository to compare the performance of our new ensemble method with that of individual classifiers as well as existing ensemble methods such as bagging and boosting. As a result, we found that our method produced improved performance, particularly when the base learner is Naive Bayes or SVM.

• Korean Journal of Environment and Ecology
• /
• v.14 no.1
• /
• pp.57-66
• /
• 2000

본 연구는 울릉도의 성인봉과 태하령지역의 산림식생을 분류하기 위해 199년 7-8월에 36개소를 선정하여 식생조사를 실시하였으며 식물사회학적 방법과 TWINSPAN에 의하여 군락을 분류하였다 울릉도 산림의 종조성표에 의한 군락 분류결과 너도밤나무-섬노루귀 군락군으로 판명되었다 이 군락군은 다시 솔송나무-섬잣나무 군락, 참나도히초미-졸방제비꽃군락으로 크게 나뉘어졌으며 참나도히초미-졸방제비꽃군락은 다시 전형하위군락. 섬조릿대하위군락 일색고사리하위군락으로구분되었다 TWINSPAN에 의한 분류결과는 솔송나무-섬작나무군락 너도밤나무-섬조릭대군락 너도밤나무-일색고사리군락, 너도밤나무-큰두루미꽃군락으로 구분되었다 식물사회학적 군락 분류결과와 TWINSPAN에 의한 군락분류결과는 4개 군락으로 구분되는 일치성을 보이고 있어 두 방법에 의한 군락 분류방법은 상호 보완될수 있다고 판단된다.

• Investigative Magnetic Resonance Imaging
• /
• v.6 no.2
• /
• pp.137-146
• /
• 2002

Purpose : This paper introduces an improved classification approach which adopts a deterministic relaxation method and an agglomerative clustering technique for the classification of MRI using neural network. The proposed approach can solve the problems of convergency to local optima and computational burden caused by a large number of input patterns when a neural network is used for image classification. Materials and methods : Application of Hopfield neural network has been solving various optimization problems. However, major problem of mapping an image classification problem into a neural network is that network is opt to converge to local optima and its convergency toward the global solution with a standard stochastic relaxation spends much time. Therefore, to avoid local solutions and to achieve fast convergency toward a global optimization, we adopt MFA to a Hopfield network during the classification. MFA replaces the stochastic nature of simulated annealing method with a set of deterministic update rules that act on the average value of the variable. By minimizing averages, it is possible to converge to an equilibrium state considerably faster than standard simulated annealing method. Moreover, the proposed agglomerative clustering algorithm which determines the underlying clusters of the image provides initial input values of Hopfield neural network. Results : The proposed approach which uses agglomerative clustering and deterministic relaxation approach resolves the problem of local optimization and achieves fast convergency toward a global optimization when a neural network is used for MRI classification. Conclusion : In this paper, we introduce a new paradigm to classify MRI using clustering analysis and deterministic relaxation for neural network to improve the classification results.