• 제목/요약/키워드: 지역(地域) 분류(分類) 방법(方法)

검색결과 1,171건 처리시간 0.035초

지명 데이터베이스 구축을 통한 웹지도화 방안 (An Web-based Mapping by Constructing Database of Geographical Names)

  • 김남신
    • 한국지역지리학회지
    • /
    • 제16권4호
    • /
    • pp.428-439
    • /
    • 2010
  • 지명은 인간의 지역인식을 반영하기 때문에 지명지도는 지역이해를 위한 정보를 제공해 줄 수 있다. 본 연구는 지명데이터베이스 구축을 통한 웹기반 지도를 제작하고자 하였다. 주요 연구내용은 웹사이트 상에서 지명분류 방법, 데이터베이스 구축 방법 그리고 지명지도화 방법에 관한 연구를 수행하였다. 지명은 분류기준에 따라 자연지리, 문화역사지리, 경제지리, 기타의 4개 영역으로 나누었으며, 다시 18 가지 세부영역으로 분류하였다. 지명은 지형도상의 지명과 지역에만 알려진 소지명을 수집하여 입력할 수 있도록 하였다. 데이터베이스 항목은 주소, 좌표, 지명(한자, 한글), 지명분류, 설명, 사진 자료로 구성하였다. 지명지도는 지역의 지리정보와 함께 표현될 수 있게 하였다. 연구결과는 지명의 지리적 분포는 물론 지역해석을 위한 정보를 제공해 줄 수 있을 것으로 기대된다.

  • PDF

토지피복분류에 있어 신경망과 최대우도분류기의 비교 (A comparison of neural networks and maximum likelihood classifier for the classification of land-cover)

  • 전형섭;조기성
    • 대한공간정보학회지
    • /
    • 제8권2호
    • /
    • pp.23-33
    • /
    • 2000
  • 본 연구에서는 인공위성영상을 이용한 토지피복 분류방법 중 파라메트릭한 분류와 비-파라메트릭한 분류의 대표성을 띤 최대우도 분류법과 신경망을 이용한 분류방법을 사용하여 분류정확도를 비교하였다. 분류정확도의 평가에 있어서 일반적인 분석가들이 사용하는 훈련지역에 대한 분류정확도의 분석뿐만 아니라, 시험지역에 대한 정확도분석을 하였다. 그 결과, 최대우도분류기에 비하여 신경망의 분류기가 일반적인 훈련데이터의 분류에 있어서 약 3% 우월하였으며, 지상검증데이터를 사용한 분류결과에서는 시험에 사용된 두 분류기 모두 빈약한 분류결과를 나타내었으나, 신경망에 의한 분류가 최대우도에 비하여 약 10%정도 보다 신뢰할 수 있는 결과를 얻을 수 있었다.

  • PDF

로지스틱 회귀분석 및 AHP 기법을 이용한 산사태 위험지역 분석 - 안성시를 대상으로 - (Analysis of Landslide Hazard Area using Logistic Regression/AHP - Anseong-si -)

  • 이용준;박근애;김성준
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2006년도 학술발표회 논문집
    • /
    • pp.2001-2005
    • /
    • 2006
  • 우리나라는 매년 집중호우로 인한 산사태로 인해 인적, 물질적 피해를 일으킨다. 반복적인 산사태의 피해를 방지 하기위해서는 산사태 예측 시스템이 필요하다. 본 연구에서는 안성시를 대상으로 GIS와 RS 자료를 활용하여 산사태 위험지를 분석하고자 Logistic 회귀분석 방법과 AHP 기법을 이용하였다. Logistic 회귀분석과 AHP 기법에는 6개의 인자(경사, 경사향, 고도, 토양배수, 토심, 토지이용)를 사용하여, 7등급으로 산사태 위험도를 분류하였다. Logistic 회귀분석 방법과 AHP 기법을 이용한 산사태 위험지도를 표본 자료와 비교하면 산사태가 발생한 표본에서 산사태 위험성이 높은(1-2등급)지역이 Logistic 회귀분석에서는 46.1% AHP 기법은 48.7%로 분류되어 AHP 기법이 분류도가 높다고 분석 되었다. 하지만 Logistic 회귀분석과 AHP 기법은 서로 분석 과정의 차이를 가지고 있기 때문에 Logistic 회귀분석과 AHP기법을 적용한 결과에 동일 가중치를 부여한 후 7개 등급으로 재분류(reclass)하여 산사태 위험지역을 추출 할 수 있는 방법론을 제시하였다. 그 결과 산사태가 발생한 표본에서 1-2등급지역이 58.9%로 분석되어 분류정확도를 높일 수 있었다.

  • PDF

차분진화 알고리즘을 이용한 지역 Linear Discriminant Analysis Classifier 기반 패턴 분류 규칙 설계 (Design of Pattern Classification Rule based on Local Linear Discriminant Analysis Classifier by using Differential Evolutionary Algorithm)

  • 노석범;황은진;안태천
    • 한국지능시스템학회논문지
    • /
    • 제22권1호
    • /
    • pp.81-86
    • /
    • 2012
  • 본 논문에서는 전형적인 Linear Discriminant Analysis을 확장시켜 전체 입력공간을 다수의 지역공간으로 분할하고 분할된 공간에 Local Linear Discriminant Analysis 기반으로 하여 패턴 분류 규칙을 설계하는 새로운 방법을 제안한다. 전체 입력공간을 여러 개의 지역공간으로 분할하기 위한 방법으로 unsupervised clustering의 대표적인 방법인 k-Means 클러스터링 기법과 최적화 알고리즘인 차분 진화 연산 알고리즘을 사용한다. 제안된 알고리즘의 성능 평가를 위해 기존의 패턴 분류기와 비교 결과를 제시한다.

도시지역 토지이용분류를 위한 1:1,000 수치지형도 활용에 관한 연구 (A Study on Utilizing 1:1,000 Digital Topographic Data for Urban Landuse Classification)

  • 민숙주;김계현
    • 대한토목학회논문집
    • /
    • 제26권1D호
    • /
    • pp.149-156
    • /
    • 2006
  • 기존의 토지이용 분류방법은 현장조사에 의존하거나 항공사진 판독기법을 사용하므로 상대적으로 시간과 비용의 소요가 큰 편이다. 특히나 도시지역은 토지이용이 복잡하고 집약적이므로 위성영상을 활용해 분류하는데 한계가 있는 실정이다. 이러한 배경에서 본 연구에서는 1:1,000 수치지형도와 IKONOS 위성영상을 혼합 활용하는 토지이용 분류기법을 제기하였다. 본 연구에서 제기한 분류기법의 활용가능성을 파악하기 위하여 서울시 일부지역을 대상으로 실험분석을 수행하였으며, 그 결과 95%의 전체정확도와 14개의 토지이용 항목이 분류되었다. 실험분석의 결과로 미루어 본 연구에서 제기한 분류기법은 도시지역 토지이용분류에 적용 가능한 것으로 판단된다.

지역 전문가의 앙상블 학습 (Ensemble learning of Regional Experts)

  • 이병우;양지훈;김선호
    • 한국정보과학회논문지:컴퓨팅의 실제 및 레터
    • /
    • 제15권2호
    • /
    • pp.135-139
    • /
    • 2009
  • 본 논문에서는 지역 전문가를 이용한 새로운 앙상블 방법을 제시하고자 한다. 이 앙상블 방법에서는 학습 데이타를 분할하여 속성 공간의 서로 다른 지역을 이용하여 전문가를 학습시킨다. 새로운 데이타를 분류할 때에는 그 데이타가 속한 지역을 담당하는 전문가들로 가중치 투표를 한다. UCI 기계 학습 데이타 저장소에 있는 10개의 데이타를 이용하여 단일 분류기, Bagging, Adaboost와 정확도를 비교하였다. 학습 알고리즘으로는 SVM, Naive Bayes, C4.5를 사용하였다. 그 결과 지역 전문가의 앙상블 학습 방법이 C4.5를 학습 알고리즘으로 사용한 Bagging, Adaboost와는 비슷한 성능을 보였으며 나머지 분류기보다는 좋은 성능을 보였다.

GPS 측량의 3차원 좌표변환에 의한 정밀위치결정 (The Precise Positioning with the 3D Coordinate Transformation of GPS Surveying)

  • 박운용;유복모;이기부
    • 대한공간정보학회지
    • /
    • 제8권2호
    • /
    • pp.47-60
    • /
    • 2000
  • 본 연구에서는 인공위성영상을 이용한 토지피복 분류방법 중 파라메트릭한 분류와 비-파라메트릭한 분류의 대표성을 띤 최대우도 분류법과 신경망을 이용한 분류방법을 사용하여 분류정확도를 비교하였다. 분류정확도의 평가에 있어서 일반적인 분석가들이 사용하는 훈련지역에 대한 분류 정확도의 분석뿐만 아니라, 시험지역에 대한 정확도분석을 하였다. 그 결과, 최대우도분류기에 비하여 신경망의 분류기가 일반적인 훈련데이터의 분류에 있어서 약 3% 우월하였으며, 지상검증데이터를 사용한 분류결과에서는 시험에 사용된 두 분류기 모두 빈약한 분류결과를 나타내었으나, 신경망에 의한 분류가 최대우도에 비하여 약 10%정도 보다 신뢰할 수 있는 결과를 얻을 수 있었다.

  • PDF

산사태 발생예측을 위한 지형분류기법의 비교평가 (Evaluating Geomorphological Classification Systems to Predict the Occurrence of landslides in Mountainous Region)

  • 이수연;정관용;박수진
    • 대한지리학회지
    • /
    • 제50권5호
    • /
    • pp.485-503
    • /
    • 2015
  • 본 연구는 산지에서 지형분류기법을 이용하여 산사태 발생을 예측하고자 하였다. 이를 위해 Catena, Topographic Position Index(TPI), 그리고 Geomorphons 방법을 적용하였다. 연구지역은 가평군, 횡성군, 김천시, 여주시/이천시이며, 2001부터 2014년까지 군단위로 수집된 산사태 자료를 사용하였다. Catena 방법은 분류기준자가 명확하며, 지역 간 분류기준자의 객관화와 비교가 가능하고, 분류된 결과를 직관적으로 이해할 수 있다. 반면 지형분석 및 통계분석 절차가 까다로우며 자동화가 어려워 일반인이 쉽게 사용하기 힘들다는 단점이 존재한다. TPI와 Geomorphons 방법의 경우 분류절차가 간단하고, GIS에서 이용할 수 있는 프로그램이 개발되어 일반인이 쉽게 사용할 수 있다. 하지만 계산하는 방안의 크기에 따라 결과에 큰 차이를 보이고, 사용하는 지형단위가 형태적인 특성에 한정되어 지표에서 나타나는 지형형성작용과의 공간적 연결성이 비교적 낮다는 단점이 존재한다. 이 세 지형분류방법 간 호환성이 낮게 나타나, 지형분류방법이 보다 보편적으로 사용되기 위해서는 지형 단위에 대해 통일된 개념 규정이 필요하다. 각 지형분류법이 산사태를 예측하는 정도를 평가하기 위해 산사태 발생지 중 차지하는 비중이 높은 상위 50%의 지형단위를 선택한 뒤, 지형단위에서 나타나는 산사태 발생비율을 계산하여 '산사태 예측력(Predictive Ability)'이라고 정의하였다. '산사태 예측력'에 의해 구분되는 지형이 전체 지역 면적에서 차지하는 비율을 '취약지 면적(Vulnerable Area Ratio)'이라고 규정하였다. 종합적인 판단을 위해 산사태 예측력을 산사태취약지역으로 나누어 점수화한 결과, Catena 방법의 적합성이 가장 높게 나타났다.

  • PDF

훈련지역의 취득방법 및 규모에 따른 JERS-1위성영상의 토지피복분류 정확도 평가 (Estimation of Classification Accuracy of JERS-1 Satellite Imagery according to the Acquisition Method and Size of Training Reference Data)

  • 하성룡;경천구;박상영;박대희
    • 한국지리정보학회지
    • /
    • 제5권1호
    • /
    • pp.27-37
    • /
    • 2002
  • 정량적인 토지피복도의 확보는 유역에 분포하는 비점오염원의 규명에 있어서 매우 중요한 과제로 인식되고 있다. 본 연구는 위성영상을 이용한 토지피복분류 과정에 있어서, 훈련지역의 취득방법 및 규모가 분류정확도에 미치는 영향을 JERS-1 OPS 위성영상을 기반으로 평가하였다. 전체 연구대상지역 중에서 0.3%, 0.5%, 1.0%를 훈련지역으로 추출함에 있어서 두 가지 기법을 제안하였다. 첫번째 기법은 해당지역에 대한 사전 지식을 갖춘 연구자가 훈련지역을 추출하였으며, 두번째 기법은 기하학적 보정을 행한 항공사진과 수치지도를 이용하여 훈련지역을 추출하였다. 영상의 토지피복 분류는 최대우도분류법을 이용하였다. 연구결과 사용자에 의한 훈련지역 취득기법보다 항공사진과 수치지도를 이용하여 훈련지역을 추출하여 최대우도분류법을 적용할 경우 전체정확도가 최대 18% 정도 향상하였다. 우리나라와 같이 복잡하고 다양한 토지이용을 가진 지형에서 JERS-1 영상을 이용하여 95%의 신뢰도를 얻기 위해서는 적어도 훈련지역을 전체지역의 약 1% 이상 추출하여야 만족할 만한 토지피복분류를 수행할 수 있었다.

  • PDF

하이퍼스펙트럴 영상으로부터 객체기반 영상분류방법에 의한 토지피복도 및 수애선 추출 (Extracting Land Cover Map and Boundary Line between Land and Sea from Hyperspectral Imagery)

  • 이진덕;방건준;주영돈;한승희
    • 한국콘텐츠학회:학술대회논문집
    • /
    • 한국콘텐츠학회 2014년도 추계 종합학술대회 논문집
    • /
    • pp.69-70
    • /
    • 2014
  • 연안지역에 대한 항공 하이퍼스펙트럴 영상으로부터 객체기반 분류방법을 이용하여 토지피복분류를 수행하고 기존에 주로 사용되어온 화소기반 분류기법에 의한 결과와 비교하였으며, 생성된 토지피복도로부터 해륙경계선인 수애선벡터를 용이하게 추출하는 방법을 제시하였다.

  • PDF