• Spatial Information Research
• /
• v.12 no.1
• /
• pp.111-125
• /
• 2004

Improvements of classification accuracy are main issues in satellite image classification. Considering the facts that multiple images in the same area are available, there are needs on researches aiming improvements of classification accuracy using multiple data sets. In this study, orthogonal summation method of Dempster-Shafer theory (theory of evidence) is proposed as a multiple imagery classification method and posterior probabilities and classification uncertainty are used in calculation process. Accuracies of the proposed method are higher than conventional classification methods, maximum likelihood classification(MLC) of each data and MLC of merged data sets, which can be certified through statistical tests of mean difference.

• The Journal of Korean Association of Computer Education
• /
• v.5 no.3
• /
• pp.37-44
• /
• 2002

Automatic text classification is a task of assigning predefined categories to free text documents. Its importance is increased to organize and manage a huge amount of text data. There have been some researches on automatic text classification based on machine learning techniques. While most of them was focused on proposal of a new machine learning methods and cross evaluation between other systems, a through evaluation or optimization of a method has been rarely been done. In this paper, we propose an improving method of kNN-based Korean text classification system using heuristic informations about decision function, the number of nearest neighbor, and feature selection method. Experimental results showed that the system with similarity-weighted decision function, global method in considering neighbors, and DF/ICF feature selection was more accurate than simple kNN-based classifier. Also, we found out that the performance of the local method with well chosen k value was as high as that of the global method with much computational costs.

• Journal of the Speleological Society of Korea
• /
• no.84
• /
• pp.35-42
• /
• 2008

Unlike conventional cave classification, this paper is attempted to classify caves in Korea in considerations for the surroundings. As a result, it‘s been confirmed that a cave can maximize the effect of information delivery as a part of great tourism resources. It‘s also been confirmed that the characteristics of caves can be differently interpreted depending on the size of surrounding humanistic environment as well as the size of the cave.

• Journal of Korean Society of Rural Planning
• /
• v.12 no.1 s.30
• /
• pp.75-83
• /
• 2006

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.190-192
• /
• 2003

소비자의 신용 대출 규모가 점차 증가하면서 기업에서 고객의 신용 등급에 의한 정확한 고객 분류를 필요로 하고 있다 이를 위해 판별 분석과 신경망의 역전파(BP: Back Propagation)를 이용한 고객 분류 시스템이 연구되었다. 그러나, 판별 분석을 사용한 방법은 불규칙한 신용 거래의 성향을 보이는 비정규 분포의 고객 데이터의 영향으로 여러 개의 판별 함수와 판별점이 존재하여 분류 정확도가 떨어지는 단점이 있다. 신경망을 이용한 방법은 불규칙한 신용 거래의 성향을 보이는 고객 데이터에 의해서, 지역 최소점(Local Minima)에 빠져 최대의 분류 정확률을 보이는 분류자를 얻지 못하는 경우가 발생할 수 있다. 본 논문에서는 이러한 기존 연구의 분류 정확률을 저하시키는 단점을 해결하기 위해 SVM(Support Vector Machine)을 사용하여 고객의 신용 등급을 분류하는 방법을 제안한다. SVM은 SV(Support Vector)의 수에 의해서 학습 성능이 좌우되므로, 불규칙한 거래 성향을 보이는 고객에 대해서도 높은 차원으로의 매핑을 통하여, 효과적으로 학습시킬 수 있어 분류의 정확도를 높일 수 있다 하지만, SVM은 근사화 알고리즘(Approximation Algorithms)을 이용하므로 분류 정확도가 이론적인 성능에 미치지 못한다. 따라서, 본 논문은 점진적 앙상블 SVM을 사용하여, 기존의 고객 분류 시스템의 문제점을 해결하고 실제적으로 SVM의 분류 정확률을 높인다. 실험 결과는 점진적 앙상블 SVM을 이용한 방법의 정확성이 기존의 방법보다 높다는 것을 보여준다.

• Journal of the Korean Geographical Society
• /
• v.39 no.5 s.104
• /
• pp.786-803
• /
• 2004

These days, interests on land cover classification using not only multi-sensor data but also thematic GIS information, are increasing. Often, although we have useful GIS information for the classification, the traditional classification method like maximum likelihood estimation technique (MLE) does not allow us to use the information due to the fact that the MLE and the existing computer programs cannot handle GIS data properly. We proposed a new method for updating the image classification using multi-spectral and multi-temporal images. In this study, we have simultaneously extended the MLE to accommodate both multi-spectral images data and land cover data for land cover classification. In addition to the extended MLE method, we also have extended the empirical likelihood ratio estimation technique (LRE), which is one of non-parametric techniques, to handle simultaneously both multi-spectral images data and land cover data. The proposed procedures were evaluated using land cover map based on Landsat ETM+ images in the Anmyeon-do area in South Korea. As a result, the proposed methods showed considerable improvements in classification accuracy when compared with other single-spectral data. Improved classification images showed that the overall accuracy indicated an improvement in classification accuracy of $6.2\%$ when using MLE, and $9.2\%$ for the LRE, respectively. The case study also showed that the proposed methods enable the extraction of the area with land cover change. In conclusion, land cover classification produced through the combination of various GIS spatial data and multi-spectral images will be useful to involve complementary data to make more accurate decisions.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1274-1277
• /
• 2011

단백질 1차 서열로부터 DISORDER와 ORDER지역을 예측하기 위해서 이 논문에서는 EP-tree에 기반한 출현패턴 발견 알고리즘을 제안하였다. EP-tree 알고리즘을 적용함으로서 기존의 단백질 특징 추출을 통한 방법과 달리 서열 자체에서 발견되는 출현패턴만을 이용하여 분류 모델을 생성하므로 기존의 신경망이나 SVM 보다 분류모델 생성 및 예측 속도가 빠르다. 또한 Disprot 4.9과 CASP7 테스트 데이터로 DISORDER/ORDER 지역을 예측한 결과, 73.4%의 높은 정확성을 보였다.

• Proceedings of the Plant Resources Society of Korea Conference
• /
• 2019.04a
• /
• pp.24-24
• /
• 2019

DMZ 및 접경지역은 지난 60여 년간 인간의 간섭을 받지 않아 세계적으로 우수한 생태계의 보고이며, 백두대간, 도서연안과 함께 한반도 3대 핵심생태축의 하나로서 한반도생태계보전을 위한 가장 중요한 지역이다. 이러한 DMZ 및 접경지역에 대하여 국내적 중요성 인식 제고뿐만 아니라 국제적으로도 중요생물다양성지역(KBAs)으로서의 가치인식을 위해 IUCN에서 제시하는 평가기준을 검토하고 이의 기준을 적용하여 DMZ의 생물다양성에 대한 국제적 가치정도 판단 및 중요생물다양성지역(KBAs)으로서의 보전방안을 수립하고자 한다. 첫째, DMZ 일대를 대상으로 서식하는 자생식물의 분포지역을 파악하여 DMZ 및 접경지역의 식물상은 18과 139속 367종 1아종 44변종 10품종 422분류군으로, 총 138과 613속 1,517종 8아종 217변종 58품종으로 총 1,800분류군으로 확인되었다. 본 연구대상지의 동부지역에서 가장 많은 1,482분류군, 중부지역은 1,225분류군, 서부지역은 1,080분류군으로 가장 적은수의 식물이 확인되었다. 둘째, DMZ 및 접경지역을 대상으로 객관적이고 정량적인 방법을 통한 DMZ 및 접경지역의 중요생물다양성지역(KBAs) 지정기준을 적용하여 개느삼, 금강초롱, 모데미풀 3종을 중요생물다양성지역(KBAs) 후보종으로 선정하였다. 후보종별로 분포예측 결과 전체 면적 $5,270.5km^2$ 중요생물다양성지역(KBAs) 지정을 제안하였다. 셋째, 지정기준을 통하여 선정된 DMZ 및 접경지역에 서식하는 주요 식물에 대한 국제적 가치를 판단하여 우리나라 상황에 맞는 중요생물다양성지역(KBAs)을 적용함으로써 효과적인 관리방안으로 투명하고 체계화된 국제적 기준으로 해당 지역 내의 생물종 다양성을 지속가능하게 보호하기 위한 구체적인 방향 설정 및 관리를 위한 노력이 이루어질 수 있도록 유도 할 수 있다. 수집된 자료를 통하여 중요생물다양성지역(KBAs)에 적합한 종을 중심으로 보호구역을 지정하고 국내적으로 중요한 지역적 멸종위기종에 대한 적용을 추가적으로 진행하여 식물다양성이 중요한 지역의 보호를 위한 우선순위 및 구체적 접근계획을 수립할 수 있을 것으로 판단된다. 국가적인 차원에서 DMZ 및 접경지역의 지속적인 조사를 통하여 중요생물다양성지역(KBAs)기준 적용에 필요한 기초자료를 충분히 수집하고 국내 환경에 부합하는 중요생물다양성지역(KBAs)기준 적용을 통하여 꾸준히 재평가하여 후속연구의 발판을 마련하여야 한다.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.307-310
• /
• 2006

고해상도(VHR, Very High Resolution) 영상은 활용에 따라 도심의 다양한 정보를 얻을 수 있는 잠재적 가치가 매우 큰 자료이다. 그러나 이러한 고해상도 영상자료는 매우 높은 공간해상력으로 인해 같은 용도의 객체 혹은 같은 객체(예, 건물)라 할지라도 다양한 분광 특성 및 형태로 표현된다. 그러므로 이러한 고해상도영상을 이용하여 효과적으로 주제도를 생성하기 위해서는 현재까지 영상분류 분야에서 주로 활용되고 있는 화소(pixel)단위 기반의 분석방법으로는 한계가 존재한다. 본 연구에서는 이러한 문제점을 보완하기 위한 방법으로 활발한 연구가 진행되고 있는 세그멘트(segment) 혹은 객체(object) 기반 분류기법을 고해상도 영상 및 라이다 자료에 적용하여 도심지역의 건물들을 추출해 보았으며, 그 활용 가능성에 대하여 판단해 보았다. 이러한 세그멘트 기법은 분류하고자 하는 객체들을 하나의 동일한 특성을 가지는 집단으로 모으는 방법을 말하는데, 이를 위해 본 연구에서는 multi-resolution image segmentation기법을 제공해주는 eCognition이라는 소프트웨어를 이용하였다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.30 no.4
• /
• pp.397-404
• /
• 2012

Jeju where concentrates on agriculture and tourism, conversion of outdoor culture into cultivation under structure happens actively for the purpose of increasing profit so continuous examination on house cultivation area is very important for this region. This paper is to suggest the effective image classification method using high resolution satellite image to detect the greenhouse. We carried out classification of greenhouse using the supervised classification and rule-based classification method about Formosat-2 images. Connecting result of two classification try to find accuracy improvement for greenhouse detection. Results about each classification method were calculated the accuracy by comparing with the result of visual detection. As a result, mahalanobis distance among the supervised methods was resulted in the highest detection. Also, it could be checked that detection accuracy was improved by tying with result of supervised method and result of rule-based classification. Therefore, it was expected that effective detection of greenhouse would be feasible if henceforward further study is performed in the process of connecting supervised classification and rule-based classification.