• 한국신재생에너지학회:학술대회논문집
• /
• 2010.06a
• /
• pp.108.1-108.1
• /
• 2010

분류층 가스화기는 석탄과 산소(공기) 및 수증기가 반응하여 $1200{\sim}1600^{\circ}C$의 고온, 20~60기압의 고압에서 작동되어 합성가스를 생성하며 합성가스에 포함된 입자 및 황화합물 등을 정제설비를 통하여 정제 후 발전 및 화학원료로 사용한다. 석탄가스화 중 석탄에 포함된 대부분의 회분은 용융슬래그 형태로 가스화기 벽면을 따라 흘러 내려 가스화기 하부의 냉각수조에서 급랭되어 배출된다. 이때 용융슬래그의 원활한 배출을 위해서는 일정범위의 점도를 유지하는 것이 필요하다. 슬래그의 점도는 가스화기 온도 및 Ash의 조성에 따라 크게 변하며 가스화기 설계 및 운전 시 매우 중요한 변수이다. 따라서 최적의 설계 및 운전을 위해서는 Ash의 점도예측이 중요하며, 분류층 가스화기내부에서 Ash 점도 예측을 위한 DooVisco 프로그램을 개발하였다. DooVisco는 가스화기 내부에서 슬래그 용융온도 및 온도별 점도, 가스화기 최소 운전온도 및 석회석 투입 효과 분석뿐만 아니라 석탄의 혼합 사용 시의 특성 예측도 가능하도록 개발되었다. DooVisco는 슬래그 주요 4성분인 SiO2, Al2O3, CaO, FeO 성분에 대한 Phase Diagram을 이용하여 1차적으로 슬래그용융온도(Liquidus Temperature)를 예측하고, 주요 4 성분 외에 Na2O, MgO, K2O, TiO2 등을 고려한 Kalmanovich Model을 이용하여 점도를 예측한다. 최종적으로 슬래그 용융온도와 점도를 활용하여 분류층 가스화기 운전가능 온도범위를 예측한다. 개발된 DooVisco를 활용하여 300MW급 실증 IGCC 플랜트에 사용가능성이 있는 석탄을 대상으로 슬래그의 용융온도 및 점도 등을 예측하였으며 최적 운전을 위한 슬form점도 조절용 Flux인 석회석 투입량 등을 평가하였다. 평가 결과 슬래그 용융온도가 $1700^{\circ}C$ 이상으로 석회석 투입이 필요하다고 판단되었다. 약 가스화기 내부 온도를 $1500^{\circ}C$ 정도에서 원활한 운전을 위해서는 석탄 대비 약 10% 내외의 석회석 투입이 필요할 것으로 평가되었다. DooVisco는 분류층 가스화기 설 계시 가스화기 최적 운전 온도 설정 및 Flux 투입필요성, 종류, 투입량 선정에 활용될 수 있을 뿐만 아니라 플랜트 운전시 석탄의 탄종 적합성 등을 판단하는데 활용될 수 있을 것이라 판단된다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.2
• /
• pp.233-242
• /
• 2018

Previous works for detecting arrhythmia have mostly used nonlinear method such as artificial neural network, fuzzy theory, support vector machine to increase classification accuracy. Most methods require higher computational cost and larger processing time. Therefore it is necessary to design efficient algorithm that classifies PVC(premature ventricular contraction) and decreases computational cost by accurately detecting feature point based on only R peak through optimal R wave. For this purpose, we detected R wave through optimal threshold value and extracted RR interval and R peak pattern from noise-free ECG signal through the preprocessing method. Also, we classified PVC in realtime through RR interval and R peak pattern. The performance of R wave detection and PVC classification is evaluated by using 9 record of MIT-BIH arrhythmia database that included over 30. The achieved scores indicate the average of 99.02% in R wave detection and the rate of 94.85% in PVC classification.

• Journal of the Korean Geotechnical Society
• /
• v.39 no.2
• /
• pp.5-17
• /
• 2023

In this study, a classification and uniaxial compression test of soil was conducted on 15 collapsed sites to use ground improvement with excellent protection effect owing to the increase of localized heavy rain in Korea. The Casagrande method and fall cone test were performed on the field soil to derive an expression for comparing liquid limit and plastic limit values, soil classification, and correlation between each other. By deriving the optimal mixing ratio of the ground improvement agent using uniaxial compressive strength for each soil classification, the classification of the fine-grained soil was not clear owing to the proficiency difference and test error. However, after classifying using the fall cone test, it was possible to suggest a clear optimal mixing ratio.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.439-442
• /
• 2007

본 논문은 퍼지 분류를 위한 퍼지 규칙베이스 시스템에 대한 최적화 해법으로서 유전 알고리즘에 대해 살펴본다. 즉 퍼지 규칙베이스를 이용하는 퍼지 분류 시스템을 최적화률 하는 유전 알고리즘을 제안한다. 본 논문에서 다루는 최적화는 추출되는 퍼지 규칙의 수와 퍼지 분류 시스템의 입력 패턴을 정확하게 분류하는 지에 대한 성능을 포괄적으로 수행하는 것을 의미한다. 마지막으로 본 논문에서 제안하는 유전 알고리즘을 이용하여 수치실험을 수행하고 그 결과를 통해 제안하는 알고리즘의 유효성과 효율성을 생성된 퍼지 규칙의 수와 퍼지 분류 시스템의 성능의 관점에서 논의한다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2001.08a
• /
• pp.173-176
• /
• 2001

이 연구는 계층적 분류체계를 기반으로 자동분류를 수행할 HiCat 알고리즘을 제안한다. HiCat 알고리즘은 DDC 지식베이스의 주제어와 기계학습을 거친 정보를 동시에 이용하고, 각 계층별로 주제적합성가중치를 구해 최종 주제범주를 결정한다. 이 알고리즘이 최적의 성능을 보이는 조건을 알아보고, 일반 분류기와의 성능 비교를 통해 HiCat 알고리즘을 평가해 보았다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.34 no.11
• /
• pp.1681-1689
• /
• 2010

Several studies on the use of Support Vector Machines (SVMs) for diagnosing rotating machinery have been successfully carried out, but the fault classification depends on the input features as well as a multi-classification scheme, binary optimizer, kernel function, and the parameter to be used in the kernel function. Most of the published papers on multiclass SVM applications report the use of the same features to classify the faults. In this study, simple statistical features are determined on the basis of time domain vibration signals for various fault conditions, and the optimal features for each fault condition are selected. Then, the optimal features are used in the SVM training and in the classification of each fault condition. Simulation results using experimental data show that the results of the proposed stepwise classification approach with a relatively short training time are comparable to those for a single multi-class SVM.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.23 no.12
• /
• pp.1542-1550
• /
• 2019

Legacy studies for classifying arrhythmia have been studied to improve the accuracy of classification, Neural Network, Fuzzy, etc. Deep learning is most frequently used for arrhythmia classification using error backpropagation algorithm by solving the limit of hidden layer number, which is a problem of neural network. In order to apply a deep learning model to an ECG signal, it is necessary to select an optimal model and parameters. In this paper, we propose optimal parameter extraction method based on a deep learning. For this purpose, R-wave is detected in the ECG signal from which noise has been removed, QRS and RR interval segment is modelled. And then, the weights were learned by supervised learning method through deep learning and the model was evaluated by the verification data. The detection and classification rate of R wave and PVC is evaluated through MIT-BIH arrhythmia database. The performance results indicate the average of 99.77% in R wave detection and 97.84% in PVC classification.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.279-279
• /
• 2021

위성영상정보는 센서의 종류, 취득, 분석, 재난과 위성영상 특성 매칭 등의 제약으로 재난 상황에서 제한적으로 사용되었다. 일반적으로 인공위성의 종류는 탑재한 센서의 정보제공 능력 범위에 따라 분류 가능하며 이에 따라 대상 범위가 결정된다. 본 연구에서는 재난의 예측, 탐지, 사후처리를 위한 위성자료의 취득과 활용을 위해 다양한 위성과 탑재된 센서의 궤도, 공간 해상도, 파장대 등의 특성에 대하여 분석하고 재난유형별로 최적 위성영상을 선정하였다. 행정안전부에서는 재난과 재해의 유형을 자연재난(10종)과 사회재난(27종)으로 분류하였다. 위성영상 활용이 가능한 재난 유형은 가시적으로 확인이 가능한 자연재난에 해당하며 그 중 태풍, 홍수, 가뭄, 산불 등 총 4종의 재난유형별로 가용한 최적의 위성영상을 분석하였다. 재난관측에 사용 가능한 대표적인 탑재체의 종류는 극궤도 지구관측 위성에서 광학과 SAR로 구분할 수 있다. 각 기본 특성에 따라 제공되는 정보의 종류가 분류되며 광학 센서는 태양복사 및 지구복사에너지 파장 영역 중 가시광선-근적외선-단파적외선-열적외선 파장대 영역의 분광 정보를 제공할 수 있는 다중 밴드들로 구성된다. 지표의 특정 대상이나 물질을 탐지하고 변화를 감지·분석하는데 유용하여 홍수, 태풍, 지진 등 자연 및 사회 재난·재해 관측에 유용하게 이용된다. SAR 센서는 장파장의 전자기파를 방출한 후 돌아오는 신호를 활용하여 대상에 대한 정보를 획득한다. 대기의 효과 및 요소를 투과하는 주파수 대역별 장파장 밴드 정보를 활용하여 고해상도의 대상 표면, 위치, 형태 등의 정보를 측량 및 관측하므로 중·광역 지역에 제약 없이 영상정보를 획득할 수 있어 산사태, 홍수, 지진, 등의 재난 모니터링에 유용하다. 이러한 다종 위성별 센서들의 특징(공간 해상도, 파장대별 밴드 특성, 관측폭, 재방문 주기 등)들을 분석하여 재난유형별로 가용한 무료/상용 지구관측위성을 분류한 결과 태풍에는 광역관측, 정지궤도 위성, 홍수에는 광학 및 SAR 고해상도 위성, 가뭄은 광역관측, 다분광 광학 위성 그리고 산불에는 정지궤도, 광학, SAR 위성이 적합함을 알 수 있다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.50 no.2
• /
• pp.185-192
• /
• 2013

In this paper, proposed to improve the performance of speech and mixed content signal classification using MFCC based on GMM probability model used for the MPEG USAC(Unified Speech and Audio Coding) standard. For effective pattern recognition, the Gaussian mixture model (GMM) probability model is used. For the optimal GMM parameter extraction, we use the expectation maximization (EM) algorithm. The proposed classification algorithm is divided into two significant parts. The first one extracts the optimal parameters for the GMM. The second distinguishes between speech and mixed content signals using MFCC feature parameters. The performance of the proposed classification algorithm shows better results compared to the conventionally implemented USAC scheme.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.4
• /
• pp.127-135
• /
• 2011

Efficient ordering of decision variables is one of the methods that find solutions quickly in the depth first search using backtracking. At this time, development of variables ordering algorithms considering dynamic and static properties of the problems is very important. However, to exploit optimal variable ordering algorithms appropriate to the problems. In this paper, we propose a problem classifying rule which provides problem type based on variables' properties, and use this rule to predict optimal type of variable ordering algorithms. We choose frequency allocation problem as a DS-type whose decision variables have dynamic and static properties, and estimate optimal variable ordering algorithm. We also show the usefulness of problem classifying rule by applying base station problem as a special case whose problem type is not generated from the presented rule.