• 산업노동연구
• /
• 제17권1호
• /
• pp.325-350
• /
• 2011

이 글은 영국의 시간제 근로의 특징과 그 제도적 맥락을 분석하고 있다. 노동시장에 대한 규제와 여성의 노동시장 참여에 대한 지원이 낮은 영국에서는 시장주도의 시간제 활용이 일찍부터 발달했다. 시간제 근로는 영국 취업 여성의 40 퍼센트를 차지할 정도로 특히 기혼 여성들의 주요한 일자리이다. 시장의 역할과 개인의 선택이 강조되는 영국에서 시간제 일자리는 고용주 주도의 시장의 유연성에 기여하는 방식으로, 그리고 여성들이 일과 가족 사이에서 시간제 근로를 통해 여성들 자신의 노동시간을 조정하는 주요 수단으로서 작동했다. 그러나 1997년 이후 영국에서는 제도적 개입을 강화하는 변화가 있었고, 시간제 근로를 기혼 여성을 위한 제한적 일자리로부터 보편적 유연근로로 변화시키려는 법적, 제도적 노력이 있었다. 이러한 변화는 시간제 근로에 대한 불이익은 원칙적으로 시정할 수 있게 되었으나, 여전히 이해당사자들 사이의 집합적 해결방식보다는 개별 근로자와 고용주 사이의 개인화된 해결방식으로 영국이 접근함으로써 여성들의 고용패턴, 그리고 시간제 근로의 질적 성격에 큰 변화는 나타나지 않았다.

• 디지털융복합연구
• /
• 제10권10호
• /
• pp.215-220
• /
• 2012

본 논문에서는 상황 변화 환경에서 적응적인 객체 인식을 위한 계층적 트리 구조를 이용한 조명 온톨로지 분류에 대한 방식을 제안한다. 본 논문에서는 상황이 불변하는 환경에서 동작하는 개발된 많은 시스템을 찾아냈고, 상황에 맞는 감지를 위한 새로운 개념의 트리 구조를 이용한 온톨로지를 도입하였다. 조명의 영향이 상황 인지 인식시스템을 아주 설계하기 어려운 시스템으로 만들기 때문에 본 논문에서는 트리 구조의 온톨로지를 사용하여 이러한 상황 변화 시스템을 설계하는데 더 중점을 두었다. 온톨로지는 일반적으로 사람들이 특정 분야의 것들에 대해 생각하는 방법의 추상적 모델에서 전형적으로 캡처된 한 분야의 개념화의 명시적 사양으로 정의 할 수 있다. 인간은 기본 원칙과 환경을 이해하고 설명하기 위해 온톨로지를 생성한다. 본 연구에서는 상황 온톨로지, 상황 모델링, 상황 적응 및 조명 기준에 따라 트리 구조 온톨로지를 설계하는 상황 분류를 제안했다. 조명 온톨로지의 적당한 영역을 선택한 후, 그 영역에서 더 나은 성능을 생산하는 동작의 한 집합을 선택하는데 있어서 장점을 얻었다. 본 논문에서는 역동적인 변화 환경에서 객체 인식의 영역에서 이러한 개념을 이용하여 폭 넓은 실험을 수행하였으며 제안하는 기본 개념에 대해 수행할 수 있는 많은 성공을 얻었다.

• 한국정보과학회논문지:데이타베이스
• /
• 제37권2호
• /
• pp.71-81
• /
• 2010

데이터의 군집을 찾아내는 문제는 패턴 인식, 이미지 처리, 시장 조사 등 많은 응용 분야에서 널리 사용되고 있다. 군집의 질을 결정하는 핵심 요소로는 유사 측도, 차원의 개수 등이 있다. 유사 측도는 데이터의 특성을 반영하여 다르게 정의되어야 하는데, 대부분 기존의 연구들은 데이터를 특징 지어주는 속성이 수치형으로 주어진 경우에 국한되어 있었다. 속성이 범주형으로 주어진 경우도 실생활에 많이 존재하지만, 범주형 변수에 대한 속성값의 유사성은 값의 순서가 고유하게 정해지지 않아서 정의하기 어렵다. 이에 더하여, 고차원 데이터에 대해서는 데이터 점들이 희박하게 위치하여 가까운 점과 먼 점간의 차이가 거의 없고, 군집화 결과가 좋지 않을 수 있다. 이 문제를 해결하기 위해 부분 차원 군집화 방법이 제안되어 왔다. 부분 차원 군집화 방법은 각 군집을 발견하기에 적합한 부분 차원을 선택하면서 군집화를 수행하는 방법이다. 본 논문에서는 범주형 속성으로 특징지어진 고차원 데이터를 부분 차원 군집화하기 위한 새로운 유사 측도를 제안한다. 유사 측도는 각 군집은 다른 군집과 구별되는 특정 정보를 잘 표현할 수 있어야 한다는 기본적인 가정 하에 속성들 사이의 상관성을 반영하여 정의되었다. 이들 모두를 반영한 유사측도는 기존에 존재하지 않았다는 점에서 본 연구는 의미가 있다. 실제 데이터 집합을 군집화하는 실험을 통해 제안하는 방법이 다른 군집화 방법보다 저차원 데이터와 고차원 데이터 모두에 대해 좀 더 정확한 군집 결과를 얻을 수 있음을 보였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제34권10호
• /
• pp.493-501
• /
• 2007

부정확한 실시간시스템은 시간적으로 긴급한 태스크들을 융통성있게 스케줄링해줄 수 있다. 총 오류를 최소화시키면서 0/1제약조건과 시간적 제약조건들을 모두 만족시키는 대부분의 스케줄링문제들은 선택적 태스크들이 임의의 수행시간을 갖고 있을 때 NP-complete이다. Liu는 단일처리기상에서 0/1제약조건을 갖는 태스크들을 총 오류가 최소화되도록 스케줄링시킬 수 있는 합리적인 전략을 제시하였다. 또한, 송 등은 다중처리기상에서 0/1제약조건을 갖는 태스크들을 총 오류가 최소화되도록 스케줄링시킬 수 있는 합리적인 전략을 제시하였다. 그러나, 이러한 알고리즘들은 모두 오프라인 알고리즘들이다. 그런데, 온라인 스케줄링에 있어서, NORA알고리즘은 부정확한 온라인 태스크 시스템상에서 최소의 총 오류를 갖는 스케줄을 찾을 수 있다. 이러한 NORA알고리즘에 있어서, EDF전략이 선택적 스케줄링에 적용되었다. 한편, 0/1 제약조건을 갖는 태스크시스템에 있어서는, EDF스케줄링이 총 오류가 최소화된다는 측면에서 최적이 아닐수도 있다 더욱이, 선택적 태스크들이 그들의 실행요구시간의 오름차순으로 스케쥴될 때, EBF전략이 적용된 NORA알고리즘이 최소의 총오류를 산출할 수 없을지도 모른다. 그러므로, 본 논문에서는, 0/1제약조건을 갖는 부정확한 태스크 시스템의 총 오류를 최소화시키는 온라인 알고리즘이 제안되었다. 그리고나서, 제시된 알고리즘과 NORA 알고리즘 사이의 성능을 비교하기 위하여 여러 가지 실험들이 수행되었다. 두 알고리즘들 사이의 성능비교의 결과로서, 선택적 태스크들이 그들의 실행요구시간들의 임의의 순서대로 스케줄 될 때는 제안된 알고리즘이 NORA알고리즘과 비슷한 총 오류를 산출하지만 특별히 선택적 태스크들이 그들의 실행요구시간들의 오름차순으로 스케줄 될 때는 제안된 알고리즘이 NORA알고리즘보다 더 적은 총 오류를 산출할 수 있음이 밝혀졌다. 프라이버시 문제를 해결하도록 방안을 제시한다. 구간 보안 역시 완전한 솔루션을 제시하고 있지는 않다. 본 논문에서는 이러한 취약성을 고찰하고 그에 따른 대응방안을 제시하였다.긴 경우가 1예 있었으며, 수술 후 30일내 사망한 예가 1예였고 다른 1예는 전이성 암으로 사망하였다. 걸론: 근치적 방법으로 치료가 힘든 경우의 만성 농흉 환자들에게 있어 개방식 배농술과 근육이식술, 근육피판을 이용한 최종적인 개방창 폐쇄술까지의 단계적인 접근 방법이 안전하고 효과적인 대안이 될 수 있을 것으로 생각한다.만으로 야뇨횟수에 호전을 보이는 초기반응군 경우 2개월째 투약반응이 유의하게 좋았다. 이로써 야뇨증의 치료초기 행동요법에 대한 반응정도는 치료효과를 예측하는 지표로서 활용될 수 있다고 판단된다.지침을 제공할 수 있다. 소아의 첫 요로감염시 초음파나 $^{99m}Tc$-DMSA 신장 스캔상에서 양성소견이 있을 경우 배뇨성 방광 요도 조영술 검사를 시행하는 것이 좋으며, 초음파와 $^{99m}Tc$-DMSA 신장 스캔상에서 양성소견이 없을 경우라도 CRP 또는 백혈구 등의 임상자료들을 평가하여 배뇨성 방광 요도 조영술 검사를 시행유무를 결정하는 것이 잔존하는 방광요관역류를 찾는데 도움이 될 것으로 생각된다.O$로 고칼슘뇨군에서 더 농축된 소변을 보았다(P=0.003). 결론 :고칼슘뇨군의 소변화학검사의 가장 특징적인 소견은 요소 배설과 사구체여과율의 증가로서 이는 고칼슘뇨군이 비고칼슘뇨군에 비하여 고단백식이를 하고 있을 가능성을 시사한다. 나트륨과 칼슘은 사구체 여과가 증가함에 따라 원위세뇨관 및 집합관에 도달하는 양도 증가하고 그 곳에서 나트륨의 재흡수 기전이 매우 정교하게 이루어지는데 비하여 칼슘의 그 것은 그렇지 못하여 고칼슘뇨증을 일으켰을 가능성이 있다. 향후 고칼슘뇨 환아를 진료함에 있어서 단백질 섭취 등식이

• 분석과학
• /
• 제24권6호
• /
• pp.544-555
• /
• 2011

본 연구는 농약류에 대하여 구조-활성의 정량적 관계(QSAR)를 이용하여 무지개 송어(학명: Oncorhynchus mykiss)의 급성 독성을 예측-분석하는 과정을 수행하였다. 모델 구현을 위해 사용된 275종의 농약류에 대한 수중 독성(96h $LC_{50}$) 값은 DEMETRA프로젝트의 데이터를 사용하였다. 예측 모델에 사용된 2차원 분자 표현자는 PreADMET프로그램으로부터 계산을 하였고, 선형 (다중 선형 회귀 방법)모델과 비선형(서포트 벡터 머신, 인공 신경망) 학습 방법들은 실험값과 예측값의 적합도를 고려하여 최적화 되었다. 데이터 전처리 과정을 거친 뒤에, 5묶음 교차 검증과정을 포함한 모집단 기반 전진 선택법을 통해서 각 학습 방법의 최적의 표현자 집합을 결정하였다. 가장 좋은 결과는 SVM 방법 ($R^2_{CV}$=0.677, RMSECV=0.887, MSECV=0.674) 이었고, EU의 규제 기준에 따른 분류에서는 87%의 정확도를 나타내었다. MLR방법을 통해서는 무지개 송어의 급성 독성에 대하여 독성을 나타내는 농약류의 구조적 특징과 지질 층과의 상호작용을 설명할 수 있었다. 개발된 모든 모델들은 5묶음 교차 검증과 Y-scrambling test을 통해 검증되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권11호
• /
• pp.936-946
• /
• 2009

그래프 컷(graph cuts) 방법은 주어진 사전정보와 각 픽셀간의 유사도를 나타내는 데이터 항(data term)과 이웃하는 픽셀간의 유사도를 나타내는 스무드 항(smoothness term)으로 구성된 에너지 함수를 전역적으로 최소화하는 방법으로, 최근 영상 분할에 많이 이용되고 있다. 기존 그래프 컷 기반의 영상 분할 방법에서 데이터 항을 설정하기 위해 GMM(Gaussian mixture model)을 주로 이용하였으며, 평균과 공분산을 각 클래스를 위한 사전정보로 이용하였다. 이 때문에 클래스의 모양이 초구(hyper-sphere) 또는 초타원(hyper-ellipsoid)일 때만 좋은 성능을 보이는 단점이 있다. 다양한 클래스의 모양에서 좋은 성능을 보이기 위해, 본 논문에서는 mean shift 분석 방법을 이용한 그래프 컷 기반의 자동 영상분할 방법을 제안한다. 데이터 항을 설정하기 위해 $L^*u^*{\upsilon}^*$ 색상공간에서 임의로 선택된 초기 mean으로부터 밀도가 높은 지역인 모드(mode)로 이동하는 mean의 집합들을 사전정보로 이용한다. Mean shift 분석 방법은 군집화에서 좋은 성능을 보이지만, 오랜 수행시간이 소요되는 단점이 있다. 이를 해결하기 위해 특징공간을 3차원 격자로 변형하였으며, mean의 이동은 격자에서 모든 픽셀이 아닌 3차원 윈도우내의 1차원 모멘트(moment)를 이용한다. 실험에서 GMM을 이용한 그래프 컷 기반의 영상분할 방법과 최근 많이 이용되고 있는 mean shift와 normalized cut기반의 영상분할 방법을 제안된 방법과 비교하였으며, Berkeley dataset을 기반으로 앞의 세 가지 방법보다 좋은 성능을 보였다.

• 한국지능시스템학회논문지
• /
• 제23권4호
• /
• pp.354-359
• /
• 2013

본 논문을 통해서 우리는 최적화 알고리즘인 binary harmony search (BHS) 알고리즘을 이용하여 unsupervised nonlinear classifier를 구현하는 방안을 제시하였다. 패턴인식을 위한 기계학습이나 뇌파 신호의 분석 과정과 같이 벡터로 표현되는 특징들을 분류하는데 있어 다양한 알고리즘들이 제시되었다. 교사 학습기반의 분류 방식으로는 support vector machine과 같은 기법이 사용되어왔고, 비교사 학습 방법을 통한 분류 기법으로는 fuzzy c-mean (FCM)과 같은 알고리즘들이 사용되어 왔다. 그러나 기존에 사용해 왔던 분류 방법들은 비선형 데이터 분류에 적용하기 힘들거나 교사 학습을 적용하기 위해서 사전정보를 필요로 하는 문제점이 있다. 본 논문에서는 경험적 접근을 통해 공간상에 분포된 벡터 사이의 기하학적 거리를 최소로 만드는 벡터 집합을 선택하고 이를 하나의 클래스로 간주하는 방법을 적용한 분류법을 제시하였다. 비교 대상으로 FCM과 artificial neural network (ANN) 기반의 self-organizing map (SOM)을 제시하였다. 시뮬레이션에는 KEEL machine learing dataset을 사용하였고 그 결과, 제안된 방식이 기존 알고리즘에 비해 더 나은 우수성을 지니고 있음을 확인하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제34권5호
• /
• pp.420-436
• /
• 2007

지리정보시스템에서 빈번히 사용되는 공간 조인 연산자의 성능을 보장하기 위해서는 효율적인 색인 기법의 선택이 중요하며, 대표적인 색인 기법으로는 $R^*$-tree를 이용한 방법이 알려져 있다. 본 논문에서는 DOT(Double Transformation) 공간 색인을 이용한 효율적인 공간 조인 처리 기법을 제시하고 이를 $R^*$-tree를 이용한 공간 조인 처리 기법과 비교한다. DOT 공간 색인 기법은 공간 객체의 MBR 정보를 공간 순서화 곡선을 사용하여 하나의 1차원 값으로 변환한 후 그 값을 검색 키로 갖는 $B^+$-tree 색인 구조를 구성하는 방법으로서, 이를 이용하면 전통적인 데이타베이스의 주 색인을 적용할 수 있다는 중요한 특징을 가진다. 본 논문에서는 공간 객체의 MBR 정보를 하나의 1차원 값으로 변환하기 위해 사용되는 공간 순서화 곡선의 규칙성을 분석함으로써 공간 변환 연산의 횟수를 대폭 감소시킨 효율적인 DOT 색인기반의 공간 조인 알고리즘을 제안한다. 제안된 알고리즘에서는 반복적으로 수행되는 공간 변환 연산의 횟수를 줄이기 위하여 질의 영역을 공간 순서화 곡선이 연속 운행하는 가능한 최대 크기의 면적으로 분할하는 쿼터 분할 기법을 사용한다. 다양한 분포와 크기를 갖는 데이타 집합을 대상으로 $R^*$-tree를 이용한 공간 조인 처리 기법과의 비교 실험을 수행한 결과 최대 약 3배의 성능 이익을 얻을 수 있음을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제22권2호
• /
• pp.192-197
• /
• 2012

DNA 마이크로어레이 기술의 발달과 함께 이를 활용한 질병 진단 및 치료 예후 확인을 목적으로 하는 연구가 활발히 진행 되고 있다. 일반적으로 마이크로어레이 데이터를 이용한 실험에서는 특징들의 수에 비해 적은 샘플의 수, 내재적 측정 노이즈, 서로 다른 샘플들 간의 이질성 등이 분류 성능을 떨어트리는 원인이 된다. 이러한 문제를 극복하기 위해 패스웨이 기반의 기능적 모듈 단위의 마커를 사용하는 방법들이 새롭게 제안 되었다. 이들은 패스웨이의 멤버 유전자들의 발현 값을 요약하여 해당 패스웨이의 활성도로 사용하는데, 기존의 기법들과 비교하여 뛰어난 분류 성능과 재현성을 보여주었다. 그러나 이러한 활성도 계산 방법은 개별 유전자들과 표현형 사이의 상관관계를 무시하거나, 개별 유전자들이 갖는 발현 특성이 제거 되는 단점들이 있다. 본 논문에서는 선택된 기능적 모듈 단위의 유전자들의 부분집합들을 기반으로 약 분류기를 구성하고, 이들의 분류 결과를 결합하여 최종 결과를 추론하는 앙상블 분류 기법을 제안한다. 이 과정에서 유전자 상호작용 정보와 mRMR 필터를 사용하는 필터링과정을 통해 탐색 공간을 최소화하여 분류 성능을 높일 수 있도록 하였다. 제안 된 방법의 성능을 테스트하기 위해 폐암 데이터에 적용한 결과, 기존의 기법들에 비해 신뢰성이 있고 우수한 분류 성능을 보여주었다.

• 전자공학회논문지
• /
• 제53권3호
• /
• pp.59-66
• /
• 2016

이 논문에서는 비유사도-기반 분류(dissimilarity-based classifications: DBC)를 효율적으로 수행할 수 있는 차원 축소 방법들을 비교 평가한 실험 결과를 보고한다. DBC에선 분류를 위해 대상 물체를 측정한 결과 값들(특징 요소들의 집합)을 이용하는 대신에 각 대상 물체들 사이의 비유사도를 측정하여 분류한다. 현재 DBC와 관련된 이슈들 중의 하나는 대규모 데이터를 취급할 경우에 비유사도 공간의 차원이 고차원으로 되는 문제가 있다. 이 문제를 해결하기 위하여 현재 프로토타입 선택(prototype selection: PS)방법이나 차원 축소(dimension reduction: DR)방법을 이용하고 있다. PS는 전체 학습 데이터에서 프로토타입을 추출하여 비유사도 공간을 구성하는 방법이고, DR은 전체 학습 데이터로 먼저 비유사도 공간을 구성한 다음 이 공간의 차원을 축소하는 방법이다. 이 논문에서는 PS이나 DR 대신에, 학습 데이터에 대한 주성분 분석으로 적절한 차원의 고유 공간 (Eigen space: ES)을 구성한 다음, 이 고유 공간으로 매핑 된 벡터들 사이의 $l_p$-놈(norm) 거리를 비유사도 거리로 측정하여 이용하는 DBC를 제안한다. 인터넷에 공개된 인공 및 실세계 데이터를 이용하여 최 근방 이웃 분류규칙으로 ES에서 수행한 DBC의 분류 성능을 측정한 결과, 고유공간의 차원을 적절하게 선정하였을 경우 PS와 DR를 이용한 DBC보다 분류 성능이 더 향상되었음을 확인하였다.