• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.257-257
• /
• 2019

최근 기후변화에 따른 대응을 위해 기존 수자원 활용의 고도화 및 배수능력 증대를 위해 다양한 방안이 추진되고 있으며, 그에 따라 기존 개수로에 신규 수로를 연결하여 합류와 분류를 시키는 사례가 증가하고 있다. 특히 신규 개수로 연결을 위한 분류부 형상은 관련 설계기준, 분류유량의 규모, 해당 지점의 하상변동 경향, 지형여건, 흐름 분류시설 및 구조물의 형태(양수펌프장, 스크린이나 수문, 암거설치)와 같은 구조적 요인 등에 의해 달라지지만, 이와 관련된 연구가 매우 부족한 실정이다. 따라서 본 연구에서는 2차원 수치모형을 이용하여 분류부 평면형상 변화에 따른 분류유량비와 흐름분리구역 분포 등에 대한 흐름특성을 분석하고 이수와 치수계획 수립 등에 활용하고자 한다. 본 연구에서는 TELEMAC-2D 모형을 이용하여 주수로 상류 유입흐름의 프루우드 수가 0.74, 0.52인 두 흐름에 대해 형상변화 폭을 주수로 폭(B)의 1B, 주수로 형상변화를 급확대, 점진적 확대 구간길이를 1B~3B로 변화시키며 분류유량비(분류수로 유입유량/상류 유입유량)와 흐름분리구역의 위치와 크기 등에 대한 분석을 수행하였다. 분류부 상류 유입흐름의 프루우드 수가 0.74, 분류유량비는 0.33인 흐름은 주수로 형상변화 구간길이가 1B 일 때 0.44~0.46, 3B일 때 0.54~0.60으로 점차 분류유량비가 증가한다. 반면 상류 유입흐름의 프루우드수가 0.52, 분류유량비가 0.52인 흐름은 주수로 형상변화 구간길이가 1B일 때 0.77~0.82에서 3B일 때 0.70~0.80으로 점차 분류유량비 증가율이 감소하는 경향을 나타내게 된다. 주수로 형상변화 폭을 0.5B, 1B로 달리하여 수로 형상변화를 시킨 경우 분류유량비 증가율은 각각 135~162%, 134~176%로 나타났으며, 이는 수로 형상변화 폭보다 변화구간 길이가 더 큰 분류유량비 변화에 영향을 미치는 것을 확인할 수 있다. 흐름분리구역은 상류 유입흐름의 프루우드 수가 0.74인 경우 수로형상 변화구간과 분류수로 입구에 형성되지만, 상류유입흐름의 프루우드 수가 0.52인 경우 수로형상변화 구간과 주수로 하류에도 형성된다. 수치실험 결과 동일수로 폭 직사각형 $90^{\circ}$ 분류수로에서 분류부 평면형상의 변화에 따라 주수로 하류방향흐름의 관성력은 감소하는 반면 분류수로로 향하는 횡압력경사와 흐름분리구역 발생위치 변화로 인해 분류 수로내 통수능이 증가하여 분류유량비가 급격하게 증가하게 된다. 또한 분류부 상류 유입흐름의 관성력이 작은 경우 분류부 평면형상 변화시 주수로 하류방향에서도 흐름분리구역이 형성되고 주수로 종방향 수위가 상승함에 따라 분류흐름 계획수립 시 세심한 주의가 필요하다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.12 no.2 s.29
• /
• pp.53-59
• /
• 2004

In this paper, we investigated a method for feature-based classification to develop a software which is suitable for the classification of high resolution satellite imagery. We developed algorithms for image segmentation and fuzzy-based classification required for feature-based classification and designed user interfaces to support interaction with user, considering various elements required for the feature-based classification. Evaluation of the software was accomplished using real image. Classification results were compared and analysed with eCognition software which is unique commercial software for feature-based classification. The classification results from both softwares showed essentially same results and the developed software showed better result in the processing speed.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1993.10a
• /
• pp.456-460
• /
• 1993

최근 제품의 설계와 제조의 동기화를 위해 제품설계 및 공정설계 분양에서 동시공학(concurrent engineering)의 개념을 도입한 부품의 특징형상(feature)에 의한 접근방법이 중요한 과제로 대두되고 있다. 특징형상은 CAD/CAM 통합을 위한 정보전달의 매개체로서 CAPP 시스템 개발시의 CAD/CAPP 인터페이스에 중요한 기능을 가진다. 제조분야에서의 특징형상 적용은 특징형상인식(feature recognition)과 특징형상에 의한 설계 (feature based design)의 두 가지 분야가 있으며, 이 두 분야 모두 특징형상의 상세한 정의와 분류를 필요로 한다. 본 연구에서는 특징형상의 기하학적인 정의 및 분류를 위한 체계를 제시하고, 사출금형의 구성부품을 대상으로 특징형상의 기하학적 속성으로부터 특징형상의 분류기법을 개발한다.

• Proceedings of the KAIS Fall Conference
• /
• 2000.10a
• /
• pp.140-144
• /
• 2000

실리콘 웨이퍼 생산의 여러 단계의 공정 중 평탄도를 측정하고 제어하는 polishing 공정은 평탄한 정도에 의하여 제품의 합격 여부가 결정되는 측면에서 매우 중요한 과정이다. 이 연구에서는 polishing 공정의 자동화를 모색해 보기 위해 웨이퍼의 형상을 추정한 데이타를 이용하여 그 형상을 분류하는 알고리즘을 개발하였다 추정된 웨이퍼의 모양에 따라 9개의 카테고리로 분류하고, 각 카테고리를 세 종류의 통계값을 이용하여 세부 분류한다. 개발한 알고리즘을 구현하여 웨이퍼의 형상을 분류하는 모듈을 개발하였다. 개발한 알고리즘을 검증하기 위해 여러 웨이퍼를 대상으로 실험을 수행하였다. 대부분의 웨이퍼를 정확하게 잘 분류하고 있으나 인부의 미세한 변화를 감지하지 못함으로 인하여 정확하게 분류하기가 어려운 경우를 관찰할 수 있었다. 웨이퍼의 형상을 다양하게 분류함으로써 polishing 공정의 자동화를 좀 더 구체적이고 효율적으로 접근할 수 있는 계기가 됨 깃으로 기대한다.

• Proceedings of the KAIS Fall Conference
• /
• 2001.05a
• /
• pp.253-256
• /
• 2001

본 논문은 게이트 설계를 위한 제품의 형상을 정의하기 위해서 전기 전자분야 제품제조기업에서 실제로 생산했던 사출성형제품을 대상으로, 실제로 제품을 생산할 때 사용되었던 게이트 종류와 제품 용도를 분류기준으로 하여, 총칭형상과 특징형상 기법을 이용해서 제품을 분류하였다. 이러한 분류 작업을 통해서 게이트 설계에 영향을 미치는 특징형상을 제시하였다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.1387-1392
• /
• 2006

본 논문에서는 SVM (Support Vector Machine)을 기반으로 하여 인체의 뇌 하부구조인 해마에 대한 지능적 형상분석 방법을 제공한다. 일반적으로 의료 영상으로부터 해마의 형상 분석을 하기 위해서는 충분한 임상 데이터를 필요로 한다. 하지만 현실적으로 많은 양의 표본들을 얻는 것이 쉽지 않기 때문에 전문가의 지식을 기반으로 한 작업이 수반되어야 한다. 결국 이러한 요소들이 분석 작업을 어렵게 한다. 의학 기술이 복잡해 지면서 최근의 형상 분석 연구는 점차 통계적 모델을 기반으로 진행되고 있다. 본 연구에서는 해마로부터 고해상도의 매개변수형 모델을 만들어 형상 표현으로 이용하고, 집단간 분류 작업에 SVM 알고리즘을 적용하는 지능적 분석 방법을 구현한다. 우선 메쉬 데이터로부터 물리변형모델 기반의 매개변수 모델을 구축하고, PDM (point distribution model) 방법을 적용하여 두 집단을 대표하는 평균 모델을 생성한다. 마지막으로 SVM 기반의 이진 분류기를 구축하여 집단간 분류 작업을 수행한다. 구현한 모델링 방법과 분류기의 성능을 평가하기 위하여 본 연구에서는 네 가지 커널 함수 (linear, radial basis function, polynomial, sigmoid)들을 적용한다. 본 논문에서 제시한 매개변수형 모델은 다양한 형태의 의료 데이터로부터 보편적인 3차원 모델을 생성하고, 또한 모델의 전역적, 국부적인 특징들을 복합적으로 표현할 수 있기 때문에 통계적 형상분석에 적합하다. 그리고 SVM 기반의 분류기는 적은 수의 학습 데이터로부터 정상인 해마 집단과 간질 환자 집단간의 정확한 분류를 가능하게 한다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1996.04a
• /
• pp.352-357
• /
• 1996

특징형상 데이터는 공정설계의 입력 정보로 사용되며, 부품 서술 데이터, 기하학적 데이터, 가공 기술적 데이터로 분류할 수 있다. 또한 공정순서및 작업순서 결정에서 선행관계는 반드시 고려하여 위배되지 않도록 해야하는 중요한 요소이다. 본 연구에서는 작업순서 결정시 만족해야하는 선행관계를 기하형상에 의한 선행관계, 단위 특징형상의 작업내용들간의 선행관계, 가공 경험에 의한 선행관계 등으로 분류/정의하였고, 특징형상 데이터와 가공지식을 이용하여 분류된 선행관계를 자동으로 추출하는 방법을 제안하였다. 그리고 추출한 선행관계를, 공구 교환횟수를 최소로 하는 작업순서 결정 알고리즘에 적용한 사례를 정리하였다.

• Journal of the Korea Computer Graphics Society
• /
• v.10 no.4
• /
• pp.27-36
• /
• 2004

본 논문에서는 뇌의 하부구조인 해마를 정확하게 분석하기 위한 형상 정규화 방법과 정상인과 간질 환자의 해마를 분류하기 위한 방법을 제시한다. 해마에 대한 형상 분석 과정은 크게 형상 표현을 구축하는 과정, 형상의 유사도를 측정하는 과정, 정상인 집단과 환자 집단을 분류하는 과정으로 이루어진다. 본 연구에서는 해마의 형상 표현으로 메쉬, 골격, 복셀로 이루어진 하이브리드 옥트리 자료구조를 구축하였다. 또한 Iterative Closest Point (ICP) 알고리즘을 사용하여 해마 골격을 기반으로 한 정규화를 수행하였다. 그리고 정규화된 해마 형상을 전역적, 국부적으로 분석하여 최종적으로 입력된 해마가 정상인 또는 간질 환자에 속하는지를 학습된 데이터를 이용하여 분류하였다. 본 논문에서 제시한 ICP 기반의 정규화 방법은 3차원 해마 형상을 정확하게 분석하게 해주고, 골격의 정점 수를 조절함으로써 정규화 시간을 감소시킬 수 있다. 뿐만 아니라 3차원 해마 모델의 형상을 신경망을 통하여 학습시킴으로써 해마의 형상이 변형된 환자 집단과 정상인 집단을 분류하는데 이용할 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.37 no.1
• /
• pp.73-86
• /
• 2024

A radial chart of Excel is very useful graphical method in delivering information for numerical data. However, it is not easy to discriminate or classify many individuals. In this case, after shaping each individual of a radial chart, we need to apply shape analysis. For a radial chart, since landmarks for shaping are formed as many as the number of variables representing the characteristics of the object, we consider a shape that connects them to a line. If the shape becomes complicated due to the large number of variables, it is difficult to easily grasp even if visualized using a radial chart. Principal component analysis (PCA) is performed on variables to create a visually effective shape. The classification table and classification rate are checked by applying the techniques of traditional discriminant analysis, support vector machine (SVM), and artificial neural network (ANN), before and after principal component analysis. In addition, the difference in discrimination between the two coordinates of generalized procrustes analysis (GPA) coordinates and Bookstein coordinates is compared. Bookstein coordinates are obtained by converting the position, rotation, and scale of the shape around the base landmarks, and show higher rate than GPA coordinates for the classification rate.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.15 no.4
• /
• pp.531-539
• /
• 1996

The research for the classification of the artificial defects in welding parts is performed using the pattern recognition technology of ultrasonic signal. The signal pattern recognition package including the user defined function is developed to perform the digital signal processing, feature extraction, feature selection and classifier selection. The neural network classifier and the statistical classifiers such as the linear discriminant function classifier and the empirical Bayesian classifier are compared and discussed. The pattern recognition technique is applied to the classification of artificial defects such as notchs and a hole. If appropriately learned, the neural network classifier is concluded to be better than the statistical classifiers in the classification of the artificial defects.