• 지능정보연구
• /
• 제16권3호
• /
• pp.147-161
• /
• 2010

최근 방송과 통신의 융합으로 TV에 통신이라는 기술이 접목되면서, TV 시청 형태에 많은 변화를 가져왔다. 이러한 형태의 TV 시청 변화는 서비스 선택의 폭을 넓혀주지만 프로그램을 선택을 위해 많은 시간을 투자해야 한다. 이러한 단점을 개선하기 위해서 본 논문에서는 IPTV환경에서 사용자의 다양한 콘텐츠를 제공하는 방송 환경에서 고객의 시청 정보를 바탕으로 고객 사용정보 온톨로지를 구축하고 그에 따라 고객을 k-medoids 방법을 이용해서 클러스터링 한다. 이를 바탕으로 고객이 선호하는 콘텐츠를 추천 하는 방법을 제안하였다. 실험부분에서 본 제안방법의 우수성을 기존의 방법과 비교하여 보여준다.

• 정보보호학회논문지
• /
• 제28권1호
• /
• pp.25-39
• /
• 2018

최근 NIST에서는 암호학적 난수발생기의 핵심 요소인 엔트로피 소스의 안전성을 평가하기 위한 방법을 다루고 있는 SP 800-90B 문서의 두 번째 수정안과 이를 Python으로 구현한 코드를 제공하였다. SP 800-90B에서의 엔트로피 소스에 대한 안전성 평가는 엔트로피 소스의 출력 표본 수열로부터 도출한 여러 가지 추정량(estimator)에 기반 하여 최소 엔트로피를 추정하는 과정이다. 최소 엔트로피 추정 과정은 IID 트랙과 non-IID 트랙으로 대별되어 진행된다. IID 트랙의 경우 MCV 추정량만을 사용하여 속도 측면에서 무리가 없다. 반면 non-IID 트랙에서는 MCV를 포함한 총 10 가지의 추정량을 적용해 최소 엔트로피를 추정하게 된다. NIST의 코드에서 non-IID 트랙의 1 회 구동 시간은 약 20 분이 소요되고, 사용되는 메모리는 5.5 GB를 넘긴다. 이는 다양한 잡음원으로 반복적인 평가를 수행해야 하는 평가 기관 또는 여러 환경에서 실험을 수행해야 하는 개발자나 연구자 입장에서는 NIST에서 제공한 Python 코드를 이용하는 것이 불편할 수 있으며, 환경에 따라 실행이 불가할 수도 있다. 본 논문에서는 SP 800-90B의 최소 엔트로피 추정 방법에 대한 고속 구현과 효율적인 메모리 사용 기법을 제시한다. 주요 연구 결과로 MultiMCW 추정 방법에 C++ 코드의 장점을 적용한 고속화 방법, MultiMMC 추정 방법의 데이터 저장 방식을 재구성하여 메모리 사용량을 현저하게 감소시킴과 동시에 고속화한 방법, LZ78Y 추정 방법에 데이터 저장 방식의 재구성을 통한 고속화 기법 등을 제안한다. 우리의 개선된 방법이 종합적으로 적용된 C++ 코드는 NIST에서 제공한 기존의 Python 코드와 비교할 때, 속도는 14 배 빠르고 메모리 사용량은 1/13로 감소하는 효과를 보인다.

• 한국건설관리학회논문집
• /
• 제20권4호
• /
• pp.22-33
• /
• 2019

정부에서는 공동주택 노후화 문제에 대응하여 공동주택 리모델링 활성화를 위한 법과 제도를 꾸준히 개정 발전시켜왔다. 그러나 이러한 노력에도 불구하고 아직까지 세대수증가형 리모델링은 활성화되지 못하고 있다. 그 이유로 다양한 문제점이 있지만, 본 연구에서는 리모델링 사업 초기단계에 합리적인 사업성 분석과 의사결정을 위한 도구가 없다는 문제점에 주목하여 리모델링 사업성평가 모델을 제시하였다. 일반적으로 사업성(수익성) 판단은 리모델링 설계안 도출 이후에 이루어지기 마련인데, 리모델링 사업을 추진하기 위한 의사결정은 초기 추진위 단계에서 결정되기 때문에 기획단계 사업성 분석 모델이 필요하다. 이에 따라 기존의 단지정보와 자문 및 연구를 통해 도출한 리모델링 사업변수들을 이용하여 공사비, 사업비, 금융비, 일반분양수입비를 산출하였고, 이를 활용하여 투자수익률과 조합원 분담금을 개략적으로 산출할 수 있는 알고리즘을 개발하였다. 또한 개발된 초기단계 사업성 분석모델을 3개의 기추진 사례에 적용하여 모델의 적용성을 검증하였다. 비록 3개의 사례에 적용하였으나, 모델의 예측값과 실제 사례값의 오차는 5%이하로 본 모델의 적용성은 상당히 높다고 볼 수 있다. 향후 사례수를 늘려가면서 모델의 적용성을 높여간다면 실무에서 활용 가능한 유용한 tool이 될 수 있을 것으로 판단된다. 본 연구에서 개발된 개략 사업성 평가 모델은 입주민들의 빠른 의사결정을 지원하여 원활한 사업추진이 가능하게 할 것이며, 모델이 지역별로 다양하게 적용된다면 세대수증가형 리모델링사업 가능단지들의 규모를 파악하고 이를 지원하는 지자체의 정책 수립에도 기여할 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.347-358
• /
• 2019

램버시안 구름 모델(Lambertian Cloud Model)은 구름이 존재하는 대기의 연직 오존 분포를 효과적으로 산출하기 위해 사용되는 단순화된 구름 모델이다. 램버시안 구름 모델을 사용함으로써 복사 전달 모의에 필요한 구름의 광학적 특징들은 Optical Centroid Cloud Pressure(OCCP)와 Effective Cloud Fraction(ECF)으로 모수화되며, 각 모수의 정확도는 복사 모의 정확도에 큰 영향을 미친다. 하지만 OCCP 오차에 따라 발생하는 연직 오존 산출 오차는 복사 환경과 알고리듬 설정에 따라 다르게 나타나기 때문에 일반화가 매우 어렵다. 또한, OCCP 오차의 영향은 연직 오존 산출 과정에서 발생하는 다른 오차들과 혼재하기 때문에 이를 분석하는 것 또한 어렵다. 본 연구는 두 가지 방법을 사용하여 OCCP 오차로 인한 오존 산출 오차를 분석하였다. 첫 번째로, OCCP 오차가 최적 추정법(Optimal Estimation)에서 오존 산출에 미치는 영향을 모의하였다. 이를 위해 OCCP 오차에 따른 복사량 오차를 LIDORT 복사 모델로 산출하였다. 복사량 오차를 오존 산출 오차로 변환하기 위해 최적 추정법의 변환식에 복사량 오차를 대입하였고, 그 결과 OCCP를 100 hPa 높게 입력했을 때 전체 오존량이 약 2.7% 과대산출되는 것으로 나타났다. 두 번째로, 사례 분석을 통해 OCCP 오차로 인한 오존 오차를 확인하였다. 사례 분석을 위해 OCCP 오차를 가정하여 오존 산출 오차를 모의하였고, 이를 OMI 오존 프로파일 산출물인 PROFOZ 2005-2006의 사례에서 나타난 오존 오차와 비교하였다. 사례에서 나타난 오존 오차를 정의하기 위해서 이상적인 가정을 전제하였으며, 가정을 전제할 수 있도록 지표 반사도, 오존의 수평 변화율 등을 고려하여 비교적 안정적으로 오존 오차를 근사할 수 있는 49개의 사례를 선정하였다. 사례 분석 결과, 49개의 사례 중 27개(약 55%)의 사례에서 0.5 이상의 상관관계가 나타났다. 오존 프로파일 산출 특성을 고려하였을 때, 이러한 결과는 OCCP의 오차가 오존 프로파일 산출 정확도에 상당한 영향을 주고 있는 것으로 판명되었다.

• 한국방사선학회논문지
• /
• 제13권1호
• /
• pp.111-118
• /
• 2019

흉부 디지털 단층영상합성장치는 기존 DR의 낮은 깊이 해상도, CT의 높은 피폭선량 문제를 해결할 수 있는 획기적인 영상장치로 대두되고 있다. 그러나 제한된 스캔 각도로 인해 프로젝션이 X 선 소스 동작 방향으로 흉부를 완전히 포함 할 수 없어 재구성 된 슬라이스의 위, 아래 방향 경계를 따라 강도의 불연속성이 발생하게 되는데 이러한 현상을 잘림 아티팩트 (Truncation artifact)라고 한다. 이 연구의 목적은 가중 정규화 접근법을 사용하여 잘림 아티팩트를 줄이고 리스템에서 개발한 프로토 타입 흉부 디지털 단층영상합성장치 시스템에 대한 이 접근법의 성능을 평가하는 것이다. 이 시스템의 source-to-image distance는 1100 mm 이고 X 선원의 회전 중심은 검출기 표면에서 100mm 위로 설정되었다. LUNGMAN 팬텀을 사용하여 ${\pm}20^{\circ}$의 투영 뷰를 $1^{\circ}$ 간격으로 41장을 얻은 후, filtered back projection 알고리즘으로 재구성했다. 정량적 평가를 위하여 시뮬레이션을 이용하여 기준영상을 재구성 후 peak signal to noise ratio와 structure similarity index 값을 평가하였으며 실제 실험 데이터를 이용하여 mean value of specific direction 값을 평가하였다. 시뮬레이션 결과로 아티팩트 보정 전 일반적인 filtered back projection 알고리즘으로 재구성 한 영상과 비교하여 peak signal to noise ratio값과 structure similarity index값 모두 각각 증가하였으며, 실제 실험 재구성 영상의 mean value of specific direction 결과는 아티팩트의 영향이 감소됨을 확인할 수 있었다. 결론적으로, 가중 정규화 방법은 잘림 아티팩트를 줄임으로써 진단의 어려움을 발생시키는 가능성을 개선시킬 수 있는 방법으로 사료된다.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.265-282
• /
• 2022

해수면 온도(Sea surface temperature, SST)는 지구시스템에서 해양의 순환과 생태계에 큰 영향을 주는 요소이다. 지구온난화로 한반도 근해 해수면 온도에 변화가 생기면서 이상 수온(고수온, 저수온) 현상이 발생하여 해양생태계와 수산업 피해를 지속적으로 발생시키고 있다. 따라서 본 연구는 한반도 근해 해수면 온도를 예측하여 이상 수온 현상 예측으로 피해를 예방하는 방법론을 제안한다. 연구 지역은 한반도 근해로 설정하여 동시간대 해수면 온도 데이터를 사용하기 위해 Europe Centre for Medium-Range Weather Forecasts (ECMWF)의 ERA5 자료를 사용하였다. 연구방법으로는 해수면 온도 데이터의 시계열 특징을 고려하여 딥러닝 모델 중 시계열 데이터 예측에 특화된 Long Short-Term Memory (LSTM) 알고리즘을 이용하였다. 예측 모델은 1~7일 이후 한반도 근해 해수면 온도를 예측하고 고수온(High water temperature, HWT) 혹은 저수온(Low water temperature, LWT) 현상을 예측한다. 해수면 온도 예측 정확도 평가를 위해 결정계수(Coefficient of determination, R²), 평균제곱근 편차(Root Mean Squared Error, RMSE), 평균 절대 백분율 오차(Mean Absolute Percentage Error, MAPE) 지표를 사용하였다. 예측 모델의 여름철(JAS) 1일 예측 결과는 R²=0.996, RMSE=0.119℃, MAPE=0.352% 이고, 겨울철(JFM) 1일 예측 결과는 R²=0.999, RMSE=0.063℃, MAPE=0.646% 이었다. 예측한 해수면 온도를 이용하여 이상 수온 예측 정확도 평가를 F1 Score로 수행하였다(여름철(2021/08/05) 고수온 예측 결과 F1 Score=0.98, 겨울철(2021/02/19) 저수온 예측 결과 F1 Score=1.0). 예측 기간이 증가하면서 예측 모델이 해수면 온도를 과소추정하는 경향을 보여주었고, 이로 인해 이상 수온 예측 정확도 또한 낮아졌다. 따라서, 향후 예측 모델의 과소추정 원인을 분석하고 예측 정확도 향상을 위한 연구가 필요할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제56권6호
• /
• pp.403-417
• /
• 2023

본 연구에서는 CCTV 영상 기반 강우강도 산정 시 필수적으로 요구되는 적정 강우 이미지 DB를 구축하기 위한 방법론을 개발하였다. 먼저, 실환경에서 불규칙적이고 높은 변동성을 보일 수 있는 변수들(바람으로 인한 빗줄기의 변동성, 녹화 환경에서 포함되는 움직이는 객체, 렌즈 위의 흐림 현상 등)에 대한 통제가 가능한 한국건설생활환경시험연구원 내 기후환경시험실에서 CCTV 영상 DB를 구축하였다. 서로 다른 5개의 실험 조건을 고려하여 이상적 환경에서 총 1,728개의 시나리오를 구성하였다. 본 연구에서는 1,920×1,080 사이즈의 30 fps (frame per second) 영상 36개에 대하여 프레임 분할을 진행하였으며, 총 97,200개의 이미지를 사용하였다. 이후, k-최근접 이웃 알고리즘을 기반으로 산정된 최종 배경과 각 이미지와의 차이를 계산하여 빗줄기 이미지를 분리하였다. 과적합 방지를 위해 각 이미지에 대한 평균 픽셀 값을 계산하고, 설정한 픽셀 임계치보다 큰 자료를 선별하였다. 180×180 사이즈로의 재구성을 위해서 관심영역을 설정하고 10 Pixel 단위로 이동을 진행하여 픽셀 변동성이 최대가 되는 영역을 산정하였다. 합성곱 신경망 모델의 훈련을 위해서 120×120 사이즈로 재변환하고 과적합 방지를 위해 이미지 증강 과정을 거쳤다. 그 결과, 이미지 기반 강우 강도 합성곱 신경망 모델을 통해 산정된 결과값과 우량계에서 취득된 강우자료가 전반적으로 유사한 양상을 보였으며, 모든 강우강도 실험 조건에 대해서 약 92%의 데이터의 PBIAS (percent bias)가 절댓값 범위 10% 이내에 해당하였다. 본 연구의 결과물과 전이학습 등의 방법을 연계하여 기존 실환경 CCTV의 한계점을 개선할 수 있을 것으로 기대된다.

• 한국해안·해양공학회논문집
• /
• 제35권6호
• /
• pp.109-120
• /
• 2023

광해역의 표층 해수유동을 준 실시간으로 측정하는 장비인 해양 고주파 레이다(High Frequency Radar, HFR)는 특정 전파대역(HF)의 주파수를 해수면으로 발사하고 후방으로 산란된 전파를 분석하여 표층 유속 벡터를 측정한다(Crombie, 1955; Barrick, 1972). 본 연구에서 사용되는 Codar사의 Seasonde HF radar의 경우, 무지향성 안테나에서 송·수신한 전파의 브래그 피크(Bragg peak)의 강도와 다중신호분류(Mutiple Signal Classification, MUSIC) 알고리즘을 통하여 방사형 해류(Radial Vector)의 속도와 위치를 결정하게 된다. 이때 생산된 해류는 관측 전파 수신 환경의 특성이 고려되지 않은 이상적인 전파환경(Ideal Pattern)이 적용된 자료로써 이를 보정하기 위하여 안테나 패턴 측정(Antenna Pattern Measurement, APM)을 시행하여 보정된 방사해류장(Measured Radial Vector)을 계산하게 된다. APM의 관측원리는 안테나로부터 수신되는 각 위치별 신호 강도값을 측정하여 해류의 위치 및 위상 정보를 수정하는 것으로 일반적으로 선박에 안테나를 설치하여 실험을 진행한다. 하지만 선박을 활용할 시, 기상조건과 해양 상황 등 다양한 환경에 의해 최적의 APM 결과를 산출하기까지 많은 제약이 따른다. 따라서 APM 실험에 대하여 해상 상황에 대한 의존도를 낮추고 경제적인 효율성을 높이기 위하여 무인항공기인 드론을 이용한 APM 활용 가능성을 검토하였다. 본 연구에서는 전남 완도군 당사리 당사도등대에 설치된 고주파레이다를 활용하여 선박을 활용한 APM 실험과 드론을 활용한 APM 실험을 진행하였으며 선박과 드론으로 관측된 결과가 적용된 방사형 해류와 계류된 고정부이를 활용하여 그 결과를 비교 분석하였다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.