• 한국정보처리학회논문지
• /
• 제5권10호
• /
• pp.2600-2608
• /
• 1998

본 논문은 한글이나 한자처럼 문자 부류의 개수가 많은 경우에 효과적인 오프라인 필기 문자인식 알고리즘을 제안한다. 이 알고리즘은 간단하며 구현하기 쉬운 최소거리 분류법에 기반을 두고 있는데, 최소거리 분류법의 인식 성능을 향상시키기 위해 다단계 선인식(multi-stage pre-classification) 및 신경망을 이용한 후보문자 재정렬(candidate reordering)의 두 가지 전략이 첨가되었다. 제안된 알고리즘의 성능은 PE92 데이터베이스 상의 574 종의 한글 문자들에 대한 실험을 통해 입증하였는데, 인식률은 86%, 처리 속도는 초당 15자로서 기존의 연구 결과보다 우수함을 관측하였다.

• 한국콘텐츠학회논문지
• /
• 제9권3호
• /
• pp.305-311
• /
• 2009

기업부실 및 그에 따른 도산은 직접적으로는 주주, 종업원, 채권자 등에게 막대한 피해를 주고, 더 나아가 금융기관의 부실화를 초래하는 등 파급효과가 매우 크다. 코스닥 시장에 상장된 기업들은 기술력은 높으나 사업화 가능성이 낮고 자본력이 취약하여 부실화 가능성이 높다. 이에 본 연구는 코스닥기업들 가운데 건전기업과 부실기업을 표본으로 삼아 로지스틱 회귀분석을 이용하여 부실예측모형을 개발하고 검증하였다. 본 연구결과는 첫째, 연도별 모형의 분류정확도는 $76.5%{\sim}77.5%$로 나타났으며. 평균모형의 분류정확도는 $70.6%{\sim}83.4%$로 나타났다. 이들 모형 중 분류정확도가 가장 높은 모형은 부실 3년, 2년, 1년전 평균모형으로 83.4%이다. 둘째, 분류정확도가 가장 높은(부실 3년, 2년, 1년 전) 모형을 선정하여 확인 표본을 대상으로 검증한 결과 예측정확도가 부실 3년 전 71.7%, 부실 2년 전 75.0%, 부실 1년 전 90.0%로 부실 3년 전에서 부실 1년 전으로 갈수록 높은 예측력을 보이고 있다. 특히 부실 1년 전의 경우 90.0%의 높은 예측정확도를 나타내 개발한 모형이 우수한 것으로 판단된다.