• Journal of Multimedia Information System
• /
• 제5권2호
• /
• pp.99-104
• /
• 2018

Phishing website has become a crucial concern in cyber security applications. It is performed by fraudulently deceiving users with the aim of obtaining their sensitive information such as bank account information, credit card, username, and password. The threat has led to huge losses to online retailers, e-business platform, financial institutions, and to name but a few. One way to build anti-phishing detection mechanism is to construct classification algorithm based on machine learning techniques. The objective of this paper is to compare different classifier ensemble approaches, i.e. random forest, rotation forest, gradient boosted machine, and extreme gradient boosting against single classifiers, i.e. decision tree, classification and regression tree, and credal decision tree in the case of website phishing. Area under ROC curve (AUC) is employed as a performance metric, whilst statistical tests are used as baseline indicator of significance evaluation among classifiers. The paper contributes the existing literature on making a benchmark of classifier ensembles for web phishing detection.

• 대한임베디드공학회논문지
• /
• 제16권6호
• /
• pp.277-283
• /
• 2021

This paper addresses the problem of vision-based mask filter inspection for mask production systems. Machine learning-based approaches can be considered to solve the problem, but they may not be applicable to mask filter inspection if normal and anomaly mask filter data are not sufficient. In such cases, handcrafted image processing methods have to be considered to solve the problem. In this paper, we propose a hierarchical correlation-based approach that combines handcrafted image processing methods to detect anomaly mask filters. The proposed approach combines image rotation, cropping and resizing, edge detection of mask filter parts, average blurring, and correlation-based decision. The proposed approach was tested and analyzed with real mask filters. The results showed that the proposed approach was able to successfully detect anomalies in mask filters.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.45-46
• /
• 2018

This paper focuses on human activities monitoring problem using onboard smartphone sensors as data generator. Monitoring such activities can be very important to detect anomalies and prevent disease from patients. Machine learning (ML) algorithms appear to be ideal approaches to use for processing data from smartphone to get sense of how to classify human activities. ML algorithms depend on quality, the quantity and even more important, the properties or features, that can be learnt from data. This paper proposes a mobile virtual reality visualization system that helps to view data representation in a very immersive way so that its quality and discriminative characteristics may be evaluated and improved. The proposed system comes as well with a handy data collecting application that can be accessed directly by the VR visualization part.

• Journal of information and communication convergence engineering
• /
• 제18권4호
• /
• pp.230-238
• /
• 2020

This study aims to determine whether student participation on Twitter affects academic performance. The key goals of the training course were to acquire social networking knowledge and skills and to learn how to share information, be productive in discussions, and create an interest-based community. The initial sample comprised 286 students from Jordan universities, 68.4% of whom agreed to participate in the study. Undergraduate students accounted for 73.9%, and graduate students accounted for 26.1%. Only 14.3% of the students chose the Twitter-based learning model. This is a mixed-methods study that integrates quantitative and qualitative approaches. The undergraduate students were found to tweet more and have more likes, while graduate students had more followers and were following more accounts. Moreover, 21% of the participants were the most active. Spearman's correlation analysis revealed a connection between participation in social media and student performance. Therefore, the results of this study may help educational professionals and education managers.

• 한국초등과학교육학회지:초등과학교육
• /
• 제42권4호
• /
• pp.560-576
• /
• 2023

이 연구에서는 교원양성 과정에서 예비 교사들이 수행하는 과학과 탐구 기반 모의 수업 실연에 대한 개선 방안을 도출하고, 예비 교사들이 개선 방안이 반영된 모의 수업을 실연하면서, 모의 수업 전과 후 과학적 자기 효능감에 따른 과학 내재 동기 차이를 분석하고자 하였다. 연구 대상으로는 현직 초등과 중등 교사 5인이 탐구 기반 모의 수업 실연 개선 방안 도출에, 교육대학교 3학년에 재학 중인 예비 교사를 대상으로 과학 내재 동기 차이 분석을 실시하였다. 탐구 기반 모의 수업 실연 개선 방안 도출에는 전문가 협의회에 계층분석과정(AHP)을 적용하였으며, 모의 수업 실연 전과 후 과학적 자기 효능감에 다른 과학 내재 동기 차이 분석에는 이원분산분석과 MANOVA 명령문을 통한 사후 분석을 실시하였다. 연구 결과는 다음과 같다. 탐구 기반 모의 수업 실연 개선에는 디지털·생태 소양과 민주 시민 의식 함양을 위한 활동과 과학과 핵심역량 함양을 위한 과학 탐구·학생 활동 중심의 수업·소집단 활동이 포함될 필요성을 제안하였다. 그리고 개선 사항을 반영하여 예비 교사들이 초등학교 과학의 '지구와 우주' 영역에서 7차시에 걸쳐 교수-학습 과정안을 작성하고 모의 수업을 실연하였다. 과학 내재 동기의 경우 모의 수업 전과 후, 과학적 자기 효능감의 모든 수준에서 유의미한 차이가 나타났으며, 모의 수업 실연 여부와 과학적 자기 효능감과의 상호작용 효과에도 유의미한 차이가 나타났다. 특히, 과학적 자기 효능감이 낮은 집단에서 모의 수업 실연에 따른 과학 내재 동기에 차이가 크게 나타난 것을 도출할 수 있었다. 학교 현장의 학생들의 과학 성취와 정의적 영역 향상을 위해서는 교사의 과학적 자기 효능감과 내재 동기 함양이 필요하다. 이를 위해서는 예비 교사 교육과정에서부터 학교 현장성을 반영한 탐구 기반 모의 수업 실연을 실시할 필요성이 있음을 제안한다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.53-67
• /
• 2020

본 연구는 가공식품의 제조·가공 업소를 대상으로 기계학습 분야의 지도학습(Supervised Learning) 예측 모형을 적용하여 부적합이 예상되는 업체를 사전에 적발하는 단속 선별시스템을 마련하여 단속 활동의 효율성을 높이고자 하였다. 본 연구에서는 머신러닝의 예측 모델링을 위한 목적 정의, 데이터의 기초 분석과 시각화, 특성 변수 도출 및 예측 모형의 선정 및 예측 등으로 기계학습 수행의 표준적인 절차에 따라 연구를 수행하였다. 종속변수는 2014년도부터 2018년까지 과거 5년 동안 지도점검 적발 건수로 설정하였고, 목적함수는 실제 부적합업체를 사전에 판정하여 단속활동이 이루어지는 것을 최대화하는 것으로 하였다. 제조가공업소의 매출액, 영업일수, 종업원 수 등 기본속성뿐만 아니라 과거 지도점검 단속 이력 정보를 반영하여 자료를 재구성하였다. 특성 변수 추출 방법을 적용하여 부적합 판정에 영향을 미치는 업체 위험, 품목 위험, 환경 위험 및 과거 위반 이력 등을 특성 변수로 도출하여 머신러닝 알고리즘을 데이터에 적용하였다. 랜덤포레스트 모형이 식품의약품안전처 지도점검 업무 목적에 가장 적합한 것으로 나타났다. 본 연구결과를 바탕으로 식품안전 관리 국가 사무가 데이터기반의 과학적인 행정 체계로 발전할 수 있는 기반이 되기를 기대한다.

• 벤처창업연구
• /
• 제16권3호
• /
• pp.73-86
• /
• 2021

이 연구의 목적은 기업가적 혁신성을 정확하게 예측하는 고도화된 분석 모델을 탐색하는 것이다. 기업가정신 연구 분야에서는 최초로, 데이터 과학적 접근방식에 해당되는 기계학습(Machine learning)을 이용해 기업가적 혁신성(entrepreneurial innovativeness)을 예측하는 모델을 제시한다. 예측모델을 구축하기 위하여 Global Entrepreneurship Monitor(GEM)의 62개국 22,099건 데이터를 이용한다. 27개 설명변수로 이뤄진 데이터 셋을 토대로 전통적 통계방법인 다중회귀분석과, 회귀트리, 랜덤포레스트, XG부스트, 인공신경망 등 기계학습을 이용한 예측모델을 구축하고 각 모델의 성능을 비교한다. 모델의 성능 평가를 위해 RMSE(Root mean square error), MAE(Mean absolute error)와 상관관계(Correlation) 등 지표를 사용한다. 분석 결과 5가지 기계학습 기반 모델은 모두 전통적 방법에 비해 우수한 성능을 보였으며, 예측 성능이 가장 좋은 모델은 XG부스트였다. XG부스트를 통한 기업가적 혁신성 예측에 있어서 기여도가 높은 변수는 창업가의 기회인지 및 시장 확장의 교차항 변수이며, 이는 신시장에서 기회를 획득하고자 하는 유형의 창업기업이 높은 혁신성을 보인다는 점을 확인했다. 이 연구는 고도화된 분석방법인 기계학습을 이용해 새로운 예측모델을 제시, 기업가정신 연구의 시야를 확장했다는 점에서 의의를 지닌다.

• International journal of advanced smart convergence
• /
• 제5권2호
• /
• pp.66-72
• /
• 2016

With the growing shift from traditional educational approaches and studying to the more digital classroom, using electronic textbooks and digital native's demand, there is a growing need to develop new methods for learn Kanji characters for children. The purpose of this study is to help children learn the basic Kanji by using stop motion and block methods, and approaching the basic Kanji character education with a more innovative and interactive smart phone APP. In the development of this smart phone App for children's Kanji character education proposed in this study, 100 basic Kanji characters for children are selected. These 100 characters are required for the stop motion animation production, where each selected Kanji is created as a stop-motion animation utilizing a variety of techniques, such as storytelling, to better engage children. The intelligent App is designed with image recognition technology, so that in the learning process children take a picture for the assembled block using their smart phone, the APP then recognizes whether it is assembled correctly, and then plays an animation corresponding to the assembled Kanji character.

• Journal of the Korean Data and Information Science Society
• /
• 제25권2호
• /
• pp.455-464
• /
• 2014

Unlabeled examples are easier and less expensive to obtain than labeled examples. Semisupervised approaches are used to utilize such examples in an eort to boost the predictive performance. This paper proposes a novel semisupervised classication method named transductive least squares support vector machine (TLS-SVM), which is based on the least squares support vector machine. The proposed method utilizes the dierence convex algorithm to derive nonconvex minimization solutions for the TLS-SVM. A generalized cross validation method is also developed to choose the hyperparameters that aect the performance of the TLS-SVM. The experimental results conrm the successful performance of the proposed TLS-SVM.

• ETRI Journal
• /
• 제44권2호
• /
• pp.327-338
• /
• 2022

Classification models for human action recognition require robust features and large training sets for good generalization. However, data augmentation methods are employed for imbalanced training sets to achieve higher accuracy. These samples generated using data augmentation only reflect existing samples within the training set, their feature representations are less diverse and hence, contribute to less precise classification. This paper presents new data augmentation and action representation approaches to grow training sets. The proposed approach is based on two fundamental concepts: virtual video generation for augmentation and representation of the action videos through robust features. Virtual videos are generated from the motion history templates of action videos, which are convolved using a convolutional neural network, to generate deep features. Furthermore, by observing an objective function of the genetic algorithm, the spatiotemporal features of different samples are combined, to generate the representations of the virtual videos and then classified through an extreme learning machine classifier on MuHAVi-Uncut, iXMAS, and IAVID-1 datasets.