• 대한임상검사과학회지
• /
• 제49권4호
• /
• pp.477-488
• /
• 2017

이 연구는 임상병리검사학(또는 임상검사과학, 의학검사과학, 의생명검사과학)에 대한 체계적 인 접근을 하기 위해 임상병리검사학의 정체성과 학문분류체계를 가지고 논의하였다. 임상병리검사학은 한국 연구재단의 학술연구분야분류에 등재되어 있지 않다. 국내에서는 1963년 임상병리검사학과 최초로 신설된 이후 전국에 임상병리검사학과가 52개에 이르고 있다. 학문적 정체성에도 불구하고 제도적으로 임상병리검사학은 전문적 영역을 확보하지 못하고 있는 실정이다. 학술연구분야분류를 보면 물리치료학, 작업치료학, 치위생학은 체계적으로 분류되어 그 학문성을 인정받고 있다. 이 연구는 임상병리검사학의 새로운 학문분류체계이다. 내용 연구는 다음과 같이 요약된다. 임상병리사의 학문은 대분류 의약학, 중분류 임상병리학, 소분류 임상병리검사학에 위치한다. 세분류의 학문용어는 "혈액수혈학, 면역생화학, 미생물기생충학, 유전분자생물학, 조직세포학, 심폐신경생리학"으로 구성한다.

• 대한원격탐사학회지
• /
• 제17권3호
• /
• pp.275-284
• /
• 2001

본 연구에서는 강원도 평창군 봉평면 일대의 지역에 대해 2000년 4월 24일에 수신된 IKONOS 위성영상을 이용하여 피복분류를 수행하였다. 피복분류는 임상분류에 중점을 두었으며, 분류에 적용한 분류항목(class)은 현지조사 및 영상을 통하여 상록침엽수, 낙엽송, 활엽수, 나지, 밭, 초지, 수역, 사토지역, 아스팔트지역의 9개로 나누었다. 영상분류는 최대우도법을 적용하여 감독분류를 수행하였다. 정확도는 검정지역에 대한 전체정확도, 생산자정확도, 사용자정확도, k의 항목에 대해 분류오차행렬표를 통하여 평가하였다. 분류 및 분석에는 ERDAS사의 Imagine 8.4와 Purdue 대학에서 개발한 Multispec 소프트웨어를 사용하였다. 분류 결과, 검정지역에 대한 정확도는 전체정확도 94.3%, 생산자정확도 77.0-99.9%, 사용자정확도 71.9-100%, k은 0.93이었다. 나지, 사토지역, 밭 등의 경우 다른 분류항목보다 분류의 정확도가 비교적 낮게 나타난 반면, 임상분류에 있어서는 기존의 중해상도(5-30m) 위성영상보다 향상된 분류결과를 보여주었다.

• 한국농림기상학회지
• /
• 제3권1호
• /
• pp.5-15
• /
• 2001

논의 시기별 파장별 분광반사특성을 조사하기 위해, Landsat TM 밴드, RVI, 습윤도의 특성을 분산분석한 결과, 가시광선 영역의 TM 밴드 1, 2, 3의 논지역 평균 자료값은 식물색소에 의한 광흡수와 관련이 많아 군락형성이 최대인 8월 19일과 9월 1일에 가장 낮아졌다가 등숙기인 9월 중 하순에 다시 높아졌다. 중간 적외선 영역인 TM 밴드 5와 7은 수분에 민감하여, 담수상태로 수체의 영향이 컸던 5월 31일과 6월 2일의 자료값이 가장 낮았고, 군락의 최성기에서 성숙기로 접어들면서 식물체의 수분함량이 줄어들어 자료값이 점점 높아졌다. 한편, RVI는 출수ㆍ개화기인 8월 19일과 9월 1일에 가장 높았고, 습윤도는 벼의 생육초기에서 성숙기로 갈수록 계속 낮아졌다. 이앙기인 5월 31일, 출수기인 8월 19일 두시기 자료에서 수분에 민감한 TM 밴드 5, 식생의 특징이 드러나는 RVI, 또한 모든 밴드의 특성이 포함된 습윤도를 벼 재배면적 추정을 위한 정보로 이용하여, 이앙기에 담수상태이고 같은 지역이 출수기에 무성한 식생의 특징을 보이는 곳을 벼 재배지역으로 정하여 벼 재배면적 지도를 작성하였다. 벼 재배면적은 7291.19ha 추정되었고, 지형도를 이용한 100지점의 정확도 검증 결과 92%로 나타났다. 1991년 5월 31일과 8월 19일 두 시기의 Landsat TM 밴드 3, 4, 5, RVI 및 습윤도를 각각 유효밴드로 선정하여 중첩한 총 10개의 밴드를 가진 화상을 생성하여 기존의 분류법에 이용하였다. 최대우도법에 의한 감독분류 결과 벼 재배면적은 9100.98 ha였다. Error matrix에 의한 분류정확도는 97.2%로 나타났고, 지형도를 이용한 정확도는 95%로 나타났다. 분류항목수를 15개와 20개로 한 ISODATA법에 의한 비교사 분류결과 벼 재배면적이 각각 6663.60ha와 5704.56 ha로 추정되었고, 지형도에 의한 분류정확도는 각각 87%와 82%로 나타났다. 통계연보를 기준자료로 하여 분류방법간 비교를 위하여 당진군 우강면에 대하여 벼 재배면적 비교를 한 바 감독분류에 의해 2522.97ha로 가장 크게 추정되었고, 다음이 규칙기반분류와 분류항목수를 20으로 한 무감독분류법으로 각각 1567.31 ha와 1865.61 ha로 추정되었다. 분류항목수를 15로 한 무감독분류에 의한 벼 재배면적이 1638.72 ha로 가장 작게 추정되었다. 이때, 통계연보 자료상의 우강면의 논면적(2242.69ha)에 가장 가깝게 추정된 결과는 규칙기반분류이었다. 벼 재배지역은 추정방법에 관계없이 이앙기와 출수기, 두 시기의 자료를 이용한 경우 다소 차이는 있으나 정확하게 구분되었다. 위성의 분광반사 특성을 이용한 규칙기반분류는 매우 쉽고, 재현성이 있으며, 넓은 지역에 대한 신속한 작업이 가능하다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 신호처리소사이어티 추계학술대회 논문집
• /
• pp.405-408
• /
• 2003

This paper proposes a new algorithm for cloudy area detection using K-Means and GHA (Generalized Hebbian Algorithm). K-Means is one of simple classification algorithm, and GHA is unsupervised neural network for data compression and pattern classification. Proposed algorithm is based on block based image processing that size is l6$\times$l6. Experimental results shows good performance of cloudy area detection except blur cloudy areas.

• 천문학회보
• /
• 제37권1호
• /
• pp.88.2-88.2
• /
• 2012

We investigate solar flare occurrence rate and daily flare probability depending on McIntosh sunspot classification, its area, and its area change. For this we use the NOAA active region and GOES solar flare data for 15 years (from January 1996 to December 2010). We consider the most flare-productive 10 sunspot classification: 'Dko', 'Dai', 'Eai', 'Fai', 'Dki', 'Dkc', 'Eki', 'Ekc', 'Fki', and 'Fkc'. Sunspot area and its change can be a proxy of magnetic flux and its emergence/cancellation, respectively. we classify each sunspot group into two sub-groups: 'Large' and 'Small'. In addition, for each group, we classify it into three sub-groups according to sunspot group area change: 'Decrease', 'Steady', and 'Increase'. As a result, in the case of compact groups, their flare occurrence rates and daily flare probabilities noticeably increase with sunspot group area. We also find that the flare occurrence rates and daily flare probabilities for the 'Increase' sub-groups are noticeably higher than those for the other sub-groups. In case of the (M+X)-class flares of 'Dkc' group, the flare occurrence rate of the 'Increase' sub-group is three times higher than that of the 'Steady' sub-group. Mean flare occurrence rates and flare probabilities for all sunspot regions increase with the following order: 'Steady', 'Decrease', and 'Increase'. Our results statistically demonstrate that magnetic flux and its emergence enhance major solar flare occurrence. We are going to forecast solar flares based on these results and NOAA scale.

• 대한원격탐사학회지
• /
• 제24권6호
• /
• pp.621-629
• /
• 2008

인도의 Tamil Nadu 지역을 대상지역으로 선택하여 Landsat ETM+ 영상과 현장 조사 자료(기저면적, 개체 수, 종의 수)를 취득하였다. 취득된 자료를 통하여 (1) 영상의 분류, (2) 식생지수 영상의 추출(NDVI, Tasseled Cap 토양명도, 녹색식생, 토양습도), (3) 가장 상관관계가 높은 결과를 보인 NDVI와 기저면적(Basal area)을 이용한 식생다양성 분포 예측 지도 제작이 이루어 졌다. 기저면적과 NDVI가 가장 높은 상관관계를 가지며 대상지역 영상분류 결과 69%정도의 정확도를 보였다.

• 지능정보연구
• /
• 제15권3호
• /
• pp.151-165
• /
• 2009

퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는ANFIS (Adaptive Network-based Fuzzy Inference System)모형을 기반으로 하는 분류모형을 설계하고 기존의 분류기법(C5.0 의사결정나무)과 비교하여 분류 정확성 관점에서 평가한다. ANFIS 추론의 경우, 최종 결과값이 계급값이 아닌 연속형 변수값을 취하게 되므로 산출된 결과값을 이용하여 적절한 계급값을 할당하는 과정이 필요하다. 본 연구에서는 의사결정나무기법을 이용하여 계급값을 할당하는 방식과 군집분석을 이용하여 계급값을 할당하는 두 가지 방식을 제안하고 두 가지 데이터 세트에 적용하여 ANFIS를 기반으로 한 분류모형의 정확도를 평가하였다.

• 한국측량학회지
• /
• 제22권2호
• /
• pp.171-178
• /
• 2004

원격탐사의 장점 중 하나는 넓은 지역의 정량적이고 정성적인 정보를 신속하게 추출할 수 있는 것이다. 그것은 넓은 지역의 토지피복을 분류하여 자원 및 환경을 신속하고 정확하게 파악하는 효과적인 수단이다. 따라서 본 연구에서는 알고리즘 개발을 통하여 더 나은 토지피복분류 방법을 제시하고자 하였다. 연구내용으로는 정형화된 토지피복분류방법인 최대우도법을 수행하고, 새로운 FCM 알고리즘을 이용한 영상분류를 수행하여 두 방법의 분류정확도를 비교 평가하였다. 또한 이용된 영상들은 한국항공우주연구원에서 매일 실시간으로 수신하고 있기 때문에 시간과 비용면에서 경제적인 위성영상을 이용하였다. 해상력은 다소 떨어지는 다파장대(36개 bands)의 MODIS 위성영상과 단 밴드인 KOMPSAT-1 EOC 위성영상을 이용하여 중합영상을 생성하여 토지피복분류에 이용하였다.

• 대한원격탐사학회지
• /
• 제16권4호
• /
• pp.367-373
• /
• 2000

Natural and artificial land features are very dynamic, changing somewhat repidly in our lifetime. It is important that such changes are inventoried accurately so that the physical and human processes at work can be more fully understood. Change detection is a technique used to determine the change between two or more time periods of a particular object of study. Change detection is an important process in monitoring and managing natural resources and urban development because it provides quantitative analysis of the spatial distribution in the population of interest. The purpose of this research is to detect environmental changes surrounding an area of Mountain Moscow, Idaho using Landsat Thematic Maper (TM) images of (July 8, 1990 and July 20, 1991). For accurate classification, the Image enhancement process was performed for improving the image quality of each image. A SPOT image (Aug. 14, 1992) was used for image merging in this research. Supervised classification was performed using the maximum likelihood method. Accuracy assessments were done for each classification. Two images were compared on a pixel-by-pixel basis using the post-classification comparison method that is used for detecting the changes of the study area in this research. The 'from-to' change class information can be detected by post classification comparison using this method and we could find which class change to another.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제6권4호
• /
• pp.97-112
• /
• 2001

지하수의 보전 보호를 위한 정책 중 가장 중요한 것이 지역적으로 지하수 보전구역을 지정하여 관리하는 것이며, 지하수 보전구역은 지하수법(제12조)에 의하여 지하수 보전지구와 개발제한지구로 분류되어 관리하도록 규정되어 있다. 금번연구에서는 GIS(지리정보시스템)을 이용하여 서울시 지하수 분류도를 먼저 작성한 후 가장 수질이 양호한 1급 및 2급 지하수 대창지역(상류의 지하수 함양지역이나 유일 대수층지역 등)을 지하수 보전지구의 우선 대상지역으로 선정하였으며, 지하수분류는 건설교통부(2000)에서 제시한 지하수의 현재 수질상태, 음용수원으로서의 현재 및 장래 이용성, 기초 수리지질특성, 각종 지하수오염유발행위.시설 소재여부 등에 따라 4등급 분류방법을 기본으로 하였다. 작성된 지하수 분류도에서 1차 선정된 서울시 지하수 보전지구 우선 대상지는 약 57,1$\textrm{km}^2$(서울시 전체면적의 약 9.4%)로 나타났으며, 보전지구의 최종 지정을 위해서는 대상지역에 대한 지하수 정밀조사가 필요하다. 또한 지하수 보전지구의 관리방안도 제주도(2000)와 건설교통부(2000)의 지하수 보전관리계획을 참조하여 서울시에 적합한 안이 마련되었다.