• 대한원격탐사학회지
• /
• 제20권6호
• /
• pp.419-425
• /
• 2004

본 연구에서는 Dempster-Shafer evidence theory에 기반하여 Gaussian 질량 함수를 사용하는 융합 기법을 제안하고 있다. Dempster-Shafer 융합은 비정확성과 불확실성 measures를 각각 belief 함수와 plausibility 함수로 나타내며 이 두 함수 값 사이의 간격을 나타내는 "belief interval"에 의해 불확실성의 정도가 표현된다. 이러한 Dempster-Shafer 융합기술을 이용하여 서로 다른 센서에서 수집된 영상 자료를 융합하여 사용하여 분류 결과의 정확성을 높이고 특히 분류를 위한 매개변수를 추정하는 훈련과정에서 복합 클래스를 설정할 수 있어 단순 클래스 설정으로 인한 훈련과정이 어려움을 피할 수 있다. 이 연구에서는 경기도 용인/능평 지역에서 관측 된 KOMPSAT EOC의 범색 영상 자료와 LANDSAT ETM+의 식생지수 자료에 대해 제안된 Dempster-Shafer 융합기술을 이용하여 분류 실험을 수행하였고 분류 결과는 서로 다른 센서간의 영상자료 융합을 위한 제안된 기법의 잠재적 효과성을 보여주고 있다.

• 한국산학기술학회논문지
• /
• 제22권2호
• /
• pp.76-84
• /
• 2021

품질보증활동은 양산단계에서 위험 식별을 기반으로 품질에 영향을 주는 인자를 확인할 수 있다. 위험 식별은 고장 분석을 통해 이루어지며, 회전익 항공기 착륙장치에 대한 고장 분석 방법은 고장 유형 영향 분석(FMEA)으로 선정하였다. FMEA는 고장 유형에 대해서 심각도, 발생도, 검출도에 대한 정보를 결합하여 품질에 영향을 미치는 인자를 확인하는 방법이다. FMEA 결과는 위험도를 통해 고장 우선순위를 결정한다. 하지만 심각도, 발생도, 검출도에 대한 중요도는 동일하게 구성된다. Dempster-Shafer 증거 이론은 경험과 주관이 반영된 의견에 대해서 불확실성 분석을 수행한다. 또한, Dempster-Shafer 증거 이론은 믿음 함수와 개연성 함수를 구성할 수 있으며, 믿음 함수와 개연성 함수를 통해 가설의 믿음 정도, 신뢰도를 확인할 수 있다. 회전익 항공기 착륙장치는 이륙 및 착륙 시 충격을 받는 구성품으로, 양산단계에서 고장 유형을 관리하는 것이 중요하다. 본 논문에서는 회전익 항공기 착륙장치의 고장 유형에 대한 위험도 분석을 위해 Dempster-Shafer 증거 이론을 이용한 FMEA를 제안하고, 고장 우선순위를 결정한다. 결과는 믿음 함수 및 개연성 함수 곡선을 통해 도출한다.

• Nuclear Engineering and Technology
• /
• 제46권1호
• /
• pp.11-26
• /
• 2014

The analyses carried out within the Seismic Probabilistic Risk Assessments (SPRAs) of Nuclear Power Plants (NPPs) are affected by significant aleatory and epistemic uncertainties. These uncertainties have to be represented and quantified coherently with the data, information and knowledge available, to provide reasonable assurance that related decisions can be taken robustly and with confidence. The amount of data, information and knowledge available for seismic risk assessment is typically limited, so that the analysis must strongly rely on expert judgments. In this paper, a Dempster-Shafer Theory (DST) framework for handling uncertainties in NPP SPRAs is proposed and applied to an example case study. The main contributions of this paper are two: (i) applying the complete DST framework to SPRA models, showing how to build the Dempster-Shafer structures of the uncertainty parameters based on industry generic data, and (ii) embedding Bayesian updating based on plant specific data into the framework. The results of the application to a case study show that the approach is feasible and effective in (i) describing and jointly propagating aleatory and epistemic uncertainties in SPRA models and (ii) providing 'conservative' bounds on the safety quantities of interest (i.e. Core Damage Frequency, CDF) that reflect the (limited) state of knowledge of the experts about the system of interest.