• 전기학회논문지
• /
• 제60권12호
• /
• pp.2215-2220
• /
• 2011

The accurate short-term load forecasting is essential for the efficient power system operation and the system marginal price decision of the electricity market. So far, errors of load forecasting for Chuseok Holiday are very big compared with forecasting errors for the other special days. In order to improve the accuracy of load forecasting for Chuseok Holiday, selection of input data, the daily normalized load patterns and load forecasting model are investigated. The efficient data selection and daily normalized load pattern based on fuzzy linear regression model is proposed. The proposed load forecasting method for Chuseok Holiday is tested in recent 5 years from 2006 to 2010, and improved the accuracy of the load forecasting compared with the former research.

• 한국정보시스템학회지:정보시스템연구
• /
• 제19권3호
• /
• pp.1-12
• /
• 2010

Personality is comprehensive nature of the mood and attitude of people, most clearly revealed in the interaction with other people. This study is a analysis on personality type to information system security and control from financial institute employee. Based on 'The Big Five' personality model, this study develops hypothetical causal relationships of potential organization member's personality and their information system security and control. Research hypotheses are empirically tested with data collected from 901 employees. Results show that employees of high level security mind are the owner of conscientious and emotional stable personality and the employees of high level control mind are the owner of agreeable and emotional stable personality. Therefore the owner of agreeable and stable personality is higher security and control than others.

• Design & Manufacturing
• /
• 제17권1호
• /
• pp.27-32
• /
• 2023

In this paper, we intend to predict the mass of the spiral using CAE and machine learning. First, We generated 125 data for the experiment through a complete factor design of 3 factors and 5 levels. Next, the data were derived by performing a molding analysis through CAE, and the machine learning process was performed using a machine learning tool. To select the optimal model among the models learned using the learning data, accuracy was evaluated using RMSE. The evaluation results confirmed that the Support Vector Machine had a good predictive performance. To evaluate the predictive performance of the predictive model, We randomly generated 10 non-overlapping data within the existing injection molding condition level. We compared the CAE and support vector machine results by applying random data. As a result, good performance was confirmed with a MAPE value of 0.48%.

• 한국병원경영학회지
• /
• 제23권1호
• /
• pp.41-50
• /
• 2018

The purpose of this research is to evaluate Brand Value by using the K-BPI(Korea Brand Power Index) of Korea Management Association which is based on consumer awareness, as well as to identify how Brand Value which is composed of top of awareness, unaided awareness, aided awareness, image, possibility of purchasing, preference, affects on the Market Share perceived by consumers. This research subjects were 10 hospitals with more than 1,000 beds in Seoul and Gyeonggi-do, and survey subjects were 20 or older adults living in the metropolitan area of Korea. Using K-BPI for measuring Brand Value and used calculation of Market Share according to consumer preference model for measuring Market Share. The major results of this research are as follows: First, this research identified that the top 5 hospitals of largest hospitals in metropolitan area measured by using K-BPI and Market Share were same hospitals as Big 4 hospitals of previous research evaluating the comprehensive competitiveness of hospitals and also same as hospitals that appeared recently. Second, Big 5 hospitals ranked first to fifth in both Brand Value and Market Share. To identify the relationship between K-BPI items(top of awareness, unaided awareness, aided awareness, image, availability, preference) and Market Share, multiple linear regression was used by dividing 5 upper and 5 lower group of hospitals per each. The group of 5 upper hospitals had a significant effect on Market Share, with 'top of awareness', 'unaided awareness', 'aided awareness'. The group of 5 lower hospitals had a significant effect on Market Share with 'unaided awareness', 'aided awareness'. The results of this study and hospitals of the first to third hospitals published in the K-BPI press release reported by KMAC in 2017, and the previous studies evaluating the comprehensive competitiveness hospitals, all had one thing in common that Big 4 hospitals ranked high position. This suggests that evaluation of Brand Value also can be a evaluation measure of hospital. A new competitiveness of hospital is expected by managing brand awareness to have a brand competitiveness and by securing intrinsic Market Share of consumer to reach hospital use ultimately.

• 지구물리와물리탐사
• /
• 제9권4호
• /
• pp.299-303
• /
• 2006

지질잡음, 특히 이들이 천부에 위치할 경우 물리탐사자료의 해석에 상당한 문제가 된다. 따라서 이들 지질잡음을 효과적으로 억제해야만 조사지역내의 주된 이상체를 정확하게 탐지해 낼 수 있다. 물리탐사자료의 역산에서 천부에 존재하는 물성대비가 크지 않은 소규모 이상체는 지질잡음의 하나로 생각할 수 있다. 현재 물리탐사 자료의 역산에는 평활화 제한 최소자승법이 널리 사용되고 있다. 이 방법은 물성대비가 큰 모델변수에는 강한 제한을 가하고, 작은 모델변수에는 약한 제한을 가한다. 따라서 천부에 존재하는 소규모 이상체(지질잡음)를 제거하는 데는 한계가 있다. 본 연구에서는 큰 모델변수에는 작은 제한을, 작은 모델변수에는 강한 제한을 가하는 새로운 MTE 역산법을 개발하였으며, 이 방법은 천부의 소규모 이상체의 억제에 효과적이다. 개발된 역산 방법을 소형루프 전자탐사자료의 2.5차원 역산에 적용한 결과 천부의 소규모 이상체를 효과적으로 억제하고 주 대상체를 보다 선명하게 나타내는 영상을 얻을 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.134-137
• /
• 2016

빅 데이터 분석은 기존 데이터베이스 관리 도구로부터 데이터를 수집, 저장, 관리, 분석할 수 있는 역량을 말한다. 또한, 대량의 정형 또는 비정형 데이터 집합으로부터 가치를 추출하고 결과를 분석하는 기술을 의미한다. 따라서 메타분석은 여러 실증연구의 정량적인 결과를 통합과 분석을 통해 전체 결과를 조망할 수 있는 기회를 제공하는 통계적 통합 방법이다. 또한 분석을 위한 분석이라고도 말한다. 우리나라 학술지에 게재된 대사증후군 위험요인에 콩 식품 중재에 관련된 연구들을 계량적으로 통합하고 검토해보기 위해 진행하였다. 본 연구는 대사증후군 위험요인에 대한 문헌적 고찰을 통해 선행연구를 살펴보고 열거된 요인에 관한 실증 분석된 연구들을 메타분석하기 위해 2000년-2016년 국내 학술지에 게재된 연구논문을 대상으로 하였다. 따라서 분석결과를 바탕으로 연구의 한계와 시사점을 제시하고자 한다.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.11-27
• /
• 2020

본 논문에서는 교육종단연구 데이터를 효과적으로 저장·처리·분석하기 위한 데이터 플랫폼을 개발하고, 이를 서울교육종단연구(SELS)에 적용하여 유용성을 확인한다. 플랫폼은 데이터 전처리부와 데이터 분석부로 구성된다. 데이터 전처리부에서는 1) 마스킹 2) 요인화 3) 정규화·이산화 4) 데이터 유도 5) 데이터 웨어하우징 과정을 통해 교육종단연구 데이터 웨어하우스를 생성하게 된다. 데이터 분석부는 OLAP과 데이터 마이닝(DM)으로 구성된다. 먼저, OLAP에서는 측정값 선정, 스키마 설계를 거쳐 OLAP을 수행하게 된다. 이후 DM에서는 변수 선택, 연구모형 선택, 데이터 수정, 인수튜닝, 모형학습, 모형평가 및 해석단계를 거친다. 본 플랫폼에서 전처리 과정을 거쳐 생성된 데이터 웨어하우스는 다양한 연구자들에 의해 공유될 수 있고, 지속적인 연구결과 데이터 셋의 축적이 가능하므로 후속 연구자들은 추가적인 분석을 수월하게 수행할 수 있게 된다. 또한, 정책입안자들도 SELS 데이터 웨어하우스에 직접 접근하여 다차원 분석을 통해 온라인으로 분석할 수 있어 과학적인 의사결정이 가능하게 된다. 본 연구에서는 개발된 플랫폼의 유용성을 입증하기 위해 SELS 데이터를 플랫폼 상에서 구축하고 수학 학업성취도를 측정값으로 선정하여 OLAP 및 DM을 수행하였으며, 측정값에 영향을 주는 다양한 요인을 데이터 마이닝 기법을 사용하여 분석하였다. 이를 통해 데이터 기반 교육정책 시사점을 빠르고 효과적으로 도출할 수 있었다.

• 한국농림기상학회지
• /
• 제23권1호
• /
• pp.34-45
• /
• 2021

날씨는 밭작물의 가격 측정과 생산량 및 품질에 영향을 미치기 때문에 농산업에서 가장 많이 고려되는 요소이다. 특히, 밭작물의 경우 평지보다 산지에서 재배되는 등 외부 환경에 많이 노출되어 있다. 본 연구는 수치 산림입지토양도를 이용하여 산지를 구성하고 있는 12개의 토양의 특성 자료와 기상정보 간의 연관성을 파악하였다. 공간적 상관관계가 고려된 GAM, 크리깅, RF를 이용하였으며, 연구자료는 2009년 1월부터 2018년 12월까지의 기상청과 농촌진흥청에서 수집한 일 단위 평균기온, 최고기온, 최저기온, 강우량 자료가 사용되었다. 분석결과 지리적 효과만 반영된 GAM이 상대적으로 추정성능이 우수하였고, 산림입지토양도는 밭작물 재배지 기상정보를 추정에 큰 도움이 되지 않았다. 이에 유의수준을 5%로 통계적 가설검정을 수행하여 중요 요인을 선택하였다. 산림입지토양도의 기후대코드(CLZN_CD)와 토양목본코드 B(SIBFLR_LAR)가 기상정보 추정에 상대적 유의미한 요인으로 선정되었다. 기후대코드를 추가한 모형의 경우 일 평균 기온과 일 최저기온의 공간 보간 성능이 향상되었다. 한반도의 국토는 70%가 산지이고 밭작물은 주로 산지에서 재배되고 있다. 따라서 산지의 기상정보를 추가 수집하여 연구를 수행한다면 생육시기별로 밭작물을 관리하는데 도움이 될 것으로 기대한다.

• 한국산학기술학회논문지
• /
• 제15권11호
• /
• pp.6565-6575
• /
• 2014

본 논문에서 Hamilton의 마코프-스위칭 모형을 연립방정식으로 확장한 FIML 마코프-스위칭 모형을 제시해 보았다. 본 논문의 FIML 마코프-스위칭 모형을 LIML 마코프-스위칭 모형 등과 비교하면 LIML 마코프-스위칭 모형은 FIML 마코프-스위칭 모형의 특별한 경우이며 FIML 마코프-스위칭 모형은 연립방정식으로 확장된 일반화된 모형 형태를 띄게 된다. 본 논문의 FIML 마코프-스위칭 모형을 Campbell and Mankiw 소비함수에 적용해 본 결과, 2008년 부동산 거품 붕괴와 같은 경제충격 시기의 한계소비성향은 매우 민감도가 높아진다는 것을 알 수 있다.

• International Journal of Computer Science & Network Security
• /
• 제22권5호
• /
• pp.294-302
• /
• 2022

Detection of fake news is a complex and a challenging task. Generation of fake news is very hard to stop, only steps to control its circulation may help in minimizing its impacts. Humans tend to believe in misleading false information. Researcher started with social media sites to categorize in terms of real or fake news. False information misleads any individual or an organization that may cause of big failure and any financial loss. Automatic system for detection of false information circulating on social media is an emerging area of research. It is gaining attention of both industry and academia since US presidential elections 2016. Fake news has negative and severe effects on individuals and organizations elongating its hostile effects on the society. Prediction of fake news in timely manner is important. This research focuses on detection of fake news spreaders. In this context, overall, 6 models are developed during this research, trained and tested with dataset of PAN 2020. Four approaches N-gram based; user statistics-based models are trained with different values of hyper parameters. Extensive grid search with cross validation is applied in each machine learning model. In N-gram based models, out of numerous machine learning models this research focused on better results yielding algorithms, assessed by deep reading of state-of-the-art related work in the field. For better accuracy, author aimed at developing models using Random Forest, Logistic Regression, SVM, and XGBoost. All four machine learning algorithms were trained with cross validated grid search hyper parameters. Advantages of this research over previous work is user statistics-based model and then ensemble learning model. Which were designed in a way to help classifying Twitter users as fake news spreader or not with highest reliability. User statistical model used 17 features, on the basis of which it categorized a Twitter user as malicious. New dataset based on predictions of machine learning models was constructed. And then Three techniques of simple mean, logistic regression and random forest in combination with ensemble model is applied. Logistic regression combined in ensemble model gave best training and testing results, achieving an accuracy of 72%.