• 한국제4기학회지
• /
• 제13권1호
• /
• pp.25-33
• /
• 1999

지리산 천왕봉 아고산 지역 (해발 1,600∼l,700m)에 자라는 구상나무의 연륜생장과 기후와의 관계를 북사면(장군봉)과 남사면(중봉)을 대상으로 조사하였다. 각 지역에서 10여 본에서 생장편을 임목당 2개씩을 채취하였다. 채취된 코어는 크로스데이팅후 연륜폭을 측정하여 얻어진 연륜시리즈(연대기)를 표준화한 후, 기후인자(월강수량과 월평균기온)와 연륜생장과의 관계를 반응함수를 이용하여 분석하였다. 반응함수로 즉 월기후인자로 연륜연대기 총변동의 45.9∼53.8%를 설명할 수 있었다. 강수와 연륜생장과의 관계는 중봉과 장군지역 모두에서 3∼5월, 8월에 대해 정의 관계를 보이고 2월과 7월에 대해서는 부의 관계를 나타내 유사한 결과를 보였다. 기온에 대한 관계는 남사면에 위치한 구상나무가 북사면에 위치한 구상나무에 비해 2월과 8월에서 높은 부의 관계를 나타내었으며 4월 기온과는 두 지역 모두 유의한 정의 관계를 나타내었다. 두 사면지역의 구상나무 연륜생장과 기후와의 관계는 전체적으로는 큰 차이를 보여주지 않았다. 아한대 수종의 연륜생장이 강수보다는 기온에 민감하여 월기온과 대체로 정의 관계를 갖는 반면에 지리산 구상나무의 경우는 기온과 부의 관계를 갖는 경향이 크며 강수의 영향 특히 봄기간 동안의 수분수지가 중요한 것으로 생각된다. 구상나무 연륜과 기후와의 유의한 관계를 이용하여 향후 소빙기를 포함하는 장기간의 고기후를 복원할 수 있을 것이다.

• 한국응용곤충학회지
• /
• 제48권4호
• /
• pp.439-445
• /
• 2009

광릉 숲과 국립수목원내 전시원을 중심으로 1998년부터 2008년까지 11년간 총 291회 조사한 나비 조사 자료를 이용하여 나비군집의 종풍부도(종수)를 추정하였다. 선조사법으로 조사한 결과 112종 13,333개체의 나비가 관찰되었다. 종수누적곡선의 작성과 종수추정은 EstimatesS 프로그램을 이용하였다. 종수누적곡선은 291회 조사에서도 증가하여 미발견종이 남아 있음을 나타낸 반면, 7개 방법(ACE, ICE, Chao1, Chao2, Jack1, Jack2, Bootstrap)에 의한 종수추정곡선은 조사회수가 240-250회에 도달했을 때 안정된 값에 수렴하였다. 7개 방법에 의해 산정된 광릉의 나비종수는 120종부터 141종 사이였으며, 평균값은 128종이었다. 이에 반해 1958년 이래 보고된 과거조사자료를 취합하여 작성한 종목록은 148종이었는데, 최근의 나비상 변화의 분석결과를 토대로 나비 종수의 타당한 값을 검토하였다. 수목원내 전시원의 종풍부도가 자연림과 인공림 보다 높았고 자연림과 인공림 사이에서는 차이는 나타나지 않았다. 수목원내 전시원에는 상대적으로 숲에 비해 초지가 많고 서식처가 더 다양한 것이 나비군집의 종풍부도가 높아진 원인으로 판단하였다.

• 디지털융복합연구
• /
• 제15권9호
• /
• pp.15-21
• /
• 2017

본 연구는 인권피해와 자아존중감의 관계에서 성장 마인드셋과 그릿의 매개효과를 검증하는데 목적이 있다. 자료는 임의표집한 대학생 233명을 대상으로 설문으로 수집하였으며, 자료 분석을 위하여 신뢰도 분석, 상관 분석 및 Macro Process을 수행하였고, 성장 마인드셋과 그릿의 매개효과를 검증하기 위하여 부트스트랩 방법을 사용하였다. 연구결과는 다음과 같다. 첫째, 인권피해는 자아존중감, 성장 마인드셋, 그릿과 유의미한 부적 상관관계가 있는 반면, 자아존중감은 성장 마인드셋 및 그릿과 정적 상관관계가 있었다. 둘째, Macro Process를 이용한 경로분석 결과 인권피해는 자아존중감, 성장 마인드셋 및 그릿에 부적 영향을 미쳤다. 반면에 성장 마인드셋과 그릿은 자아존중감에 정적인 영향을 미쳤다. 셋째, 성장 마인드셋과 그릿은 인권피해와 자아존중감과의 관계에서 매개효과가 있었다. 이러한 결과는 인권 피해를 당한 대학생들의 자아존중감이 성장 마인드셋과 그릿을 증가시킴으로써 향상될 수 있음을 시사하였다.

• 한국심리학회지:법
• /
• 제12권2호
• /
• pp.151-169
• /
• 2021

P300 숨긴정보검사에서 거짓말 여부를 판단하기 위하여 가장 많이 사용되는 기법은 부트스트랩 진폭차이(BAD) 방법과 부트스트랩 상관차이(BCD) 방법이다. 두 방법의 정확판단율을 비교한 선행연구들은 일관되지 않은 결과를 보고하였다. 일부의 연구들에서 BAD 방법이 BCD 방법보다 더 정확하다고 보고되고 있지만, 다른 연구에서는 BCD 방법이 BAD 방법보다 더 정확한 것으로 나타났다. 본 연구의 목적은 BAD 방법의 정확도가 더 높은 조건과 BCD 방법의 정확도가 더 높은 조건을 확인하는 것이다. 몬테 카를로 연구결과, 전반적으로 BAD 방법의 오경보율이 BCD 방법의 오경보율보다 더 높았으며, BAD 방법의 적중률이 BCD 방법의 적중률보다 더 높았다. 관련자극과 무관련자극의 P300 잠재시간이 비슷한 경우에 비교하여 관련자극의 P300 잠재시간이 약 100ms 빠른 경우에는 BCD 방법의 적중률이 크게 감소하였으며, 약 100ms 느린 경우에는 BCD 방법의 적중률이 증가하였다. 관련자극의 P300 진폭이 무관련자극의 P300 진폭보다 약간 더 크면서 관련자극의 P300 잠재시간이 목표자극의 P300 잠재시간보다 긴 경우에는 BCD 방법의 적중률이 BAD 방법의 적중률보다 더 높았다. BAD 방법의 오경보율이 높은 이유와 BCD 방법의 적중률이 관련자극의 P300 잠재시간에 영향을 받는 이유에 대해서 논의하였다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.123-132
• /
• 2013

최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.

• 지능정보연구
• /
• 제20권4호
• /
• pp.121-139
• /
• 2014

기업의 부도 예측은 재무 및 회계 분야에서 매우 중요한 연구 주제이다. 기업의 부도로 인해 발생하는 비용이 매우 크기 때문에 부도 예측의 정확성은 금융기관으로서는 매우 중요한 일이다. 최근에는 여러 개의 모형을 결합하는 앙상블 모형을 부도 예측에 적용해 보려는 연구가 큰 관심을 끌고 있다. 앙상블 모형은 개별 모형보다 더 좋은 성과를 내기 위해 여러 개의 분류기를 결합하는 것이다. 이와 같은 앙상블 분류기는 분류기의 일반화 성능을 개선하는 데 매우 유용한 것으로 알려져 있다. 본 논문은 부도 예측 모형의 성과 개선에 관한 연구이다. 이를 위해 사례 선택(Instance Selection)을 활용한 배깅(Bagging) 모형을 제안하였다. 사례 선택은 원 데이터에서 가장 대표성 있고 관련성 높은 데이터를 선택하고 예측 모형에 악영향을 줄 수 있는 불필요한 데이터를 제거하는 것으로 이를 통해 예측 성과 개선도 기대할 수 있다. 배깅은 학습데이터에 변화를 줌으로써 기저 분류기들을 다양화시키는 앙상블 기법으로 단순하면서도 성과가 매우 좋은 것으로 알려져 있다. 사례 선택과 배깅은 각각 모형의 성과를 개선시킬 수 있는 잠재력이 있지만 이들 두 기법의 결합에 관한 연구는 아직까지 없는 것이 현실이다. 본 연구에서는 부도 예측 모형의 성과를 개선하기 위해 사례 선택과 배깅을 연결하는 새로운 모형을 제안하였다. 최적의 사례 선택을 위해 유전자 알고리즘이 사용되었으며, 이를 통해 최적의 사례 선택 조합을 찾고 이 결과를 배깅 앙상블 모형에 전달하여 새로운 형태의 배깅 앙상블 모형을 구성하게 된다. 본 연구에서 제안한 새로운 앙상블 모형의 성과를 검증하기 위해 ROC 커브, AUC, 예측정확도 등과 같은 성과지표를 사용해 다양한 모형과 비교 분석해 보았다. 실제 기업데이터를 사용해 실험한 결과 본 논문에서 제안한 새로운 형태의 모형이 가장 좋은 성과를 보임을 알 수 있었다.

• 한국유통학회지:유통연구
• /
• 제16권4호
• /
• pp.65-93
• /
• 2011

B2B 시장에서 구매자와 판매자간의 관계는 매우 밀접하고 장기화되는 것이 특징이므로 결국 단순한 제품을 판매하는 것에 그치는 것이 아닌 지속적인 서비스에 대한 중요성이 날로 커지고 있다. 산업재 연구 전반에 걸쳐서도 서비스에 대한 중요성과 관심이 증대되면서 고객이 서비스를 사용하는데 있어서 그 서비스의 품질과 함께 최근 소비자들은 얼마나 빠르고 쉽게 서비스가 제공되어 투입되는 노력을 최소화시킬 수 있는가를 매우 중요하게 생각하기 때문에 편의성이 중요한 요인으로 고려되어지고 있다. 이에 따라, 본 연구에서는 산업재 시장에서 관계만족과 관계성과를 형성하는데 중요하게 생각할 수 있는 새로운 요인이 어떤 것인가 라는 의문점에서 출발하여, 서비스 편의성과 관계성과 사이의 구조적 관계를 조사하고자 하였다. 이 연구의 가장 큰 학문적 기여점은 산업재 연구에서 주류를 이루고 있는 관계품질과 관계성과의 새로운 선행요인을 검증한 것이다. 또한 소비재 시장에서 주로 연구되었던 서비스 편의성 척도를 산업재 시장에 적용하여 그 활용도를 실험해 보았다는 데 의의가 있다. 본 연구는 서비스 편의성의 구성요소인 서비스 편의성을 결정편의성, 접근편의성, 거래편의 성, 편익편의성, 사후편익편의성 다섯가지 차원으로 구분하고 관계적 요인인 관계만족에 미치는 영향과 이러한 관계만족이 관계몰입과 관계성과에 어떠한 영향을 미치는가를 분석하여 서비스 편의성의 관리와 투자에 대한 마케팅 측면의 중요성을 제시하고 있다. 실증분석을 위해 산업재 서비스를 이용하고 있는 기업의 직원들을 대상으로 설문을 통해 데이터를 수집하였으며 서비스 편의성 ${\rightarrow}$ 관계만족 ${\rightarrow}$ 관계몰입 $\{rightarrow}$ 관계성과에 대한 인과적 구성모텔에 대해 구조방정식 모델분석으로 검증하였다. 구성모텔에 대한 분석결과 서비스 편의성을 구성하는 요소 중 접근편의성을 제외한 나머지 결정편의성, 거래편의성, 편익편의성, 사후편익편의성은 모두 관계적 요인들에 긍정적인 영향을 미쳤으며, 그 중 편익편의성이 관계적 요인에 가장 큰 영향을 주는 것으로 나타났다. 또한 추가적으로 매개효과검증을 실시하여, 서비스 편의성과 관계성과의 관계를 살펴보는데 있어서, 서비스 편의성이 관계만족과 관계몰입을 통해서 관계성과에 긍정적인 영향을 주는 구조적 인 관계를 가지고 있음을 알 수 있었다. 이는 높은 서비스 편의성에 대한 관리와 투자가 구매자로 하여금 관계에 만족하게 만들고 이렇게 형성된 관계만족은 관계에 몰입하게 하여 결과적으로는 관계성과를 가져올 수 있음을 시사한다.