• Geomechanics and Engineering
• /
• 제25권1호
• /
• pp.17-30
• /
• 2021

This paper develops a convenient approach for deterministic and probabilistic evaluations of tunnel face stability using support vector machine classifiers. The proposed method is comprised of two major steps, i.e., construction of the training dataset and determination of instance-based classifiers. In step one, the orthogonal design is utilized to produce representative samples after the ranges and levels of the factors that influence tunnel face stability are specified. The training dataset is then labeled by two-dimensional strength reduction analyses embedded within OptumG2. For any unknown instance, the second step applies the training dataset for classification, which is achieved by an ad hoc Python program. The classification of unknown samples starts with selection of instance-based training samples using the k-nearest neighbors algorithm, followed by the construction of an instance-based SVM-KNN classifier. It eventually provides labels of the unknown instances, avoiding calculate its corresponding performance function. Probabilistic evaluations are performed by Monte Carlo simulation based on the SVM-KNN classifier. The ratio of the number of unstable samples to the total number of simulated samples is computed and is taken as the failure probability, which is validated and compared with the response surface method.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제12권1호
• /
• pp.667-679
• /
• 2020

As the LNG carrier operates in ice covered waters, it is key to ensure the overall safety, which is related to the coupling effect of ice-breaking process and internal liquid sloshing. This paper focuses on the sloshing simulation of the ice-breaking LNG carrier, and the numerical method is proposed using Circumferential Crack Method (CCM) and Volume of Vluid (VOF) with two main key factors (velocity νx and force Fx). The ship motion analysis is carried out by CCM when the ship navigates in the ice-covered waters with a constant propulsion power. The velocity νx is gained, which is the initial excitation condition for the calculation of internal sloshing force Fx. Then, the ship motion is modified based on iterative computations under the union action of ice-breaking force and liquid sloshing load. The sloshing simulation under the LNG tank is studied with the modified ship motion. Moreover, an ice-breaking LNG ship with three-leaf type tank is used for case study. The internal LNG sloshing is simulated with three different liquid heights, including free surface shape and sloshing pressure distribution at a given moment, pressure curves at monitoring points on the bulkhead. This present method is effective to solve the sloshing simulation during ice-breaking process, which could be a good reference for the design of the polar ice-breaking LNG carrier.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권10호
• /
• pp.3230-3255
• /
• 2022

Causality mining in NLP is a significant area of interest, which benefits in many daily life applications, including decision making, business risk management, question answering, future event prediction, scenario generation, and information retrieval. Mining those causalities was a challenging and open problem for the prior non-statistical and statistical techniques using web sources that required hand-crafted linguistics patterns for feature engineering, which were subject to domain knowledge and required much human effort. Those studies overlooked implicit, ambiguous, and heterogeneous causality and focused on explicit causality mining. In contrast to statistical and non-statistical approaches, we present Bidirectional Encoder Representations from Transformers (BERT) integrated with Multi-level Feature Networks (MFN) for causality recognition, called BERT+MFN for causality recognition in noisy and informal web datasets without human-designed features. In our model, MFN consists of a three-column knowledge-oriented network (TC-KN), bi-LSTM, and Relation Network (RN) that mine causality information at the segment level. BERT captures semantic features at the word level. We perform experiments on Alternative Lexicalization (AltLexes) datasets. The experimental outcomes show that our model outperforms baseline causality and text mining techniques.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 추계학술대회
• /
• pp.527-532
• /
• 2007

Differentiation strategies have been suggested as the critical sources of competitive advantage in B2C industry where customers can switch internet shopping mall with one click with virtually no transaction cost. Indeed, competition on low pricing cannot be a viable strategy in B2C industry. Moreover, cultivating customer loyalty to attain profitability is still a challenging task for most internet shopping mall. In this study, we provide empirical analysis results on key managerial variables that indicate the difference between the product categories in terms of customer perception on relative value importance. We first identified comprehensive managerial variables and organized them in terms of customer decision stage. Next, with reference to extant literatures on product characteristics based e-commerce strategy, hypotheses are developed to formalize the customer value differences on the key managerial variables. Empirical testing results indicated that there are significant differences on customer perceived value of the key managerial variables between the product groups. The findings provide useful insight for further study on e-commerce differentiation strategy.

• 인터넷정보학회논문지
• /
• 제19권1호
• /
• pp.27-35
• /
• 2018

본 논문은 안드로이드 플랫폼에서 악성 어플리케이션을 탐지하기 위한 연구로, 안드로이드 악성 어플리케이션에 대한 위협과 행위 분석에 대한 연구를 바탕으로 머신러닝을 적용한 악성 어플리케이션 탐지를 수행하였다. 안드로이드의 행위 분석은 동적 분석도구를 통해 수행할 수 있으며, 이를 통해 어플리케이션에 대한 API Calls, Runtime Log, System Resource, Network 등의 정보를 추출할 수 있다. 이 연구에서는 행위 분석을 통한 특징 추출을 머신러닝에 적용하기 위해 특징에 대한 속성을 변환하고, 전체 특징에 대한 머신러닝 적용과 특징들의 연관분석을 통한 주성분분석으로 특징간의 상관분석으로 얻은 머신러닝 적용을 수행하였다, 이에 대한 결과로 악성 어플리케이션에 대한 머신러닝 분류 결과는 전체 특징을 사용한 분류 결과보다 주요 특징을 통한 정확도 결과가 약 1~4%정도 향상되었으며, SVM 분류기의 경우 10%이상의 좋은 결과를 얻을 수 있었다. 이 결과를 통해서 우리는 전체적인 특징을 이용하는 것보다, 주요 특징만을 통해 얻을 결과가 전체적인 분류 알고리즘에 더 좋은 결과를 얻을 수 있고, 데이터 세트에서 의미있는 특징을 선정하는 것이 중요하다고 파악하였다.

• 대한공간정보학회지
• /
• 제18권2호
• /
• pp.29-33
• /
• 2010

항공레이저측량을 통한 지형 분류작업은 분류 정확도의 확보와 세밀한 지형 표현의 두 목표를 동시에 만족해야 한다. 이 두 목표를 달성하기 위한 자동분류 처리에 연구로서 노이즈가 많은 지형분류 결과로부터 필터링을 통한 품질향상 연구가 다수 있었으나 한국과 같이 삼림이 울창하고 지표면 투과율이 낮은 환경에서의 항공레이저측량 결과 적용 시 관목 및 교목 하층이 지면으로 분류되는 오류가 많았다. 이에 본 연구는 정확도가 높고 점밀도가 낮은 1차 지형분류 결과를 기반으로 아직 지형으로 등록되지 않은 LiDAR 지형 분류 후보 점군들로부터 세밀 지형 표현에 필요한 점들을 추출하는 기법으로 점분류 처리절차를 개선하였다. 주변 지형 포인트의 가중치를 부여하여 경사 (gradient) 계산을 통해 미추출 LiDAR 점군들로부터 지형 표현 점들을 분류하는 본 알고리즘은 특히 능선부분의 사라진 특징을 찾아내거나 무너진 논둑을 복원하는 등 최소의 점들로 중요한 지형 요소점(terrain model key points)을 놓치지 않고 세밀하게 표현하는데 효과적이다. 이 알고리즘을 통해 추출한 점들과 1차 지형분류 결과를 결합하여 지형분류최적화 방법을 제안하였다.

• 한국환경복원기술학회지
• /
• 제20권3호
• /
• pp.1-18
• /
• 2017

This study constructed a high-resolution bioclimatic classification map of South Korea which classifies land into homogeneous zones by similar environment properties using advanced statistical techniques compared to existing ecological area classification studies. The climate data provided by WorldClim(1960-1990) were used to generate 27 bioclimatic variables affecting biological habitats, and key environmental variables were derived from Correlation Analysis and Principal Component Analysis. Clustering Analysis was performed using the ISODATA method to construct a 30'(~1km) resolution bioclimatic classification map. South Korea was divided into 21 regions and the results of classification were verified by correlation analysis with the Gross Primary Production(GPP), Actual Vegetation map made by the Ministry of Environment. Each zones' were described and named by its environmental characteristics and major vegetation distribution. This study could provide useful spatial frameworks to support ecosystem research, monitoring and policy decisions.

• 한국음향학회지
• /
• 제30권8호
• /
• pp.461-467
• /
• 2011

제한된 대역폭을 효율적으로 사용하기 위해서 도입된 가변 전송률은 먼저 신호의 정확한 분류를 필요로 한다. 특히 멀티미디어 서비스가 보편화 되면서 음성/음악 신호 분류의 중요성도 높아지게 되었다. 음성/음악 분류기 중, 서포트벡터머신 (SVM)을 이용한 분류기는 높은 분류 정확도로 주목받고 있다. 그러나 SVM는 많은 계산량과 저장 공간을 요구하므로 효율적인 구현이 요구되며, 특히 임베디드 시스템과 같이 자원이 제한 적인 경우에는 더욱 그러하다. 본 논문에서는 먼저 SVM을 이용한 음성/음악 분류기의 임베디드 시스템으로의 구현을 실행시간과 에너지소비의 관점에서 분석하고, 효율적인 구현을 위한 두가지 방법들을 제안한다. 서포트벡터의 판별결과에의 기여도를 바탕으로 기여도가 낮은 벡터들을 제외하는 방법과, 음성/음악 신호에 기본적으로 존재하는 각 프레임간의 상관관계를 이용하여 입력신호의 일부를 건너뛰는 방법이다. 이 기법들은 SVM의 학습 시 사용되는 다른 최적화 기법에 관계없이 적용이 가능하며, 실험을 통해 분류의 정확도, 실행시간, 그리고 에너지소비의 관점에서 그 성능을 증명하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권2호
• /
• pp.213-219
• /
• 2020

본 연구는 스마트폰 과의존을 진단하고 예측하기 위하여 할 수 있는 분류분석 방법과 스마트폰 과의존 분류율에 영향을 미치는 중요변수를 규명하고자 시도되었다. 이를 위해 인공지능의 방법인 기계학습 분석 기법 중 의사결정트리, 랜덤포레스트, 서포트벡터머신의 분류율을 비교하였다. 자료는 한국정보화진흥원에서 제공한 '2018년 스마트폰 과의존 실태조사'에 응답한 25,465명의 데이터였고, R 통계패키지(ver. 3.6.2)를 사용하여 분석하였다. 분석한 결과, 3가지 분류분석 기법은 정분류율이 유사하게 나타났으며, 모델에 대한 과적합 문제가 발생되지 않았다. 3가지 분류분석 방법 중 서포트벡터머신의 분류율이 가장 높게 나타났고, 다음으로 의사결정트리 기법, 랜덤포레스트 기법 순이었다. 스마트폰 이용 유형 중 분류율에 영향을 미치는 상위 3개 변수는 생활서비스형, 정보검색형, 여가추구형이었다.

• 한국컴퓨터정보학회논문지
• /
• 제26권10호
• /
• pp.37-43
• /
• 2021

말소리의 음향 특징을 이용하여 화자에 대한 중요한 사회, 언어학적 정보를 얻을 수 있는데 그 중 한 가지 핵심 특징은 방언이다. 화자의 방언 사용은 컴퓨터와의 상호작용을 방해하는 주요 요소이다. 방언은 발화의 음소, 음절, 단어, 문장 및 구와 같이 다양한 수준에서 구분할 수 있지만 이를 하나하나 식별하여 방언을 구분하기는 어렵다. 이에 본 논문에서는 음성 데이터의 특성 중 MFCC만 사용하는 경량화된 한국어 방언 분류 모델을 제안한다. 한국인 대화 음성 데이터를 통해 MFCC 특징을 활용하는 최적의 방법을 연구하고, 8가지 머신 러닝 및 딥러닝 분류 모델에서 경기/서울, 강원, 충청, 전라, 경상 5개의 한국어 방언 분류 성능을 비교한다. MFCC를 정규화하는 방법으로 대부분의 분류 모델에서 성능을 향상시켰으며, MFCC를 정규화하기 전 분류 모델의 최고 성능과 비교하여 정확도는 1.07%, F1-score는 2.04% 향상된 성능을 기록하였다.