• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 추계학술대회 논문집 학회본부
• /
• pp.404-406
• /
• 1996

The objective of this paper is to present a new feature-vector extraction method for the automatic detection and classification of power quality(PQ) disturbances, where FFT, DWT(Discrete Wavelet Transform), and data compression are utilized to extract an appropriate feature vector. In particular, the proposed classifier consists of three parts: i.e., (i) automatic detection of PQ disturbances, where the wavelet transform and signal power estimation method are utilized to detect each disturbance, (ii) feature vector extraction from the detected disturbance, and (iii) automatic classification, where Multi-Layer Perceptron(MLP) is used to classify each disturbance from the corresponding extracted feature vector. To demonstrate the performance and applicability of the proposed classification algorithm, some test results obtained by analyzing 7-class power quality disturbances generated by the EMTP are also provided.

• 한국음향학회지
• /
• 제33권1호
• /
• pp.75-80
• /
• 2014

실시간 VoIP 네트워크는 지연, 지터 그리고 패킷손실과 같은 네트워크 장애요소로 인해 품질저하가 발생한다. 본 논문은 VoIP 음질 향상을 위해 잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘을 제안한다. 제안된 방식에서는 음성신호로부터 추출된 다양한 특징들을 분석하고 이를 기반으로 획득된 적응적인 문턱값을 사용하여 수신단에 도착한 패킷을 분류한다. 정확한 신호분류 결과는 패킷손실 은닉에 사용된다. 그리고 선형 예측 기반의 손실패킷 은닉은 연속적으로 패킷을 은닉하거나 손실된 패킷복원 시 발생하는 메탈릭 아티펙트를 제거함으로써 고품질의 음성을 제공한다.

• 경영정보학연구
• /
• 제25권3호
• /
• pp.27-41
• /
• 2023

최근 많은 분야에서 기계학습에 대한 연구가 활발히 진행되고 있는데, 상당수의 연구들이 학습 모델의 성능을 개선하는 최신 방법론을 제시하고 있다. 본 연구에서는 방법론의 개발 못지않게 기계학습에 투입되는 훈련용 데이터의 '품질'을 개선하는 것 역시 중요하다는 점에 착안하여, 코퍼스 분석에서 자주 사용되는 '부분 문법' 처리 프로세스를 통해 훈련 데이터의 품질을 향상시키는 방법을 제시한다. 우리나라 100대 기업에 근무하는 재직자들이 채용플랫폼에 게시하는 방대한 양의 비정형 기업 리뷰 텍스트 데이터를 수집하고, 데이터 품질을 부분 문법 프로세스로 개선한 후, 부분 문법이 적용된 분류 모델이 적용되지 않은 모델보다 분류 성능이 우수함을 확인하였다. 분류 카테고리는 직원 몰입의 5가지 요인으로 상정하였는데, 국내 직장인들이 기업 리뷰가 각 유형별로 빈도에 차이가 있는지를 분석하였다. 추가로 리뷰 양상이 코로나 팬데믹 전후로 어떠한 변화가 있었는지도 분석하였다. 본 연구를 통해 국내 직장인들의 생생한 일터 경험들을 자동적으로 식별하고 분류하여, 이직을 포함한 주요한 조직문화 현상의 행태와 유발 원인 등을 유추해 볼 수 있는 근거를 제공한다.

• 한국빅데이터학회지
• /
• 제2권2호
• /
• pp.75-86
• /
• 2017

본 연구에서는 빅데이터의 품질을 진단하는 방법을 자동화하는 방법을 제안하고 있다. 빅데이터의 품질진단을 자동화해야 하는 이유는 4차 산업혁명이 이슈화 되면서 과거보다 더 많은 볼륨의 데이터를 발생시키고 이 데이터들을 활용 하려는 요구가 증가하기 때문이다. 데이터는 급증하지만 데이터의 품질을 진단하기 위해 많은 시간이 소비된다면 데이터를 활용하기 위해 많은 시간이 걸리거나 데이터의 품질이 낮아질 수 있다. 그러면 이러한 낮은 품질의 데이터로부터 의사결정이나 예측을 한다면 그 결과 또한 잘못된 방향을 제시할 것이다. 이러한 문제를 해결하기 위해 많은 데이터를 신속하게 진단하고 개선할 수 있는 머신러닝 이용한 빅데이터 품질 향상을 위한 진단을 자동화 할 수 있는 모델을 개발하였다. 머신러닝을 이용하여 도메인 분류 작업을 자동화하여 도메인 분류 작업 시 발생할 수 있는 오류를 예방하고 작업 시간을 단축시켰다. 연구 결과를 토대로 데이터 변환의 중요성, 학습되지 않은 데이터에 대한 학습 시킬 수 있는 방안 모색, 도메인별 분류 모델을 개발에 대한 연구를 지속적으로 진행한다면 빅데이터를 활용하기 위한 데이터 품질 향상에 기여할 수 있을 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권7호
• /
• pp.295-302
• /
• 2023

자연어로 작성되는 소프트웨어 요구사항은 이해관계자가 바라보는 관점에 따라 의미가 달라질 수 있다. 품질 속성 기반으로 아키텍처 설계시에 품질 속성별로 적합한 설계 전술(Tactic)을 선택해야 효율적인 설계가 가능해 품질 속성 요구사항의 정확한 분류가 필요하다. 이에 따라 고비용 작업인 요구사항 분류에 관한 자연어처리 모델이 많이 연구되고 있지만, 품질 속성 데이터셋(dataset)의 불균형을 처리해 분류 성능을 개선하는 주제는 많이 다루고 있지 않다. 본 연구에서는 먼저 실험을 통해 분류 모델이 한국어 요구사항 데이터셋을 자동으로 분류할 수 있음을 보인다. 이 결과를 바탕으로 EDA(Easy Data Augmentation) 기법을 통한 데이터 증강과 언더샘플링(undersampling) 전략으로 품질 속성 데이터셋의 불균형을 개선할 수 있음을 설명하고 요구사항의 카테고리 분류에 효과가 있음을 보인다. 실험 결과 F1 점수(F1-Score) 기준으로 최대 5.24%p 향상되어 불균형 데이터 처리 기법이 분류 모델의 한국어 요구사항 분류에 도움이 됨을 확인할 수 있다. 또한, EDA의 세부 실험을 통해 분류 성능 개선에 도움이 되는 데이터 증강 연산에 관해 설명한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1464-1466
• /
• 2003

classification of the satellite images provides information about land cover and/or land use. Quality of the classification result depends mainly on the spatial and spectral resolutions of the images. In this study, image fusion in terms of resolution merging, and band integration with multi-source of the satellite images; Landsat ETM+ and Ikonos were carried out to improve classification. Resolution merging and band integration could generate imagery of high resolution with more spectral bands. Precise image co-registration is required to remove geometric distortion between different sources of images. Combination of unsupervised and supervised classification of the fused imagery was implemented to improve classification. 3D display of the results was possible by combining DEM with the classification result so that interpretability could be improved.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.457-465
• /
• 2021

본 연구에서는 국방표준분류체계의 현실태 및 문제점을 분석하고 국내외 표준분류체계 사례 분석을 통해 규격관리 업무를 효율적으로 수행하기 위한 방안을 제안하였다. 국방기술자료의 군수품 품질 문제를 지속적으로 해소하기 위해 민간의 우수 기술을 적시에 반영하고 완성도 높은 국방규격의 관리를 위해 민간의 표준체계를 벤치마킹해야 한다. 먼저, 현실태 분석을 위해 국내 민간 KS 및 국외 ICS코드, 미국 국방표준시스템을 통해 나토 분류체계를 분석하였다. 우리군의 경우는 방위사업청에서 운영 중인 국방표준종합시스템을 통해 국방규격 분류체계의 현실태를 파악하였다. 각 경우를 우리 군의 국방규격 분류체계에 산업표준과 연계해 국방표준분류체계에 적용하였다. 국방부 무기체계/전력지원체계의 분류는 전순기 군수품에 대해 8대 무기체계와 6대 전력지원체계로 분류한 우리 군에 가장 적합한 분류체계이다. 대분류로 국방부 무기체계/전력지원체계의 분류를 채택하였고, 중분류와 소분류로는 나토 분류체계를 채택하였다. 구체적으로 대분류 12개 분야, 중분류 66개 분야, 소분류 352개 분야로 각각 분류하였다. 본 연구에서는 국방표준관리체계 확립으로 민간의 기술반영을 통한 신규 국방규격 분류체계 개선방안으로 활용될 수 있을 것으로 판단된다.

• Nuclear Engineering and Technology
• /
• 제55권2호
• /
• pp.792-799
• /
• 2023

Non-reactor nuclear facilities are increasing remarkably in Korea combined with advanced technologies such as life and space engineering, and the diversification of the nuclear industry. However, the absence of a basic classification guideline related to the design of non-reactor nuclear facilities has created confusion whenever related projects are carried out. In this paper, related domestic and international technical guidelines are reviewed to present the classification criteria of non-reactor nuclear facilities in Korea. Based on these criteria, the classification of structures, systems and components (SSCs) for safety controls is presented. Using the presented classification criteria, classification of a hot cell facility, a representative non-reactor nuclear facility, was performed. As a result of the classification, the hot cell facility is classified as the hazard category 3, accordingly, the safety class was classified as non-nuclear safety, the seismic category as non-seismic (RW-IIb), and the quality class as manufacturers' standards (S).

• 한국지반공학회논문집
• /
• 제35권9호
• /
• pp.37-45
• /
• 2019

터널 굴착 시 신속한 막장면 상태 파악 및 적절한 지보패턴 결정은 터널 붕락사고의 예방 및 안정적인 굴진에 매우 중요하다. 본 연구에서는 딥러닝 기법을 활용하여 막장면 상태에 따른 암반상태 분류를 신속하게 결정할 수 있는 기술을 개발하였으며, CNN 기법을 이용한 암반상태 분류방법 및 예측 정확도 개선 방법 등을 제시하고 있다. 수 만개의 이미지가 사전 학습된 VGG16 모델을 알고리즘으로 적용하였고, 1,469개의 터널 막장면 이미지에 대한 학습을 통하여 5개 등급으로 암반상태를 분류하였다. 본 연구에서의 예측 정확도는 최대 83.9% 수준을 나타내었으며, 향후 추가적인 이미지 축적을 통해 암반상태 평가자에 따른 편차를 줄인 객관적이고 정량적 암반상태 분류방법으로 활용 가능할 것으로 판단된다.

• Journal of Computational Design and Engineering
• /
• 제1권3호
• /
• pp.194-201
• /
• 2014

Optimization of design is an important step in obtaining tissue engineering scaffolds with appropriate shapes and inner micro-structures. Different shapes and sizes of scaffolds are modeled using UGS NX 6.0 software with variable pore sizes. The quality issue we are concerned is the scaffold porosity, which is mainly caused by the fabrication inaccuracies. Bone scaffolds are usually characterized using a scanning electron microscope, but this study presents a new automated inspection and classification technique. Due to many numbers and size variations for the pores, the manual inspection of the fabricated scaffolds tends to be error-prone and costly. Manual inspection also raises the chance of contamination. Thus, non-contact, precise inspection is preferred. In this study, the critical dimensions are automatically measured by the vision camera. The measured data are analyzed to classify the quality characteristics. The automated inspection and classification techniques developed in this study are expected to improve the quality of the fabricated scaffolds and reduce the overall cost of manufacturing.