• 한국안전학회지
• /
• 제20권4호
• /
• pp.63-70
• /
• 2005

It has been used so many kinds of architectural materials and interior products in current building construction, and use of composite architectural materials is increasing with the development of chemical technology. As the green architecture has become the center of public interest, much effort is conducted in advanced countries on the LCA point of view, such as restriction of architectural materials that emitting pollution substances, developing of Non-Toxic architectural materials, and recycling of used materials, etc. with the cooperation of related organizations, material manufacture companies, and construction companies. Because the kinds of materials to be used in building constructions are so various, there might be some possibility of personal and subjective choice at the time of materials selection resulting the missing the requirements of building components and the choice of harmful materials to human. One way to resolve the material problem is to present the green architectural materials which coincide with the quality performance at service and not harmful to man and nature. At this point of view, this study aims to develop the material classification model by investigating the major labelling system about green architectural materials in both domestic and abroad and to implement an efficient material selection system by making a powerful database of environmental standard and quality basis of building requirements.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1706-1718
• /
• 1997

다양한 소프트웨어 제품의 급격한 증가로 인하여 소프트웨어 제품의 평가·선정을 위한 체계적이고 객관적인 방법이 필요하게 되었다. 본 연구에서는 소프트웨어 제품의 효과적 평가·선정을 위해 평가 과정의 핵심인 가중치 부여와 모형의 선정에 중점을 둔다. 이를 위해 첫째, 계층적 분석 과정을 이용하여 평가 속성에 일관적 가중치를 부여한다. 둘째, 소프트웨어 제품의 선정 문제의 성격에 알맞은 모형을 조사${\cdot}$분류하여 모형별 장${\cdot}$단점을 분석한다. 적용 모형은 4개의 보상모형과 7개의 비보상모형으로 구성되어 있다. 선정된 모형은 특정 소프트웨어 제품(데이터베이스 모델러)에 응용되어 모형별로 제품을 평가한다. 본 연구는 가중치 부여 및 모형의 장·단점 분석과 응용 절차를 통하여 사용자의 다양한 요구사항에 대한 모형의 적용성을 제고하고자 한다.

• 한국정보처리학회논문지
• /
• 제6권2호
• /
• pp.543-551
• /
• 1999

본 논문의 목적은 필기 숫자 인식에서 특징의 부류 분별력을 분석하고, 이를 특징 선택에 활용하는 것이다. 부류 분별력을 측정하기 위하여 Parzen 윈도우를 이용하여 부류 분포를 추정하였고, 서로 다른 부류의 부류 분포간의 거리를 부류 분별로 정의하였다. 이렇게 계산된 부류 분별을 이용하여, 특징 벡터에서 쓸모 없거나 중복성을 갖는 특징을 제거하여 특징 벡터의 차원을 줄인다. 실험은 CENPARMI 필기 숫자에 대해 수행하였으며 10개 부류 전체 뿐 아니라 2개 부류에 대해서도 수행하였다. 실험 결과 10-부류 필기 숫자 인식에서 256-차원 원래 특징 벡터를 인식률 손실 없이 22% 줄일 수 있어, 부류 분별이 특징 선택을 위한 유용한 도구임을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.771-789
• /
• 2019

Text detection has been a popular research topic in the field of computer vision. It is difficult for prevalent text detection algorithms to avoid the dependence on datasets. To overcome this problem, we proposed a novel unsupervised text detection algorithm inspired by bootstrap learning. Firstly, the text candidate in a novel form of superpixel is proposed to improve the text recall rate by image segmentation. Secondly, we propose a unique text sample selection model (TSSM) to extract text samples from the current image and eliminate database dependency. Specifically, to improve the precision of samples, we combine maximally stable extremal regions (MSERs) and the saliency map to generate sample reference maps with a double threshold scheme. Finally, a multiple kernel boosting method is developed to generate a strong text classifier by combining multiple single kernel SVMs based on the samples selected from TSSM. Experimental results on standard datasets demonstrate that our text detection method is robust to complex backgrounds and multilingual text and shows stable performance on different standard datasets.

• 한국통신학회논문지
• /
• 제38A권6호
• /
• pp.486-491
• /
• 2013

본 논문은 객체검출(object detection)에 사용되는 분류기의 학습을 위한 빠르고 효율적인 Haar-like feature 선택 알고리듬을 제안한다. 기존 AdaBoost를 이용한 Haar-like feature 선택 알고리듬은 학습 샘플들에 대한 피쳐의 에러만을 고려하여 형태적으로 유사하거나 중복되는 피쳐가 선택되는 경우가 많았다. 제안하는 알고리듬은 피쳐의 형태와 피쳐간의 거리로부터 피쳐의 유사도를 계산하고 이미 선택된 피쳐와 유사도가 큰 피쳐들을 피쳐 세트에서 제거하여 빠르고 효율적인 피쳐 선택이 이루어지도록 하였다. FERET 얼굴 데이터베이스를 사용하여 제안된 알고리듬을 사용하여 학습시킨 분류기와 기존 알고리듬을 사용한 분류기의 성능을 비교하였다. 실험 결과 제안한 피쳐 선택 방법을 사용하여 학습시킨 분류기가 기존 방법을 사용한 분류기보다 향상된 성능을 보였으며, 동일한 성능을 갖도록 학습시켰을 경우 분류기의 피쳐 수가 20% 감소하였다.

• 한국비블리아학회지
• /
• 제23권3호
• /
• pp.105-137
• /
• 2012

웹상에서 유통되는 정보자원의 역사적, 사회적, 문화적 가치는 전 세계적으로 인정받고 있으며, 인류 유산으로 후세에게 물려주기 위한 웹 아카이빙 사업이 수행되고 있다. 이 사업에서 가장 기본이 되는 것은 수많은 웹 자원 중 수집 및 보존의 가치가 있는 웹 자원을 선정하기 위한 선정지침이라 할 수 있다. 본 연구에서는 선행연구 및 국내외 웹 아카이빙 선정지침을 집중적으로 분석하여 OASIS를 위한 선정지침의 개선안을 제안하였다. 첫째, 웹 자료에 대한 정의, 용어정의, 수집기본원칙, 수집방법, 수집주기, 구체적인 아카이빙 대상자원 선정에 대해서 개선 내용을 제안하였다. 둘째, 수집대상자료에 대해서 대폭적으로 개선 내용을 제안하였으며, 웹 아카이빙 선정제외자료에 대한 제안도 하였다. 마지막으로, 수집방법과 온라인 자료 납본과의 관련성, 선정대상자료에 대한 목록데이터베이스 구축의 필요성, 협력형 아카이빙 정책의 필요성에 대해서 논의하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.107-114
• /
• 2022

본 논문에서는 질병관리청 국민건강영양조사(KNHANES: Korea National Health and Nutrition Examination Survey) 데이터베이스에서 특징선택 방법으로 고혈압을 감지 예측하는 방법을 개선했다. 또한 만성 고혈압과 관련된 다양한 위험 요인을 확인하였다. 본 논문은 3가지로 나누어, 첫째 결측값을 제거하고 Z-변환을 하는 데이터 전처리 단계이다. 다음은 데이터 셋에서 특징선택법을 기반으로 하는 요인분석(FA)을 사용하는 특징선택 단계이며, 특징선택을 기반으로 다중공선형 분석(MC)와 특징중요도(FI)을 비교했다. 마지막으로 예측분석단계에서 고혈압 위험을 감지하고 예측하는데 적용했다. 본 연구에서는 각 분류 모델에 대해 ROC 곡선(AUC) 아래의 평균 표준 오차(MSE), F1 점수 및 면적을 비교한다. 테스트 결과 제안한 MC-FA-RF모델은 80.12% 가장 높은 정확도를 보이고, MSE, f-score, AUC 모델의 경우 각각 0.106, 83.49%의, 85.96% 으로 나타났다. 이러한 결과는 고혈압위험 예측에 대한 제안된 MC-FA-RF 방법이 다른 방법에 비해 우수함을 보이고 있다.

• 정보기술과데이타베이스저널
• /
• 제8권1호
• /
• pp.117-128
• /
• 2001

Recently there are many researches of text mining to find interesting patterns or association rules from mass textual documents. However, the words extracted from informal documents are tend to be irregular and there are too many general words, so if we use pre-exist method, we would have difficulty in retrieving knowledge information effectively. In this paper, we propose a new feature extraction method to classify mass documents using association rule based on unsupervised learning technique. In experiment, we show the efficiency of suggested method by extracting features and classifying of documents.

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 2005년도 춘계학술발표회
• /
• pp.1291-1292
• /
• 2005

• Journal of the Korean Data and Information Science Society
• /
• 제19권4호
• /
• pp.1007-1018
• /
• 2008

The purpose of this case study is to demonstrate database-marketing management. First, we explore original variables for insurance customer's data, modify them if necessary, and go through variable selection process before analysis. Then, we develop churn prediction models using logistic regression, neural network and SVM analysis. We also compare these three data mining models in terms of misclassification rate.