• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.233-235
• /
• 2005

This paper presents an unsupervised change detection methodology designed for the detection of landslide areas. The proposed methodology consists of two analytical steps: one for multi-temporal segmentation and the other for automatic selection of thresholding values. By considering the conditions of landslide occurrences and the spectral behavior of multi-temporal remote sensing images, some specific procedures are included in the analytical steps mentioned above. The effectiveness and applicability of the methodology proposed here were illustrated by a case study of the Gangneung area, Korea. The case study demonstrated that the proposed methodology could detect about $83\%$ of landslide occurrences.

• 한국정보처리학회논문지
• /
• 제7권11호
• /
• pp.3445-3461
• /
• 2000

많은 종류의 침입탐지시스템들이 국내외에서 만들어졌으나 이러한 시스템들을 평가할 수 있는 방법론에 대한 연구는 아직 미흡한 상태이다. 이와 같은 상황을 인지하여 본 논문에서는 침입탐지시스템들을 평가할 수 있는 여러 가지 기준 중에서 가장 중요하다고 생각되는 침입탐지시스템 성능 및 안전성 측면에 대해 평가 초점을 맞추어 이에 대한 방법론을 제시하려한다. 기존 침입탐지시스템 성능 측면 평가 관련 연구에서는 주로 오용행위에 대해 평가를 실시하였으며 이에 대한 탐지 능력을 측정하는데 초점을 맞춘 반면 비정상행위 대해서는 현재 자세한 평가 방법론을 제시하고 있지 않은 상황이다. 안전성 평가의 경우 오프라인 방법론상에서는 적용하기 어려우며 기존 온라인 방법론에서는 아직 평가 방법이 제시되고 있지 않은 실정이다. 본 논문에서는 비정상행위의 체계적인 분류와 이를 기반으로 한 비정상행위 생성 방법 제시를 통해 오용행위 탐지시스템과 더불어 비정상행위 탐지시스템에 대해서도 평가 방법을 제시하고자 하며 또한 침입탐지시스템의 안전성을 위해할 수 있는 요소들을 파악하여 이를 기반으로 한 안전성 측면 평가 방법도 같이 제시한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1992년도 한국자동제어학술회의논문집(국제학술편); KOEX, Seoul; 19-21 Oct. 1992
• /
• pp.255-260
• /
• 1992

It is reported on the methodology of signal detection in noise which is based on a comparison of statistical parameters of observation sample from region of frequency-time noise space where a signal may be present and observation sample from region of this noise space and it is known a priori about the latter that the signal is absent in this region.

• 대한산업공학회지
• /
• 제9권1호
• /
• pp.33-43
• /
• 1983

This paper develops a general methodology for evaluating inspection (mainly, safety inspection) policies, standard and regulations in a complex system with lots of components. Based on practically available data, this methodology enable planners and regulators to estimate the costs and effectiveness of different inspection policies when applied under different system working conditions. As main tools, the concepts of detection probability and earliness of detection are developed in this paper.

• 산업경영시스템학회지
• /
• 제45권4호
• /
• pp.86-98
• /
• 2022

Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.

• IEIE Transactions on Smart Processing and Computing
• /
• 제5권6호
• /
• pp.390-394
• /
• 2016

This paper presents a new comparison method for haze-removal algorithms in next-generation automotive systems. Compared to previous peak signal-to-noise ratio-based comparisons, which measure similarity, the proposed modulation transfer function-based method checks sharpness to select a more suitable haze-removal algorithm for lane detection. Among the practical filtering schemes used for a haze-removal algorithm, experimental results show that Gaussian filtering effectively preserves the sharpness of road images, enhancing lane detection accuracy.

• 지능정보연구
• /
• 제28권2호
• /
• pp.101-125
• /
• 2022

최근 컴퓨팅 기술의 발전과 클라우드 환경의 개선에 따라 딥 러닝 기술이 발전하게 되었으며, 다양한 분야에 딥 러닝을 적용하려는 시도가 많아지고 있다. 대표적인 예로 정상적인 데이터에서 벗어나는 값이나 패턴을 식별하는 기법인 이상 탐지가 있으며, 이상 탐지의 대표적 유형인 점 이상, 집단적 이상, 맥락적 이중 특히 전반적인 상황을 파악해야 하는 맥락적 이상을 탐지하는 것은 매우 어려운 것으로 알려져 있다. 일반적으로 이미지 데이터의 이상 상황 탐지는 대용량 데이터로 학습된 사전학습 모델을 사용하여 이루어진다. 하지만 이러한 사전학습 모델은 이미지의 객체 클래스 분류에 초점을 두어 생성되었기 때문에, 다양한 객체들이 만들어내는 복잡한 상황을 탐지해야 하는 이상 상황 탐지에 그대로 적용되기에는 한계가 있다. 이에 본 연구에서는 객체 클래스 분류를 학습한 사전학습 모델을 기반으로 이미지 캡셔닝 학습을 추가적으로 수행하여, 객체 파악뿐만 아니라 객체들이 만들어내는 상황까지 이해해야 하는 이상 상황 탐지에 적절한 2 단계 사전학습 모델 구축 방법론을 제안한다. 구체적으로 제안 방법론은 ImageNet 데이터로 클래스 분류를 학습한 사전학습 모델을 이미지 캡셔닝 모델에 전이하고, 이미지가 나타내는 상황을 설명한 캡션을 입력 데이터로 사용하여 학습을 진행한다. 이후 이미지와 캡션을 통해 상황 특질을 학습한 가중치를 추출하고 이에 대한 미세 조정을 수행하여 이상 상황 탐지 모델을 생성한다. 제안 방법론의 성능을 평가하기 위해 직접 구축한 데이터 셋인 상황 이미지 400장에 대해 이상 탐지 실험을 수행하였으며, 실험 결과 제안 방법론이 기존의 단순 사전학습 모델에 비해 이상 상황 탐지 정확도와 F1-score 측면에서 우수한 성능을 나타냄을 확인하였다.

• 전산구조공학
• /
• 제7권3호
• /
• pp.153-166
• /
• 1994

구조물의 손상예측정확도를 모델불확실성의 함수로 산정하는 방법론이 제시되었다. 먼저, 구조물의 손상발생위치과 크기를 결정할 수 있는 알고리즘의 요약되고 모델불확실성과 손상발견정확도를 측정하는 방법들이 제시되었다. 다음으로, 실존구조물의 손상발견정확도에 미치는 모델불확실성의 영향을 산정하는 방법론이 제시되었다. 마지막으로, 한개의 진동모드가 측정된 Plate-Girder교량을 사용하여 이같은 산정방법론의 적합성이 예증되었다.

• Structural Engineering and Mechanics
• /
• 제42권3호
• /
• pp.425-448
• /
• 2012

In this paper, a new damage detection and quantification method has been presented to perform detection and quantification of structural damage under ambient vibration loadings. To extract modal properties of the structural system under ambient excitation, natural excitation technique (NExT) and eigensystem realization algorithm (ERA) are employed. Sensitivity matrices of the dynamic residual force vector have been derived and used in the parameter subset selection method to identify multiple damaged locations. In the sequel, the steady state genetic algorithm (SSGA) is used to determine quantified levels of the identified damage by minimizing errors in the modal flexibility matrix. In this study, performance of the proposed damage detection and quantification methodology is evaluated using a finite element model of a truss structure with considerations of possible experimental errors and noises. A series of numerical examples with five different damage scenarios including a challengingly small damage level demonstrates that the proposed methodology can efficaciously detect and quantify damage under noisy ambient vibrations.

• Journal of Information Technology Applications and Management
• /
• 제15권1호
• /
• pp.243-260
• /
• 2008

To prevent low yields in the semiconductor industry is crucial to the success of that industry. However, to prevent low yields is difficult because of too many factors to affect yield variation and their complex relation in the semiconductor manufacturing process. This study presents a new efficient detection methodology for detecting abnormal yields including high and low yields, which can forecast the yield level of a production unit (namely a lot) based on yield-related feature variables' behaviors. In the methodology, we use C5.0 to identify the yield-related feature variables that are the combination of correlated process variables associated with yield, use SOM (Self-Organizing Map) neural networks to extract and classify significant patterns of past abnormal yield lots and finally use C5.0 to generate classification rules for detecting abnormal yield lot. We illustrate the effectiveness of our methodology using a semiconductor manufacturing company's field data.