• 한국대기환경학회지
• /
• 제24권3호
• /
• pp.346-356
• /
• 2008

Asbestos is the name of a group of minerals with long and thin fibers that originate naturally in the environment. Asbestos mainly affects lungs and the membrane that surrounds the lungs. In general, PCM (phase contrast microscopy) and PLM (polarized light microscopy) have been used to analyze asbestos fibers. However, these methods have often problems to over-estimate number concentration when counting real asbestos fibers. Moreover, there are many difficulties when separating and identifying various asbestos and non-asbestos fibers. In order to determine quantitative information on fibrous particles, source profiles for asbestos and non-asbestos fibers must be initially developed on the basis of their chemical compositions and physical parameters. In our study, a SEM/EDX was used to develop source profiles from known asbestos samples as reference samples. We could make the source profile matrix consisting of 6 types of asbestos fibers and 2 types of non-asbestos fibers by analyzing 380 fibers. Based on these profiles, a rule building expert system was developed by using the visual basic application (VBA). Various fibers were successfully classified by 2 simple rules in the EXCEL environment based on several visual steps such as inserting data, viewing results, and saving results. For a case study to test the expert system, samples from a construction materials and from various indoor environments such as a residental area, a preschool classroom, and an underground store were collected and analyzed. As a result of the survey, a total of 76 individual test fiber particles was well classified into 5 different types of particle classes; 9.3% of chrysotile, 15.4% of amosite, 0.8 of crocidolite, 4.2% of tremolite, 5.8% glass fiber, 21.1% of other fibers, and 43.5% of unknown fibers in terms of number concentration. Even though unknown portion was high, it will be decreased markedly when expanding fiber source profiles.

• 한국방사선학회논문지
• /
• 제14권3호
• /
• pp.279-287
• /
• 2020

방사선은 의료, 연구, 산업 등 다양한 분야에서 활용되고 있어 방사선 이용기관 및 방사선작업종사자의 수가 증가하고 있으며, 방사선 관련 피폭 사고도 발생함에 따라 방사선방호 및 안전에 대한 관심이 증가하고 있다. 이에 원자력안전법에서는 방사선원을 이용하는 장소에 대해서는 선량한도를 초과하지 않도록 하기 위해 차폐물을 설치하도록 규정하고 있다. 특히, 고정 설치된 차폐시설이 없는 곳에서 방사선투과검사 작업 수행 시, 일정한 선량율을 기준으로 작업장 출입 및 일반인 접근 여부를 감시하고 있다. 하지만, 고정 설치된 차폐시설 없는 곳에서의 방사선투과검사 작업 허가 신청 시, 방사선관리구역 및 (일반인) 감시구역거리 및 해당 거리에서의 피폭선량 계산에 고려해야 할 인자들은 법적으로 규정되어 있지 않다. 이에 본 연구에서는 방사선방호용 도구(납 담요, Collimator)의 특성(규격, 두께 등), 사용 선원 등을 입력 시, 자동으로 방사선관리구역 및 (일반인) 감시구역 거리와 비용을 산정해 주는 Excel model을 개발하였다. 이후 특정 가정을 바탕으로 방사선방호용 도구 두께에 따른 피폭선량 및 거리 변화율을 분석한 결과, 방사선방어용 도구의 두께가 증가함에 따라 방사선관리구역의 거리는 감소하였으나, 납 담요 두께가 25 mm, Collimator의 두께가 21.5 mm 이상부터는 거리의 변화율이 낮았다. 따라서, 해당 두께 이상의 방사선방어용 도구를 사용하고도 방사선관리구역 및 (일반인) 감시구역에서의 피폭선량이 높은 경우, 방사선방어용 도구 이외의 요소를 변화시켜 피폭선량을 낮추어야 할 것으로 예상된다. 또한, 본 연구에서는 1) 피폭선량 계산 시, 산란성 및 Build up 등을 고려하지 않은 점, 2) 납 담요 및 Collimator의 실제 모양이 아닌 직육면체와 중심이 빈 원기둥 모양으로 가정 등으로 인해 실제 피폭선량과 차이가 있다는 한계점이 있었다. 따라서, 향후 앞선 한계점들을 고려하면서 실제 작업환경에 대한 자료를 활용하여 연구를 수행한다면, 실제 작업환경을 바탕으로 방사선관리구역 거리 및 피폭선량 등에 대한 Database 구축이 가능할 것으로 예상된다.

• 지능정보연구
• /
• 제20권4호
• /
• pp.107-120
• /
• 2014

본 연구에서는 사회연결망분석기법 중 하나인 구조적 공백 분석 결과를 이용하여 추천과정에 사용자의 정성적이고 감성적인 정보를 반영할 수 있는 협업필터링 기반의 추천시스템을 제안한다. 협업필터링은 추천기술 중 가장 많이 활용되고 있지만 전통적으로 확장성과 희박성 등의 문제점뿐 만 아니라 사용자-상품 매트릭스의 선호도만을 이용하여 추천을 함으로써 사용자의 정성적이고 감성적인 정보를 추천과정에 반영하지 못한다는 한계점이 있다. 본 연구에서 제안하는 추천시스템은 사회연결망분석에서 중심성 분석과 함께 연결망 내의 주요개체를 탐지할 수 있는 구조적 공백 분석을 이용하여 연결망 내의 대표 사용자들을 추출한 후 이들을 중심으로 군집을 형성한 후 각 군집색인 협업필터링을 수행하는 과정을 통해 전통적인 협업필터링에서 반영하지 못했던 정성적, 감성적 정보를 반영한다. 한편, 군집색인 협업필터링을 수행함으로써 추천의 효율성을 높일 수 있는 장점도 있다. 본 연구에서는 실제 사용자들의 상품에 대한 선호도 평가점수와 사용자들의 사회연결망 정보를 수집하여 실험을 수행하고 전통적인 협업필터링과 다양한 형태의 협업필터링과의 추천성과 비교를 통하여 제안하는 시스템의 유용성을 확인한다. 비교모형으로는 전통적인 협업필터링, 임의 군집색인 기반 협업필터링, k평균 군집색인 기반 협업필터링을 이용한 추천시스템이며, 실험 결과, 제안한 모형이 다른 비교모형에 비해 추천성과의 정확도가 가장 우수하였다. 추천성과의 차이에 대한 통계적 유의성 검정 결과, 제안 모형은 전통적인 협업필터링 기반의 추천시스템과는 통계적으로 유의한 성과 차이가 없었으나, 다른 두 모형에 대해서는 통계적으로 유의한 성과의 차이가 있는 것으로 나타났다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.