With the rapid development of Internet of Things (IoT) and big data technology, a large amount of data will be generated during the operation of related industries. How to classify the generated data accurately has become the core of research on data mining and processing in IoT industry chain. This study constructs a classification model of IoT industry chain based on improved random forest algorithm and text analysis, aiming to achieve efficient and accurate classification of IoT industry chain big data by improving traditional algorithms. The accuracy, precision, recall, and AUC value size of the traditional Random Forest algorithm and the algorithm used in the paper are compared on different datasets. The experimental results show that the algorithm model used in this paper has better performance on different datasets, and the accuracy and recall performance on four datasets are better than the traditional algorithm, and the accuracy performance on two datasets, P-I Diabetes and Loan Default, is better than the random forest model, and its final data classification results are better. Through the construction of this model, we can accurately classify the massive data generated in the IoT industry chain, thus providing more research value for the data mining and processing technology of the IoT industry chain.
The objective of the study is 10 know the relation of landslide occurrence with using TPI (Topographic Position Index) in the Pyungchang County. Total 659 landslide scars were detected from aerial photographs. To analyze TPI, 100m SN (Small-Neighborhood) TPI map, 500m LN (Large-Neighborhood) TPI map, and slope map were generated from the DEM (Digital Elevation Model) data which are made from 1 : 5,000 digital topographic map. 10 classes clustered by regular condition after overlapping each TPI maps and slope map. Through this process, we could make landform classification map. Because it is only to classify landform, 7 classes were finally regrouped by the slope angle information of landslide occurrence detected from aerial photography analysis. The accuracy of reclassified map is about 46%.
모든 식생 군락은 각자 층위구조를 가지고 있다. 이를 '식생층위구조'라 부른다. 요즈음은 이 층위구조가 산림의 활력도, 다양성, 그리고 환경영향을 평가하는데 중요한 식별자로 작용하기 때문에 산림조사에 있어서 식생층위구조는 필수적으로 조사되어야한다. 그런데, 식생층위구조는 일종의 내부구조이므로 일반적으로 산림조사는 현장조사를 통해 이루어지는데, 이는 전통적인 방식으로 시간과 예산이 많이 든다. 따라서 본 연구에서는 산림의 층위구조를 조사하는데 드는 시간과 예산을 줄이기 위해 넓은 지역 탐사에 효과적인 원격탐사기법 중 항공촬영 사진과 대량의 데이터 마이닝(Data Mining)이 가능한 머신러닝(Machine Learning)기법 이용한 층위구조의 분류 방법을 제시한다. 칼라 항공사진, LiDAR(Light Detection and Ranging) DSM(Digital Surface Model)과 DTM(Digital Terrain Model)을 이용하여 Support Vector Machine(SVM) 머신러닝 기법을 이용하여 층위분류 연구를 진행하였다. 현장조사 자료를 참조하여 SVM기법 분류 결과와 비교했을 때 픽셀수에 기반한 정확도는 66.22%로 확인 되었다. 층위 분류 정확도는 단층과 다층의 구분은 비교적 높게 나타났으나, 다층끼리의 분류는 어렵다는 결론이 나타났다. 이러한 연구결과는 향후 다양한 식생데이터와 영상자료를 수집한다면 식생구조에 대한 머신러닝 연구분야에 더욱 발전이 가능할 것으로 기대된다.
자연림은 산림의 조성 과 보육 등에 인공적인 사람의 힘이 가해지지 않은 자연 상태의 산림이다. 반면 인공림은 사람이 조성 및 보육관리 하는 숲으로 목재생산, 자연재해 예방, 방풍 등의 목적을 가지는 산림이다. 인공림은 목재생산 등 인간이 목적을 가지고 관리하여 단위 면적당 더 많은 목재를 생산할 수 있는 경제적 장점도 가지고 있다. 자연림과 인공림의 구분은 산림 형태의 관리 방법과 목정이 상이하여 산림조사에서 기본적으로 조사하는 요소이며, 자연림과 인공림의 구분은 항공사진 판독과 현지조사 등의 절차를 통해 이루어진다. 본 연구에서는 자연림과 인공림의 분류에 KOMPSAT-3, 3A, 5 위성 영상데이터에 인공신경망(Artificial Neural Network: ANN)을 적용하여 자연림과 인공림의 분류도를 만들고, 산림청의 1/5,000임상도의 자연림과 인공림 분류도와 비교하여 평가하였다. 인공신경망을 이용한 산림의 자연림과 인공림 구분의 연구를 진행한 결과, 1/5,000 임상도와 비교했을 때, 학습결과 분류 전체 정확도는 77.03%이다. 영상의 획득 시기와 산림의 침엽수와 활엽수 등 기타요인이 인공신경망을 이용한 산림의 인공림과 자연림의 구분에 많은 영향을 미치는 것을 확인하였다.
덕유산 백암봉 일대의 천연림을 대상으로 산림형을 구분하고, 각 산림형별 생태적 특성을 파악하여 천이경향을 제시하였다. 사분각법을 이용하여 225개의 표본점에서 식생자료를 수집하였으며, 다양한 다변량 통계분석(Cluster분석, 지표종분석, 다중판별분석 등)을 실시하여 산림형을 구분하였다. 그 결과, 연구대상지는 5개의 산림형으로 분류되었고, 상층의 우점비율 및 입지환경에 따라 능선부에서는 신갈나무림, 계곡부에서는 들메나무-물푸레나무-층층나무림과 들메나무림, 사면하부에서는 졸참나무-소나무-신갈나무림, 소나무림 등이 분포하여 입지조건에 따라 수종구성 차이가 뚜렷한 것으로 나타났다. 산림유형별 생태적, 환경적 특성을 근거로 천이경향을 추정한 결과, 현재의 산림형은 신갈나무림, 들메나무림, 중생혼합림, 참나무-서어나무림 등으로 천이가 진행될 것으로 예상되었다.
산불은 경제적 손실뿐만 아니라 인명을 위협할 수 있는 국가적 재해다. 이러한 산불을 미연에 방지하고 피해를 저감하기 위해서는 산불발생위험지역을 사전에 판단하여 효율적으로 관리하는 것이 필요하다. 본 연구에서는 입지환경에서 중요한 부분을 차지하는 산림토양특성 중 토양형, 지형, 토성, 경사, 배수 등과 산불발생지점을 가지고 각 지점별 산불발생위험을 예측할 수 있는 산불발생확률 모형을 개발하였다. 개발 시 조건부확률과 GIS를 이용하였다 개발된 산불발생확률 모형의 적합성 검정을 위하여 추정모형의 예측력 비율을 검토할 수 있는 예측비곡선에 적용한 결과 실효성이 있는 것으로 나타났다. 이러한 결과를 적용하여 산불관리자가 손쉽게 산불발생위험지역을 파악할 수 있도록 위험지역을 구분하였다.
본 연구는 지리산 일대 천연림에서 점표본법인 사분법에 의해서 수집한 식생자료를 바탕으로 cluster 분석법을 이용하여 산림형을 분류하였다. 연구 대상림은 신갈나무림형, 들메나무-거제수나무림형, 중생혼합림형, 구상나무림형, 서어나무림형, 졸참나무림형, 소나무림형, 굴참나무림형 등 8개의 산림형으로 분류되었다. 분류된 8개의 산림형들의 천이 진행 정도를 비교 평가하기 위하여 각 산림형별로 천이지수를 산출하였다. 연구 결과, 서어나무림형의 천이지수가 219.7로 산출되어 가장 높았고, 미미한 차이의 천이지수 218.3이 산출된 중생혼합림이 그 뒤를 이었으며, 소나무림형의 천이지수가 가장 낮았다. 산림형들의 천이지수와 종다양성지수와의 비례적인 관계는 찾기 어려웠다. 가정적으로, 천이지수가 높은 산림형은 극상림에 보다 가까이 근접한 것으로 사료된다. 그러나 추정된 천이지수는 천이 단계를 가늠하는 절대적인 기준으로 삼을 수는 없지만, 산림형들 간에 천이 계열 상의 위치를 비교 평가할 수 있는 참고자료의 역할을 할 수 있을 것으로 사료된다.
In this paper, we develop a galaxy image classification method based on hand-crafted features and machine learning techniques. Additionally, we provide an empirical analysis to reveal which combination of the techniques is effective for galaxy image classification. To achieve this, we developed a framework which consists of four modules such as preprocessing, feature extraction, feature post-processing, and classification. Finally, we found that the best technique for galaxy image classification is a method to use a median filter, ORB vector features and a voting classifier based on RBF SVM, random forest and logistic regression. The final method is efficient so we believe that it is applicable to embedded environments.
미국(美國) 서북부(西北部) Rocky 산맥(山脈) 부근(附近)의 삼림(森林)에서는 다극성상군락(多極盛相群落)의 이론(理論)에 기초(基礎)를 둔 Forest Habitat Types (H.T.) 분류법(分類法)이 개발(開發)되어 삼림(森林)의 지위판정(地位判定), 토지(土地) 이용구분(利用區分), 식물(植物)의 수직적(垂直的) 분포(分布)의 연구(硏究), 삼림(森林)의 다목적(多目的) 경영(經營)의 객관적(客觀的)인 지침(指針)을 마련하는데 많이 이용(利用)하고 있다. 필자(筆者)는 인공림(人工林)과 식생천이(植生遷移)의 초기단계(初期段階)에 있는 삼림(森林)이 많은 우리나라의 경우(境遇) 이 H.T. 분류법(分類法)을 응용(應用)해 볼만한 가치(價値)가 있을 것인지, 응용(應用)하는데 어떠한 이점(難點)이 있을 것인가를 알아 보기 위하여 Montana 대학(大學) 연습림(演習林)을 중심(中心)으로 식생자료(植生資料)의 수집(收集)에서부터 자료(資料)의 분석(分析) 검색표(檢索表)의 작성(作成), H.T. 도(圖)의 작성(作成) 및 분석(分析)된 각(各) H.T.에 대한 임업경영적(林業經營的) 해석(解釋)을 시도(試圖)하였다. 1) H.T. 분류법(分類法)은 삼림(森林)의 지위(地位)를 Climax Series, Habitat Types, Phases와 같은 단계적(段階的) 분류(分類)로 체계화(體系化)할 수 있었다. 2) 식별종(識別種)의 유무(有無)와 다소(多少)를 바탕으로 야외동정(野外同定)을 위한 검색표(檢索表)가 만들어지므로 삼림경영자(森林經營者)로 하여금 객관적(客觀的)이며 성력적(省力的)인 방법(方法)으로 H.T. 분류(分類)와 H.T. 도(圖)를 작성(作成)할 수 있었다. 3) 분류(分類)된 H.T.는 목재생산성(木材生産性), 목초(牧草) 및 야생동물(野生動物)의 먹이 생산성(生産性), 조림구역(造林區域) 및 조림수종(造林樹種)의 결정(決定), 작업종(作業種)의 적용(適用) 등(等) 삼림(森林)의 다목적경영(多目的經營)을 위한 객관적(客觀的)인 지침(指針)을 마련하는 데 이용(利用)될 수 있을 것으로 사료(思料)되었다. 4) 인공림(人工林)과 식생천이(植生遷移)의 초기단계림(初期段階林)이 많은 우리 나라와 같은 경우(境遇) 유적종(遺跡種)과 인접임분(憐接林分)을 이용(利用)한 외삽법으로서 H.T.분류(分類)가 가능(可能)할 것으로 예측(豫測)할 수 있었으며 잠재식생(潜在植生) 및 삼림(森林)의 수평적(水平的), 수직적(垂直的) 분포(分布) 연구(硏究)하는데도 객관성(客觀性)이 있는 방법(方法)으로 사료(思料)되었다.
본 연구는 상관에 의한 현존식생 및 종조성표 분류법과 배열법의 군집분류법을 적용하여 치악산국립공원 구역의 식생천이 경과에 따라 변화된 식물군락구조를 분석하였다. 현존식생은 신갈나무림(33.1%)이 가장 넓은 면적을 차지하였으며 다음으로 혼효림(16.2%), 일본잎갈나무림(15.6%), 낙연활엽수림(14.7%), 소나무림(11.1%), 잣나무림(2.3%), 리기다소나무림(0.1%)순이었다. 식생은 당단풍-신갈나무군락, 층층나무-까치박달군락, 졸참나무군락, 소나무군락 및 식재림으로 분류되었다. 당단풍-신갈나무군락은 하위단위 군락으로 서어나무-조릿대군락, 물푸레나무군락, 노린재나무-대사초군락이 구분되었다. 종조성표의 분류법과 배열법의 식물군락 분류는 유사하였다. 식생천이는 산중턱 이상에서 신갈나무(교목층)-당단풍(아교목층)-철쭉(관목층)이 결합하여 극상림을 이룰 것으로 예측되었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.