• 한국통신학회논문지
• /
• 제28권1C호
• /
• pp.56-63
• /
• 2003

본 논문에서는 스테레오 정합을 위한 특징으로 웨이블릿의 이동성(shift ability)을 이용한 윈도우 웨이블릿 기반 스테레오 정합방법을 제안하였다. 기존의 정합방법에서 사용된 전 영상에 대한 웨이블릿 분해는 웨이블릿의 이동성 유지가 이루어지지 않아서 정합 정확도가 떨어진다. 그래서 웨이블릿의 이동성을 신뢰성 있는 정합정보로 사용하기 위해 윈도우로 전체 파형의 일부를 표본화하고 웨이블릿 분해를 수행하여 기준신호와 이동된 신호의 부대역 정보 사이의 상관도(cross-correlation)를 정합정보로 이용하였다. 대역별 상관도는 얻어진 4개의 부대역의 대역별 가중치가 고려되어 계산된다. 제안한 방법은 주파수 대역별 계층적인 정합과 양방향 정합과정을 통해 영상의 경계부분, 동일한 형태의 반복, 잡음(white noise)등이 포함된 영상에서의 오정합을 줄일 수 있었으며 특징정보가 부족한 부분에서의 정합도 개선할 수 있었다.

• 생태와환경
• /
• 제41권spc호
• /
• pp.1-10
• /
• 2008

We patterned water quality of agricultural reservoirs according to the differences of six physico-chemical environmental factors (TN, TP, DO, BOD, COD, and SS) using four different ordination methods: Principal Components Analysis (PCA), Detrended Correspondence Analysis (DCA), Nonmetric Multidimensional Scaling (NMS), and Isometric Feature Mapping (Isomap). The data set was obtained from the water quality monitoring networks operated by the Ministry of Agriculture and Forestry and the Ministry of Environments. Chlorophyll-${\alpha}$ displayed the highest correlation with COD, followed by TP, BOD, SS, and TN (p<0.01), while negatively correlated with altitude and bank height of the reservoirs (p<0.01). Although four different ordination methods similarly patterned the reservoirs according to the gradient of nutrient concentration, PCA and NMS appeared to be the most efficient methods to pattern water quality of reservoirs based on the explanation power. Considering variable scores in the ordination map, the concentration of nutrients was positively correlated with Chl-${\alpha}$, while negatively correlated with altitude and bank height. These ordination methods may help to pattern agricultural reservoirs according to their water quality characteristics.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권4호
• /
• pp.1080-1099
• /
• 2023

Digital healthcare combined with telemedicine services in the form of convergence with digital technology and AI is developing rapidly. Digital healthcare research is being conducted on many conditions including shock. However, the causes of shock are diverse, and the treatment is very complicated, requiring a high level of medical knowledge. In this paper, we propose a shock detection method based on the correlation between shock and data extracted from hemodynamic monitoring equipment. From the various parameters expressed by this equipment, four parameters closely related to patient shock were used as the input data for a machine learning model in order to detect the shock. Using the four parameters as input data, that is, feature values, a random forest-based ensemble machine learning model was constructed. The value of the mean arterial pressure was used as the correct answer value, the so called label value, to detect the patient's shock state. The performance was then compared with the decision tree and logistic regression model using a confusion matrix. The average accuracy of the random forest model was 92.80%, which shows superior performance compared to other models. We look forward to our work playing a role in helping medical staff by making recommendations for the diagnosis and treatment of complex and difficult cases of shock.

• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.215-226
• /
• 2006

본 연구에서는 경안천 유역에 대해 초단시간 강수예보모델인 VSRF(Very Short Range Forecast of precipitation) 모델에서 생산되는 예측강우량의 검증을 실시하고, 이를 NWSPC(National Weather Service PC) 강우-유출 모형에 적용하였다. 강수는 기상학적 검증과 수문학적 검증으로 구분하여 검증하였다. 기상학적 검증은 유역 내에 존재하는 AWS 강수량과 VSRF모델 강수량의 정성적 관계를 객관적으로 제시하였고, 수문학적 검증은 AWS 면적 가중치를 고려한 유역평균 강우량과 VSRF유역평균 강우량과의 정량적 검증결과를 제시하였다. 또한 예보모델에서 생산된 6시간 예측강수량을 NWSPC 모형에 적용해 강수예보모델의 수문연계 가능성을 검토해 본 결과 0.6 이상의 높은 상관관계를 보여 예보모델의 수자원 활용 가능성을 제시하였다.