• International journal of advanced smart convergence
• /
• 제7권4호
• /
• pp.57-65
• /
• 2018

Artificial neural network is inspired by the biological neural network. For simplicity, in computer science, it is represented as a set of layers. Many research has been made in evaluating the number of neurons in the hidden layer but still, none was accurate. Several methods are used until now which do not provide the exact formula for calculating the number of thehidden layer as well as the number of neurons in each hidden layer. In this paper model selection approach was presented. Proposed model is based on geographical analysis of decision boundary. Proposed model selection method is useful when we know the distribution of the training data set. To evaluate the performance of the proposed method we compare it to the traditional architecture on IRIS classification problem. According to the experimental result on Iris data proposed method is turned out to be a powerful one.

• International Journal of Computer Science & Network Security
• /
• 제21권6호
• /
• pp.207-212
• /
• 2021

Clustering Unlabeled Spatial-datasets to convert them to Labeled Spatial-datasets is a challenging task specially for geographical information systems. In this research study we investigated the NYC Taxi Limousine Commission dataset and discover that all of the spatial-temporal trajectory are unlabeled Spatial-datasets, which is in this case it is not suitable for any data mining tasks, such as classification and regression. Therefore, it is necessary to convert unlabeled Spatial-datasets into labeled Spatial-datasets. In this research study we are going to use the Clustering Technique to do this task for all the Trajectory datasets. A key difficulty for applying machine learning classification algorithms for many applications is that they require a lot of labeled datasets. Labeling a Big-data in many cases is a costly process. In this paper, we show the effectiveness of utilizing a Clustering Technique for labeling spatial data that leads to a high-accuracy classifier.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.386-389
• /
• 2008

It is important that the training stage of a supervised classification is designed to provide the spectral information. On the design of the training stage of a classification typically calls for the use of a large sample of randomly selected pure pixels in order to characterize the classes. Such guidance is generally made without regard to the specific nature of the application in-hand, including the classifier to be used. An approach to the training of a support vector machine (SVM) classifier that is the opposite of that generally promoted for training set design is suggested. This approach uses a small sample of mixed spectral responses drawn from purposefully selected locations (geographical boundaries) in training. A sample of such data should, however, be easier and cheaper to acquire than that suggested by traditional approaches. In this research, we evaluated them against traditional approaches with high-resolution satellite data. The results proved that it can be used small mixed pixels to derive a classification with similar accuracy using a large number of pure pixels. The approach can also reduce substantial costs in training data acquisition because the sampling locations used are commonly easy to observe.

• 한국주거학회:학술대회논문집
• /
• 한국주거학회 2008년도 춘계학술발표대회 논문집
• /
• pp.245-250
• /
• 2008

The city means not only a geographical area as a role of the spatial boundary, but also a socio-economic place to communicate with each part. It requires various functions to get the income and activities. But city has a limitation of a available land to provide the required function and a sufficient space to supply the activity. Therefore, the development trend of city has not been to spread to the horizontal area any more and considered the vertical area. In addition, various functions put into a massive building because many people want to solve the daily requirements without spending time and cost. In this paper, it aimed at classifying the mixed-use building into function, circulation, relation between the public and private space and the building shape to provide the design information according to the development constraints such as land area, functional limitation, accessibility, etc. The classification of the mixed-use buildings is divided into four areas. The data are collected with foreign countries in Japan, Europe and US.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1771-1777
• /
• 2023

최근 딥러닝의 발전으로 의미론적 분할을 통한 토지피복 분류 방법들이 제안되고 있다. 그러나 기존의 딥러닝 기반 모델들은 영상 정보만을 이용하기 때문에 시공간적 일관성을 담보할 수 없는 한계점이 있다. 이에 본 연구에서는 좌표 정보를 활용한 토지피복 분류 모델을 제안한다. 먼저 암시적 신경 표현 기법인 다중해상도 해시 인코더를 위경도 좌표계로 확장한 좌표 해시 인코더를 통해 좌표의 특징을 추출하였다. 다음으로 추출된 좌표 특징을 다양한 단계의 U-net 디코더와 결합하는 아키텍처를 제안하였다. 실험 결과, 제안 방법이 약 32% 향상된 분류 정확도를 보였고, 시공간적 일관성이 향상됨을 확인하였다.

• 대한지리학회지
• /
• 제48권1호
• /
• pp.56-71
• /
• 2013

본 연구의 목적은 한국의 도시들을 대상으로 산업의 공간분포특성을 규명하고 그 결과를 이용하여 산업분류를 수행하는 것이다. 이를 위해 본 연구는 15개 산업부문에 대하여 한국 내 82개 도시를 분석하였다. 분석에서는 지리적 및 비지리적 측정방식을 이용하여 산업부문의 집중과 산업 간의 연계패턴을 파악하였다. 집중과 연계도의 측정을 위해 입지지니계수, 모란지수, 상관계수, 이변량모란지수를 이용하였으며 이들의 추정값에 기초하여 15개 산업부문을 분류하였다. 연구의 결과 화학공업은 높은 수준의 지리적 및 비지리적 집중을 보인 반면 조립기계전자산업은 지리적 측면에서만 높은 수준의 집중도를 보였다. 인쇄출판업, 도매업, 사업서비스업은 비지리적 측면에서 다른 부문들과 높은 연계를 나타냈다. 한편, 그 밖에 10개 부문은 의미 있는 분포양상을 보이지 않았다. 본 연구는 산업의 공간적 분포패턴을 종합적으로 분석할 수 있는 방법론을 제공하였다는데 의의가 있으며 이를 통해 산업클러스터 등 산업입지정책을 집행하는데 있어 유용한 정보를 제공해 줄 수 있다.

• 한국경제지리학회지
• /
• 제21권2호
• /
• pp.90-106
• /
• 2018

본 연구의 목적은 우리나라 농식품 수출의 상품별 동향과 수출 관문별 특징을 밝히고, 농식품 수출 활성화를 위한 관문의 성장 방향에 대한 시사점을 제시하는 것이다. 지난 17년 동안 우리나라 농식품 수출은 가공식품 중심으로 규모가 확대되었고, 수위 수출 관문으로서 부산항의 위상은 압도적이다. 이러한 사실을 바탕으로 의사결정나무(CART) 분석을 통해 부산항 곡물 가공식품 수출에 영향을 미치는 결정요인을 파악한 결과 지향지의 GDP, 우리나라와 상대국과의 거리, 1인당 GNI가 부산항 가공식품 수출 규모의 평균을 최대한 잘 예측해주는 변수의 집합으로 나타났다. 수출 대상국은 8개의 집단으로 분류되었고, 이는 유형별 특성에 따른 농식품 수출 활성화 전략에 대한 유용한 정보를 제공해준다.

• 대한지리학회지
• /
• 제44권5호
• /
• pp.605-623
• /
• 2009

본 연구의 목적은 파키스탄의 강수지역을 구분하는 것이다. 파키스탄 강수 특성의 이해를 증진시키기 위해 강수 지역을 구분하였다. 강수 형태는 순별 강수량 자료를 이용하여 인자분석과 군집분석 기법으로 분석하였다. 연구에 사용된 자료는 파키스탄 기상청에서 제공하는 32개 기상 관측소의 자료로 연구 기간은 1980년에서 2006년까지이다. 인자분석의 결과 추출된 3개의 인자는 전체 변동의 94.60%를 설명한다. 강수 지역은 강수 특성의 공간적 분포를 이해하기 위해 군집분석을 하였다. 군집분석은 Ward법을 이용하여 분석하였다. 연구 결과 강수 지역은 6개의 지역으로 구분되었다. 지역의 경계는 Baluchistan 고원, Indus 평야, Hindu Kush 산맥과 Himalaya 산맥 같은 지형을 기준으로 구분하였다.

• 대한지리학회지
• /
• 제44권1호
• /
• pp.1-16
• /
• 2009

본 연구에서는 기온과 강수특성을 함께 고려하여 남한의 기후지역을 구분하였다. 먼저 계절별 기온 및 강수량 분포를 살펴보았는데, 기온은 모든 계절에서 지형 및 위도에 의해 영향을 받았다. 강수량은 여름철에 집중되고 지역적으로는 강원 영동, 남해안, 제주에서 많았고 경북 중부지역에서 적은 분포를 보였다. 기온 및 강수량의 경험적 직교함수(Empirical Orthogonal Function)분석을 통해서 산출된 주성분점수를 입력변수로 하여 평균연결법과 Ward법을 이용한 군집분석을 수행하였다. Ward법은 지형, 위도, 해양의 효과와 기압계 이동 방향에 따른 특성을 잘 반영하였으며 행정구역에도 잘 맞게 구분되어 가장 좋은 군집결과를 보여주었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권10호
• /
• pp.447-454
• /
• 2015

본 논문에서는 트위터 기반 이벤트 탐지에서의 기계학습을 통한 지명 노이즈제거 방식을 제안한다. 최근 스마트폰 이용자의 증가로 소셜 네트워크 서비스(SNS) 이용자가 증가하고 있는 추세이다. 그중 트위터는 140자 이내의 단문서비스와 팔로우 기능으로 정보의 빠른 전달력과 확산성을 가지고 있다. 이러한 특성과 모바일에 최적화된 트위터의 특성상 정보 전달 속도가 매우 빠르기 때문에 재난 상황이나 이벤트 전달의 매개체 역할을 하고 있다. 이와 관련된 연구로는 트위터 사용자 개개인을 이벤트 탐지의 센서로 사용하여 현실에서 발생하는 이벤트를 탐지하였는데 이벤트가 특정 장소에서 발생한다는 특성을 이용해서 지명 키워드를 사용하였다. 그러나 지명과 동형이의어 관계에 관한 노이즈제거에 대한 부분이 누락되어있어서 이벤트 탐지의 정확도를 낮추는 요인이 된다. 이에 본 논문에서는 제거와 예측 두 가지 방식으로 노이즈제거 기법을 적용하였다. 먼저 노이즈 관련 데이터베이스 구축을 이용하여 제거 필터링을 진행한 후에 나이브 베이지안 분류를 이용해서 지명 유무를 결정하였다. 실험 데이터를 이용해서 기계학습을 위한 확률값을 구했으며, 지명마다 본 논문에서 제시하는 예측기법을 검증했을 때 89.6%의 신뢰도로 노이즈제거 기법의 필요성을 보였다.