• 대한지리학회지
• /
• 제29권2호
• /
• pp.117-136
• /
• 1994

오늘날 첨단산업의 발전과 더불어 산업의 공간구조 변화가 지역적인 차원은 물론 국제적인 차원에서 일어나고 있으며 신산업지구의 등장은 그 좋은 예라고 볼 수 있다. 신산 업지구는 소기업 중심의 유연적 전문화에 의해서만 형성되는 것이 아니라 생산체계, 생산의 네트워크, 뿌리내림(embeddedness), 기업의 규모 등 4가지 요인과 관련하여 다양한 형태로 형성발전하는 역동성을 가지고 있다. 신산업지구는 기본적으로 네트워크의 유형에 따라 4개 의 기본유형과 5개의 혼합형으로 구분될 수 있는데, 이들은 위의 4가지 요인 외에도 기업간 권한의 계층성, 협력과 경쟁, 제도적 요인, 매몰비용(sunk costs) 등에 의해서 그 특성이 구 분되며 사례를 확인할 수 있다. 9개의 유형은 모두 첨단산업과 관련지을 수 있으나, 첨단산 업의 발전과 더불어 혼합형 산업지구가 형성발전될 가능성이 더 크다. 과거의 산업지구는 역사적 우연성에 의해서 형성되는 경우가 흔하였지만 오늘날 첨단산업과 관련한 산업지구는 정책과 전략이 그 형성과 발전에 중요하다. 따라서 제도적 지원체계의 마련, 매몰비용의 절 감, 국제화에 대한 대응 등의 여러 가지 전략이 추진되어야 신산업지구의 형성과 역동적인 발전이 가능하다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.