• 대한원격탐사학회지
• /
• 제31권6호
• /
• pp.531-548
• /
• 2015

위성영상을 이용하여 산출된 대기운동벡터(AMV)와 라디오존데 바람 관측 자료를 이용한 검증결과는 산출된 AMV가 지속적으로 관측 자료에 비해서 풍속이 약하게 나타나는 Slow Speed Bias(SSB)를 보여 주었다. 이러한 SSB는 표적추적, 표적선정, 그리고 고도할당 단계의 오차에 의해 야기될 수 있으며, 이 중 고도할당 단계의 오차는 SSB를 발생시키는 주된 요인으로 여겨진다. 그러나 최근 연구에서는 고도할당 단계의 개선만으로는 SSB 문제를 해결하는데 한계가 있음을 밝혔다. 그러므로 본 연구에서는 새로운 표적추적 알고리듬을 개발하여 SSB를 감소시킴으로서 기상청 현업 AMV 알고리듬의 성능을 개선하고자 하였다. 표적추적 단계의 오차는 표적 내에 다양한 시 공간 규모의 바람이 포함되어 벡터가 과도하게 평균된 움직임으로 계산되거나, 구름이 추적 시간동안 형태를 유지하지 못하고 변형되는 경우에 발생한다. 이러한 문제를 해결하기 위해 개발된 표적추적 알고리듬에서는 가우시안 군집분석(GMM)을 이용하여 변형이 적고 추적에 용이한 저온 군집을 표적으로 재선정하고, 이미지를 변형시켜 군집의 움직임을 보다 쉽게 추적할 수 있게 하였다. 또한 표적을 추적하기 위한 방법으로 거리제곱합 방법을 사용하였다. 개발된 알고리듬과 기존 COMS 알고리듬을 천리안 위성의 적외채널 영상에 적용하여 AMV를 산출하였으며, 이를 라디오존데 관측 자료와 비교 검증해 보았다. 제안된 알고리듬으로 산출된 AMV는 기존 알고리듬으로 산출된 AMV보다 평균 풍속이 $2.7ms^{-1}$증가함에 따라 SSB가 평균 29%까지 감소하는 개선된 결과를 보여주었다. 그러나 개발된 알고리듬으로 산출된 AMV는 중 하층의 정확도가 감소하였고, 기존 알고리듬에 비해 산출되는 AMV 벡터수가 약 40%까지 감소함을 보였다. 이에 따라 중 하층의 정확도 개선과 기존의 알고리듬과 비교하여 산출되는 벡터 개수가 감소하는 문제를 보완하기 위한 연구가 필요할 것으로 판단된다.

• Korean Chemical Engineering Research
• /
• 제46권2호
• /
• pp.233-247
• /
• 2008

공정 모니터링 기술은 공정 내에서 일어나는 예상치 못한 조업변화 및 이상을 조기에 감지하고 조업 이상에 영향을 끼친 근본 원인을 밝혀내어 제거해 줌으로써 공정의 안정적인 조업과 양질의 제품생산의 기반을 제공하여 준다. 데이터에 기반한 통계적 공정 모니터링 방법은 양질의 공정 데이터만 주어진다면 통계적 처리를 접목하여 비교적 쉽게 모니터링을 할 수 있고 공정의 데이터 분석에 이용할 수 있는 도구를 얻을 수 있다는 장점이 있다. 그러나 실제 공정에서는 비선형성, non-Gaussianity, 다중 운전모드, 공정상태변화로 인해 기존의 다변량 통계적 방법을 이용한 공정 모니터링 기법은 비효율적이거나, 공정 감시 성능의 저하, 종종 신뢰할 수 없는 결과를 야기한다. 이러한 경우 기존의 방법으로는 더이상 공정을 정확히 감시할 수 없기 때문에 최근에 많은 새로운 방법들이 개발 되었다. 본 총설에서는 이러한 단점을 보안하기 위해 최근 주목할 만한 연구결과인 공정 비선형성을 고려한 커널주성분분석(kernel principle component analysis) 모니터링 기법, 주성분분석 모델 조합을 이용한 다중모델(mixture model) 모니터링 기법, 공정 변화를 고려한 적응모델(adaptive model) 모니터링 기법, 그리고 센서 이상진단과 보정의 이론과 응용결과에 대하여 소개한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권3호
• /
• pp.379-386
• /
• 2004

비디오 요약의 첫 걸음은 샷(shot) 변환의 검출이다. 이러한 샷 변환은 점진적인 변환과 급진적인 변환이 있다. 지금까지 급진적인 샷 변환은 이미 주어진 한계치나 연속된 두 프레임의 이미지에 기반을 둔 거리를 이용하여 검출하였고 점진적 변환 또한 일반적으로 한계치를 이용하여 검출하였다. 그러나 한계치에 따라 그 결과가 확연히 달라지고 또한 그 한계치를 정하는 것도 어려운 문제이다. 이 논문에서는 이런 문제의 해결과 MPEG 압축 비디오 상에서 점진적 변화의 검출뿐만 아니라 분류를 해결하는 방법을 제시하였다. 논문에서는 한계치를 사용하지 않은 은닉 마르코프 모델과 MPEG의 근사 DC 값을 이용하여 보다 빠르고 정확한 결과를 얻도록 하였다. 그리고 히스토그램의 차이뿐만 아니라 매크로 블록 (macro block)의 차이라 불리는 새로운 척도를 도입하여 보다 정확한 값을 얻도록 하였다. 은닉 마르코프 모델은 샷, 페이드(fade), 디졸브(dissolve), 컷(cut) 등의 4개의 상태를 갖게 하고 학습은 Baum-Welch 알고리즘으로 필요한 변수들을 추정하였다. 그리고 특정 벡터에 Viterbi 알고리즘을 적용하여 원하는 상태를 얻을 수 있다. 대부분의 실험 결과를 보면 새로 제안한 척도를 사용한 방법이 히스토그램의 차만을 이용한 방법보다 더 좋은 결과를 나타내었으며 이산적 마르코프 모델보다 연속적 마르코프 모델이 좋은 결과를 보여준다.

• Clinical and Experimental Pediatrics
• /
• 제48권11호
• /
• pp.1179-1186
• /
• 2005

목 적 : 재태 연령에 따른 신생아 출생체중의 정상치를 아는 것은 자궁내 발육부전과 과출생 체중아를 진단하여 의사들은 고위험 신생아를 조기에 진단하고 치료하여 이들의 유병률과 사망률을 줄일 수 있고, 의료정책 입안자들은 이들에 대한 적절한 의료서비스의 개발과 건강관리 프로그램을 개발하고 시행하는데 도움을 줄 수 있다. 이에 저자들은 우리나라의 재태 연령에 따른 출생체중의 기준치를 구하고자 본 연구를 시행하였다. 방 법 : 2001년 1월 1일부터 2003년 12월 31일까지 3년간 통계청의 인구동태자료 중 출생 자료에 기록되어 있는 1,552,375명 중 재태 연령이 24주에서 44주 사이의 단태아 1,509,763명을 대상으로 재태 연령에 따른 평균값과 표준편차를 구하고 10, 25, 50, 75, 90 백분위수를 구하였다. 또한 각 재태 연령별 분포곡선이 정규분포를 따르는지 알아보았다. 이중 정규분포를 따르지 않거나 쌍봉형을 나타내는 재태 연령에서 유한 혼합 모델을 이용하여 오류의 값을 제거하고 다시 평균과 표준편차 그리고 10, 25, 50, 75, 90 백분위수를 구하고 이에 따른 곡선을 그렸다. 결 과 : 원시자료를 통해 얻은 재태 연령에 따른 출생체중 곡선은 27주에서 32주 사이에 심한 혹이 나타난다. 이에 따라 재태 연령별 출생체중의 분포를 그렸을 때 24주에서 27주까지는 우측으로 긴 꼬리를 가지는 치우친 곡선을 보였고 28주에서 32주까지는 상봉형의 곡선을 보였다. 그리고 그 이후에는 거의 정규 분포를 따르는 곡선을 보였다. 이는 33주 미만에서 재태 연령의 기록에 오류가 있음을 나타내는 것으로 저자들은 유한 혼합 모델을 이용해서 재태 연령별 출생체중 분포를 분석한 후 오류의 부분을 제거 후 재태 연령에 따른 출생체중 곡선을 완성하였다. 이렇게 완성된 출생체중 곡선은 Lubchenco 등의 결과에 비해 10 백분위수에서 높은 값을 보였고 노르웨이나 북미의 연구 결과에 비해서는 전반적으로 낮은 값을 보였다. 결 론 : 본 연구에서 얻은 재태 연령에 의한 출생체중의 기준치와 곡선은 3년간 우리나라의 출생아 전수를 대상으로 오류를 객관적인 기준에 의해 제거하여 만든 것이다. 그러므로 우리나라를 대표하난 신생아의 재태 연령에 의한 출생체중의 기준 및 자궁내 발육부전이나 과출생 체중아의 진단의 기준으로 사용 할 수 있으리라 생각된다.

• 한국ITS학회 논문지
• /
• 제16권2호
• /
• pp.140-152
• /
• 2017

본 논문은 레이더 센서, 비전 센서를 활용한 다중 센서 융합 기반 움직임 검지에 관한 연구를 다룬다. 레이더 센서는 다량의 물체를 검지함에 있어 센서 자체의 움직임이 발생할 경우 주변건물이나 주변 가로수와 같은 사물 혹은 물체를 차량으로 오인하는 경우가 생긴다. 비전 센서의 경우 저렴하고 가장 많이 쓰는 형태이지만 빛, 흔들림, 날씨, 조도 등 외부환경에 취약하다는 문제점이 있다. 각 센서 간의 문제점을 보완하고자 센서 융합을 통한 움직임 검지를 제안하게 되었고 실험환경 내에서 매우 우수한 검지율을 보이게 되었다 센서 간 융합에서 좌표 통일문제와 실시간 전송문제 등을 해결하였으며, 각 센서 간 필터링을 통한 비가공데이터(raw data)의 신뢰성을 높였다. 특히 영상에서는 가우시안 혼합모델(GMM, Gaussian Mixture Model)을 사용하여 레이더 센서의 단점을 극복하고자 했다.

• 한국통신학회논문지
• /
• 제30권2A호
• /
• pp.1-11
• /
• 2005

잡음환경이 열악한 케이블모뎀 상향채널에서 보다 많은 채널과 QoS를 제공할 수 있는 새로운 물리계층 변조기술 중의 하나인 S-DMT방식 성능을, 현재 DOCSIS 2.0에서 채용하고 있는 S-CDMA방식 및 기존의 TDMA방식과 비교 평가하였다. 케이블 모뎀 상향채널모델은 ${\varepsilon}$-복합 임펄스 모델을 적용하였으며, 이를 바탕으로 S-DMT 방식의 비트 에러 확률을 유도하고 변복조 시스템을 시뮬레이션 하였다. 유도한 비트 에러 확률과 시뮬레이션 결과는 잘 일치함을 보인다. 성능 비교 결과, 잡음전력의 크기와 잡음발생 구간에 따라 차이가 있긴 하나, 잡음전력 크기에 따라서는 Eb/No가 $10dB{\sim}26dB$이상에서부터 잡음전력의 분산효과에 의해 S-DMT와 S-CDMA의 성능이 TDMA에 비해 우수해지고, 잡음발생구간에 따라서는 Eb/No가 $16{\sim}19dB$ 이상에서부터 S-DMT와 S-CDMA의 성능이 TDMA에 비해 우수해지는 것을 확인할 수 있었고 실용적 수준에서 어느 정도 데이터 통신이 가능해지기 시작하는 $BER=10^{-3}$ 이하의 임펄스 잡음 채널 환경에서는 S-DMT와 S-CDMA의 성능이 TDMA에 비해 우수함을 확인하였다. 또한 S-DMT방식은 S-CDMA방식과 거의 비슷한 성능을 보였다.

• 대한전자공학회논문지SP
• /
• 제46권3호
• /
• pp.125-137
• /
• 2009

음향방출 기법은 작동중인 상태에서 기계 설비를 비파괴 검사할 수 있는 기법이며, 균열성장 같은 장애의 신뢰성 있는 감시를 위해서 순간적인 균열신호뿐만 아니라 동특성을 이용하는 것이 중요하다. 균열성장을 검출하기 위해 널리 사용되는 물리적 파괴 3단계는 음향방출 현상이 시간에 따라 서로 겹치는 문제점이 있어 정확한 균열성장 시간을 추정하기 어렵다. 제안한 패턴인식 기법은 오경보와 미탐지를 최소화하기 위해서 음향방출 동특성을 입력으로 사용하고, 균열성장 시간을 정확히 추정하기 위해 시간에 따른 클러스터링 기법을 사용한다. 실험결과는 제안한 패턴인식 기법이 압력의 변화에 의한 음향방출의 변화의 강인함 때문에 실용화에 효율적임을 보여준다.

• 정보보호학회논문지
• /
• 제21권6호
• /
• pp.171-181
• /
• 2011

본 논문에서는 감시영역을 벗어난 후 다시 돌아온 객체에 대한 배회행위를 효과적으로 인식 할 수 있는 지능형 배회행위 검출 시스템을 제안한다. 전경과 배경을 가우시안 혼합 모델을 이용하여 분리하고 그림자를 제거하여 객체를 인식한 후, 객체의 색도 히스토그램을 이용하여 감시영역을 벗어난 후 돌아온 객체들을 판단하고 감시영역에 존재하는 시간을 보전한다. 배회행위를 판단하기 위해 카메라 캘리브레이션을 통해 실세계 배회패턴과 같은 행태의 매크로 블록을 영상좌표에 도입한 후 배회궤적을 추출하고, 감시영역에 객체가 존재하는 시간을 함께 고려하여 배회행위를 판단한다. 제안하는 방법은 실험에 사용된 모든 배회행위 프레임에서 정확하게 배회행위를 검출하여 그 효과를 입증하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권7호
• /
• pp.1986-2009
• /
• 2024

The integration of blockchain technology with the rapid growth of Internet of Things (IoT) devices has enabled secure and decentralised data exchange. However, security vulnerabilities and performance limitations remain significant challenges in IoT blockchain networks. This work proposes a novel approach that combines transaction representation and machine learning techniques to address these challenges. Various clustering techniques, including k-means, DBSCAN, Gaussian Mixture Models (GMM), and Hierarchical clustering, were employed to effectively group unlabelled transaction data based on their intrinsic characteristics. Anomaly transaction prediction models based on classifiers were then developed using the labelled data. Performance metrics such as accuracy, precision, recall, and F1-measure were used to identify the minority class representing specious transactions or security threats. The classifiers were also evaluated on their performance using balanced and unbalanced data. Compared to unbalanced data, balanced data resulted in an overall average improvement of approximately 15.85% in accuracy, 88.76% in precision, 60% in recall, and 74.36% in F1-score. This demonstrates the effectiveness of each classifier as a robust classifier with consistently better predictive performance across various evaluation metrics. Moreover, the k-means and GMM clustering techniques outperformed other techniques in identifying security threats, underscoring the importance of appropriate feature selection and clustering methods. The findings have practical implications for reinforcing security and efficiency in real-world IoT blockchain networks, paving the way for future investigations and advancements.

• 정보과학회 논문지
• /
• 제43권12호
• /
• pp.1351-1355
• /
• 2016

매년 증가하는 CCTV와 이를 효율적으로 관제하기 위한 지능형 영상 시스템에 대한 수요가 계속적으로 증가하고 있다. 그럼에도 불구하고 기존 영상분석엔진은 구동을 위해 매우 높은 사양을 요구할 뿐만 아니라 정확한 탐지율도 담보하지 못하는 실정이다. 본 논문에서는 가벼운 영상 분석기법을 적용해 이동 객체의 위치, 크기, 영상 내 존재 시간과 같은 기본적인 메타를 생성하고 이에 대한 데이터 분석을 통해 관심 객체를 찾아내는 연구를 수행하였다. 그 결과, 가벼운 영상분석 알고리즘 결과의 심층적인 데이터 분석을 통해 가벼운 알고리즘이 수반하는 상당량의 노이즈를 제거하고 관심 객체를 효과적으로 추출할 수 있음을 확인하였다. 본 연구 결과는 향후 지능형 기반 능동적 관제시스템 개발에 기여할 것으로 기대한다.