• 디자인학연구
• /
• 제19권1호
• /
• pp.317-328
• /
• 2006

지금까지 사용성과 관련된 웹 이용행위에 대한 예측이나 분석은 사용자의 인구통계학적 특성이나 사용정황의 특성만으로 주로 설명되어 왔다. 그러나 그러한 특성만이 행위를 유발하늑 요인으로 볼 수 있는지, 그렇지 않다면 어떠한 요인이 있으며 또한 그러한 요인들은 행위에 어떠한 특성을 유발할 것인지에 대한 의문으로 본 연구를 진행하였다. 이는 사용자 중심의 사용자인터페이스(UI)디자인에서 사용자 특성을 정의하는데 중요한 요소로 활용되었던 사용자정보(User Profile)를 사용에 있어서의 특정유형과의 상관관계를 포함하는 사용자정보(User Profile)로 확장시킴으로써 구체적인 사용자인터페이스(UI)디자인에 적용될 수 있도록 하기 위함이다. 연구내용은 첫째, 다양한 미디어에 따른 사용자를 이해하고 기존의 사용자 분류 방법을 고찰한다. 둘째, 웹 이용행태에 따른 사용자 분류를 위한 사용자 분류변수 및 변수 측정 척도를 마련하고 사례 연구를 통해 사용자 행위 특성을 추출하여 특성에 따른 사용자를 분류한다. 셋째, 실험을 통해 수집된 데이터를 바탕으로 분류된 사용자 집단의 사용자정보(User Profile)의 특성을 밝혀 사용자정보(User Profile)의 특성이 유발하는 행위의 요인을 규명하기 위해 행위 특성과 사용자정보(User Profile)의 특성을 맵핑시켰다. 이를 통해 사용자의 이용행태에 따른 특성이 사용자정보(User Profile)특성 중 사용자의 일반 정보와 사용정황 뿐 아니라 개인성향이나 매체 사용태도와 성격유형 등도 영향을 끼칠 수 있다는 가능성을 발견할 수 있었다. 실험 설계상의 몇 가지의 문제점들이 발견되었으나 이를 개선하고 보완한다면 좀 더 명확한 사용행위에 따른 사용자정보(User Profile)특성을 추출할 수 있을 것이다. 따라서 사용자정보(User Profile) 특성으로도 사용자의 행위 유형을 예측할 수 있어 사용자 분류를 활용한 사용자인터페이스(UI)디자인의 가능성을 확대시킬 수 있을 것이다.

• ETRI Journal
• /
• 제38권1호
• /
• pp.195-205
• /
• 2016

This paper presents a novel follicular unit (FU) classification method based on an angle variation of a boundary vector according to the number of hairs in several FU images. The recently developed robotic FU harvest system, ARTAS, classifies through digital imaging the FU type based on the number of hairs with defects in the contour and outline profile of the FU of interest. However, this method has a drawback in that the FU classification is inaccurate because it causes unintended defects in the outline profile of the FU. To overcome this drawback, the proposed method classifies the FU's type by the number of variation points that are calculated using an angle variation a boundary vector. The experimental results show that the proposed method is robust and accurate for various FU shapes, compared to the contour-outline profile FU classification method of the ARTAS system.

• 정보처리학회논문지D
• /
• 제12D권5호
• /
• pp.789-796
• /
• 2005

현재 대부분의 도서관 정보검색 시스템들은 키워드 정합매칭(exacting matching) 방법으로 검색 서비스를 제공하고 있으므로, 검색 결과의 양이 방대하고 비적합한 결과가 많이 포함되어 있다. 따라서 본 논문에서는 키워드기반 검색 엔진의 단점을 보완하고 현재 도서관 검색 환경을 고려하여 보다 적합한 결과를 사용자에게 신속하게 제공하기 위하여 전공분류표와 사용자 프로파일을 이용한 검색 모델 SULRM(Retrieval Model using Subject Classification Table, User Profile & LSI)을 제안한다. SULRM은 키워드 검색 결과로 얻은 자료들을 분류된 자료의 경우와 미분류된 자료의 경우로 나누어, 분류된 자료의 경우에는 전공분류표를 생성하여 자료 필터링을 수행하고, 미분류된 자료의 경우에는 사용자 프로파일과 LSI(Latent Semantic Indexing)을 이용하여 자료의 순위를 결정해서 사용자에게 제시한다. 실험평가는 우리 대학의 디지털 도서관을 실험환경으로 하여 필터링 방법, 사용자 프로파일 갱신 방법, 그리고 문서순위결정 방법의 성능을 측정한다.

• 한국축산식품학회지
• /
• 제41권6호
• /
• pp.936-949
• /
• 2021

This study discriminated fatty acid profile and flavor characteristics of Beijing You Chicken (BYC) as a precious local breed and Dwarf Beijing You Chicken (DBYC) eggs. Fatty acid profile and flavor characteristics were analyzed to identify differences between BYC and DBYC eggs. Four classification algorithms were used to build classification models. Arachidic acid, oleic acid (OA), eicosatrienoic acid, docosapentaenoic acid (DPA), hexadecenoic acid, monounsaturated fatty acids (MUFA), polyunsaturated fatty acids (PUFA), unsaturated fatty acids (UFA) and 35 volatile compounds had significant differences in fatty acids and volatile compounds by gas chromatography-mass spectrometry (GC-MS) (p<0.05). For fatty acid data, k-nearest neighbor (KNN) and support vector machine (SVM) got 91.7% classification accuracy. SPME-GC-MS data failed in classification models. For electronic nose data, classification accuracy of KNN, linear discriminant analysis (LDA), SVM and decision tree was all 100%. The overall results indicated that BYC and DBYC eggs could be discriminated based on electronic nose with suitable classification algorithms. This research compared the differentiation of the fatty acid profile and volatile compounds of various egg yolks. The results could be applied to evaluate egg nutrition and distinguish avian eggs.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1379-1383
• /
• 2005

Introducing the market into the electricity industry lets the multiple participants get into new competition. These multiple participants of the market need new business strategies for providing value added services to customer. Therefore they need the accurate customer information about the electricity demand. Demand characteristic is the most important one for analyzing customer information. In this study load profile data, which can be collected through the Automatic Meter Reading System, are analyzed for getting demand patterns of customer. The load profile data include electricity demand in 15 minutes interval. An algorithm for clustering similar demand patterns is developed using the load profile data. As results of classification, customers are separated into several groups. And the representative curves for the groups are generated. The number of groups is automatically generated. And it depends on the threshold value for distance to separate groups. The demand characteristics of the groups are discussed. Also, the compositions of demand contracts and standard industrial classification in each group are presented. It is expected that the classified curves will be used for tariff design, load forecasting, load management and so on. Also it will be a good infrastructure for making a value added service related to electricity.

• 전자공학회논문지CI
• /
• 제48권5호
• /
• pp.16-23
• /
• 2011

Gunnery로부터 발생하는 muzzle firing은 매우 높은 에너지를 방출하는 표적으로 볼 수 있다. 따라서, xx km 이상의 원거리 gunnery의 경우 일반 CCD 영상으로는 식별하기 어렵지만, IR(infrared) 영상에서는 충분히 식별될 수 있다. 본 논문에서는 원거리 IR 영상으로부터 muzzle firing으로 발생되는 profile을 획득하여 분류하는 기법을 제안한다. IR 센서(infrared sensor)의 특성, 거리, 대기 상태 등에 따라 muzzle firing으로 발생하는 에너지는 서로 다른 양으로써 IR영상에 표현된다. 따라서, 단순히 IR 영상의 픽셀값으로 gunnery 종류를 분류하는데는 명확한 한계가 있다. 제안하는 기법에서는 xxx Hz 이상의 고속 장비를 이용하여 muzzle firing이 이루어지는 구간내에서 시간에 따른 픽셀값의 profile을 획득하여 형태기반의 특징을 추출한 후, 피셔 공간(Fisher's space)로 투영시켜 GMM(Gaussian Mixture Model)을 이용하여 gunnery의 종류를 분류한다. 제안하는 기법을 이용하여 지상 및 공중에서 획득한 gunnery에 대하여 분류 실험을 수행한 결과 파라미터에 따라 최대 93%의 분류율을 확인하였다.

• 전기학회논문지
• /
• 제59권10호
• /
• pp.1712-1717
• /
• 2010

To analyze the load of distribution line, real LPs (Load Profile) of AMR (Automatic Meter Reading) customers and VLPs (Virtual Load Profile) of non-AMR customers are required. Accuracy of VLP is an important factor to improve the analysis performance. There are 2 kinds of methods to generate the VLP; one is using ALP (Average Load Profile) per each industrial code and PNN (Probability neural networks) algorithm; the other is using LSI (Load Shape Index) and C5.0 algorithm. In this paper, existing researches are studied, and new method is suggested. Each methods are compared the performance with same LP data of real high voltage customers.

• International Journal of Computer Science & Network Security
• /
• 제22권11호
• /
• pp.265-271
• /
• 2022

Social media is a form of communication based on the internet to share information through content and images. Their choice of profile images and type of image they post can be closely connected to their personality. The user posted images are designated as personality traits. The objective of this study is to predict five factor model personality dimensions from profile images by using deep learning and neural networks. Developed a deep learning framework-based neural network for personality prediction. The personality types of the Big Five Factor model can be quantified from user profile images. To measure the effectiveness, proposed two models using convolution Neural Networks to classify each personality of the user. Done performance analysis among two different models for efficiently predict personality traits from profile image. It was found that VGG-69 CNN models are best performing models for producing the classification accuracy of 91% to predict user personality traits.

• 한국자동차공학회논문집
• /
• 제14권5호
• /
• pp.115-120
• /
• 2006

A Korean Road Roughness Classification(KRC) method is proposed. Using a dynamic road profiling device equipped with the Accelerometer Established Inertial Profiling Reference(AEIPR) method, road profile measurement is performed on various types of public paved roads in Korea. The road profiling data are processed to classify the characteristics of Korean road roughness. The resultant Korean road roughness classification(KRC) is shown different characteristics compared to the road classification proposed by ISO, MIRA, and Wong. The proposed KRC is composed of 8 classes(A-H, very good-poor) based on the power spectral density and is in good agreements with the characteristics of Korean paved road roughness and can be used well in vehicle ride comfort simulation using domestic road profile.

• Asia pacific journal of information systems
• /
• 제14권2호
• /
• pp.115-130
• /
• 2004

This paper proposes how to build an expert profile database in KMS, which provides the information of expertise that each expert possesses in the organization. To manage tacit knowledge in a knowledge management system, recent researches in this field have shown that it is more applicable in many ways to provide expert search mechanisms in KMS to pinpoint experts in the organizations with searched expertise so that users can contact them for help. In this paper, we develop a framework to automate expert classification using a text categorization technique called Vector Space Model, through which an expert database composed of all the compiled profile information is built. This approach minimizes the maintenance cost of manual expert profiling while eliminating the possibility of incorrectness and obsolescence resulted from subjective manual processing. Also, we define the structure of expertise so that we can implement the expert classification framework to build an expert database in KMS. The developed prototype system, "Knowledge Portal for Researchers in Science and Technology," is introduced to show the applicability of the proposed framework.