• 서비스연구
• /
• 제3권2호
• /
• pp.33-44
• /
• 2013

인터넷과 모바일 서비스의 증가로 유무선 웹 콘텐츠 서비스 이용이 증가하고 보다 다양한 콘텐츠 수요가 발생하고 있다. 경쟁력 있는 콘텐츠를 제공하는 웹사이트로 살아남기 위해 그리고 접근성, 웹표준에 대한 기술적 오류를 없애고 콘텐츠 이용률이 높은 사이트가 되기 위해서는 마케팅 및 캠페인과 같은 이벤트도 필요하지만 무엇보다도 정기적인 사이트 평가를 통하여 문제점을 진단하고 이를 해결하는 노력이 요구된다. 본 논문에서는 웹콘텐츠 서비스를 제공하는 사이트 평가 방법을 크게 정량적 방법과 정성적 방법으로 구분하여 제시하고 정량적 방법의 타당성을 검증하기 위해 국내 138개 홈페이지에 대한 평가 결과를 분석하였다. 정량평가를 위하여 접근성, 표준성 및 이용성 항목으로 구분하고 접근성은 K-WAH(Korea-Web Accessibility Helper)를 이용하여 인식 운용 이해의 용이성 및 기술적 진보성 항목에서의 오류수를 진단하고 표준성은 W3C Validator를 이용하여 웹표준의 오류 및 경고수를 분석하며, 이용성은 구글 애널리틱스를 이용하여 사용자 방문수, 평균 방문시간, 이탈률 등을 평가한다. 그리고 웹사이트에 대한 비용(구축 및 운용비)을 고려하여 정량평가와 비용 사이의 상관관계를 분석한다. 분석 결과, 100점 만점으로 환산하였을 때, 평균 55점, 표준편차 14점으로 평가되었으며 정량평가 점수와 비용 사이에는 양(+)의 상관관계가 존재하나 상관계수는 0.058로 그다지 높지 않음을 알 수 있다.

• 한국음향학회지
• /
• 제16권5호
• /
• pp.96-104
• /
• 1997

본 논문에서는 임펄스 잡음이 부가되는 환경 하에서 시지연 추정 및 시지연과 주파수 지연 목합 추정을 위한 새로운 강건 알고리즘들을 제안하였다. 제안된 방법은 ${\alpha}-stable$ 분포 이론을 바탕으로 하여 음의 분수 차수 모멘트(FNOM: fractional negative order moment)와 최소 산란(MD : minimum dispersion) 법을 이용한 강건 시지연 추정법들과 이를 응용한 시지연과 주파수 지연의 복합 추정법인 음의 분수 차수 모호함수법과 복합 최소 산란 법으로 구성되었다. 제안한 방법들을 평가하기 위하여 컴퓨터 모의 실험을 통해서 실제 응용 능력을 기존의 여러 방법들과 비교. 검토하였다. 실험 결과 2차 모멘트 이론을 바탕으로 한 관례적인 방법들은 가우시안 잡음 환경 (${\alpha}$=2인 $S{\alpha}S$ 잡음) 하에서만 시지연 추정이 가능하였고, 최근 제안된 Nikias[7]의 강건 시지연 추정법 들도 대부분이 제한된 임펄스 잡음 ($1<{\alpha}{\le}2$인 $S{\alpha}S$ 잡음)에 대해서만 그 성능이 입증된 반면, 본 연구에서 제안한 방법들은 가우시안 잡음 및 심한 임펄스 잡음 ($0<{\alpha}{\le}2$인 $S{\alpha}S$ 잡음) 하에서도 강건하게 시지연 추정이 가능함을 입증하였다.

• 한국멀티미디어학회논문지
• /
• 제13권3호
• /
• pp.417-429
• /
• 2010

배경 제거를 위한 많은 연구가 있어왔음에도 기존의 방법들을 실제 환경에 효과적으로 적용하기에는 아직도 많은 어려움이 있다. 본 논문에서는 배경 제거를 실제 환경에 적용하면서 만나게 되는 다양한 문제들을 해결하기 위해 기존의 가우시안 혼합 모델 방법을 개선하는 배경 제거 방법을 제안한다. 첫째로 제안한 방법은 낮은 계산량을 얻기 위하여 고정 소수점 연산을 이용하였다. 배경 모델링 과정은 변수들의 높은 정밀도를 요구하지 않기 때문에 제안한 방법에서는 고정 소수점 변수를 이용함으로서 정확도를 유지한 채 연산 속도를 크게 향상시킬 수 있었다. 두 번째로 보행자들의 높은 통행량 하에서 흔히 발생되는 전경 객체가 배경으로 학습되는 문제를 피하기 위하여 각 화소의 정적인 정도를 이용하여 배경 모델의 학습 속도를 동적으로 조절하였다. 즉 최근 화소 값에 큰 차이가 발생한 화소들은 배경 영역이 아닐 가능성이 높으므로, 이에 대해 낮은 학습 비율을 적용함으로써 높은 통행량을 보이는 영상에서도 유효한 배경 모델을 유지하는 것이 가능했다. 마지막으로 영상의 빠른 밝기값 변화에 대응하기 위하여 연속한 두 프레임 간의 밝기 변화를 선형 변환으로 추정하였으며, 훈련된 배경 모델을 이 선형 변환에 의해 직접적으로 변환시켜 주었다. 제안한 고정 소수점 연산에 의해 기존의 가우시안 혼합 배경 모델링 방법을 구현한 결과 배경 제거에 기존 방법의 약 30%의 연산시간 만을 필요로 하였다. 또한 제안한 방법을 실제 환경의 영상에 적용한 결과 기존의 배경 제거 방법에 비해 검출률이 약 20% 향상되었으며, 오검률은 5~15% 가량 낮아지는 것을 확인하였다.

• 에너지공학
• /
• 제24권2호
• /
• pp.167-173
• /
• 2015

본 연구에서는 2005년부터 2013년 동안의 분기별 평균기온자료와 소득, 전력가격, 전력사용량 자료를 사용하여 전력수요함수를 추정하였다. 시계열 데이터의 효과적 활용을 위하여 내생시차변수 모형을 활용하였고, 수요함수의 모수에 대한 강건한 추정치를 얻기 위해 최소자승법 추정법을 사용하였다. 전력수요의 단기 가격탄력성 및 소득탄력성은 각각 -0.569, 0.631로 추정되었으며 유의수준 1%에서 통계적으로 유의하였다. 또한 전력수요의 장기 소득 탄력성과 가격탄력성은 각각 1.589, -1.433으로 소득탄력성과 가격탄력성 모두 탄력적인 것으로 추정되었으며 이 또한 유의수준 1%에서 통계적으로 유의한 것으로 나타났다. 기온과 전력수요와의 관계는 여러 선행 연구들에 의해 U자 모양을 갖는 것으로 추정된 바 있으며, 본 연구에서 추정한 임계기온은 $15.2^{\circ}C$인 것으로 나타났다. 내생시차변수모형을 이용한 경우 이중로그모형을 이용하여 추정했을 때 보다 통계적 설명력이 높고 적합도 또한 높아지는 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제14권3호
• /
• pp.277-284
• /
• 1998

해색관측센서 (OSMI)의 월별 자료수집계획을 수립하기 위해 색소농도, 운량 및 태양반사의 세가지 영향요소에 대한 전구분포가 검토되었다. 위성의 임무 제한조건 (예, 임무주기)을 제외한 이들 세 요소들은 OSMI 자료수집에 매우 중요한 것으로 간주된다. Nimbus-7 CZCS 월평균 자료 및 ISCCP 월평균 자료가 색소농도 및 운량 분포 분석에 각각 사용되었다. 그리고 태양반사의 월별 모사분포는 OSMI 궤도예측 및 대기 상층부 태양반사 레이디언스 계산을 수행함으로 얻어졌다. 주어진 경위도 $10^{\circ}$격자에 대한 상기 각 요소의 월별 통계자료 (월평균 혹은 표준편차)를 이용해 월별 우선순위 도를 생성시켰다. 이어서 세 요소의 중복효과를 보기위해 각 달의 세 요소에 대한 우선순위 도를 중첩 시켰다. 초기결과는 하반구의 대부분이 구름과 태양반사의 계절변화로 인해 우선순위가 낮은 지역으로 분류됨을 보였다. 서로 다른 분류세트에 대한 민감도 시험을 하여 구름과 태양반사의 계절변화가 강건함을 보였다.

• 응용통계연구
• /
• 제33권6호
• /
• pp.753-762
• /
• 2020

본 연구는 대한민국 육군이 선도적으로 도입하고자 노력하고 있는 AI 면접체계의 자료를 통합 비교차 다중 분위수 회귀나무 모형(unified non-crossing multiple quantile tree; UNQRT)을 활용하여 분석한 것이다. 분위수 회귀가 일반적인 선형회귀에 비하여 많은 장점을 가지지만, 선형성 가정은 여전히 많은 현실 문제해결에 있어 지나치게 강한 가정이다. 선형성을 완화한 모형의 하나인 기존 나무모형 기반의 분위수 회귀는 추정된 분위수 함수별로 교차하는 문제와 분위수별로 나무모형을 제시하여 해석력을 저하시키는 문제가 있다. 통합 비교차 다중 분위수회귀나무 모형은 비교차 제약식을 부여한 상태로 다중 분위수 함수를 동시에 추정함으로서 분위수 함수의 교차 문제를 해결하며, 극단 분위수에서 안정된 결과를 기대할 수 있고, 하나의 통합된 나무모형을 제시하여 우수한 해석력이 있다. 본 연구에서는 통합 비교차 다중 분위수회귀나무 모형을 활용하여 육군 AI 면접체계의 결과와 기존 인사자료간 관계를 충분히 탐색하여 의미있는 다양한 결과를 도출하였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.