• 지능정보연구
• /
• 제25권1호
• /
• pp.219-239
• /
• 2019

개인에게 맞춤형 서비스를 제공하는 것이 중요해지면서 개인화 추천 시스템 관련 연구들이 끊임없이 이루어지고 있다. 추천 시스템 중 협업 필터링은 학계 및 산업계에서 가장 많이 사용되고 있다. 다만 사용자들의 평점 혹은 사용 여부와 같은 정량적인 정보에 국한하여 추천이 이루어져 정확도가 떨어진다는 문제가 제기되고 있다. 이와 같은 문제를 해결하기 위해 현재까지 많은 연구에서 정량적 정보 외에 다른 정보들을 활용하여 추천 시스템의 성능을 개선하려는 시도가 활발하게 이루어지고 있다. 리뷰를 이용한 감성 분석이 대표적이지만, 기존의 연구에서는 감성 분석의 결과를 추천 시스템에 직접적으로 반영하지 못한다는 한계가 있다. 이에 본 연구는 리뷰에 나타난 감성을 수치화하여 평점에 반영하는 것을 목표로 한다. 즉, 사용자가 직접 작성한 리뷰를 감성 수치화하여 정량적인 정보로 변환해 추천 시스템에 직접 반영할 수 있는 새로운 알고리즘을 제안한다. 이를 위해서는 정성적인 정보인 사용자들의 리뷰를 정량화 시켜야 하므로, 본 연구에서는 텍스트 마이닝의 감성 분석 기법을 통해 감성 수치를 산출하였다. 데이터는 영화 리뷰를 대상으로 하여 도메인 맞춤형 감성 사전을 구축하고, 이를 기반으로 리뷰의 감성점수를 산출한다. 본 논문에서 사용자 리뷰의 감성 수치를 반영한 협업 필터링이 평점만을 고려하는 전통적인 방식의 협업 필터링과 비교하여 우수한 정확도를 나타내는 것을 확인하였다. 이후 제안된 모델이 더 개선된 방식이라고 할 근거를 확보하기 위해 paired t-test 검증을 시도했고, 제안된 모델이 더 우수하다는 결론을 도출하였다. 본 연구에서는 평점만으로 사용자의 감성을 판단한 기존의 선행연구들이 가지는 한계를 극복하고자 리뷰를 수치화하여 기존의 평점 시스템보다 사용자의 의견을 더 정교하게 추천 시스템에 반영시켜 정확도를 향상시켰다. 이를 기반으로 추가적으로 다양한 분석을 시행한다면 추천의 정확도가 더 높아질 것으로 기대된다.

• 한국의학물리학회지:의학물리
• /
• 제22권4호
• /
• pp.190-197
• /
• 2011

고선량률 근접치료에 사용되는 상업용 선원과 치료계획 시스템들은 AAPM TG 43에서 권고하는 점 및 선 선원에 의해 선량분포를 계산한다. 하지만, 근접치료용 선원에 대한 인체 내의 정확한 선량계산을 위해서 3차원 부피의 선원을 고려하는 MC 기반의 선량계산 방법이 필요하다. 본 연구에서는 microSelectron HDR Ir-192 선원을 작은 부분으로 분할하여 계산하는 미소선원 적분법을 이용하여 기하학적 인수를 계산하였다. 또한, 범용 방사선 수송코드인 MCNPX를 사용하여 30 cm 직경의 구형 물 팬텀 내에서 선원의 선량률을 계산하여 비등방성함수와 반경선량함수를 구하였다. 그 결과를 MC 기반 광자 수송코드인 MCPT를 사용하여 계산한 Williamson의 결과와 비교 및 분석하였다. 미소선원 적분법과 선 선원 근사법에 따른 기하학적 인수는 $r{\geq}0.5cm$에서는 0.2% 이내에서 일치하였고 r=0.1 cm일 때 1.33%의 차이를 보였다. 본 연구에서 계산된 비등방성함수와 반경선량함수가 Williamson의 계산된 결과의 차이는 비등방성함수의 경우 r=0.25 cm에 서 2.33%의 가장 큰 R-RMSE를 보였고 $r{\geq}0.5cm$에서는 1% 미만의 R-RMSE를 보였다. 반경선량함수의 경우는 r=0.1~14.0 cm에서 0.46%의 R-RMSE를 보였다. 미소선원 적분법과 선 선원 근사법으로 계산한 기하학적 인수는 $r{\geq}0.1cm$에서 잘 일치하지만 3차원의 Ir-192 선원을 적용하여 계산한 미소선원 적분법이 실제 기하학적 인수를 잘 반영할 것으로 생각된다. r=0.25 cm에서 비등방성함수를 제외하고는 MCPT와 MCNPX의 몬테칼로 코드를 이용하여 얻어진 비등방성함수와 반경선량함수는 각각의 몬테칼로 코드에 대한 불확실성 이내에서 잘 일치함을 확인하였다. 따라서 MCNPX 전산모사 결과를 통해 TG-43의 선량 계산식에 사용된 인자를 Williamson 등의 결과와 비교 및 검증함으로써, 추후 다른 종류의 선원에 대해서도 Monte Carlo 기반의 연구가 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제34권2_1호
• /
• pp.301-306
• /
• 2018

도시화는 여름철 도시형 홍수, 도시 열섬 등의 문제를 야기시킨다. 이러한 현상을 해결하기 위해서는 도시 열환경 변화의 정확한 파악이 필요하다. 이는 에너지 수지를 통해 설명될 수 있지만, 도심지의 경우 일반적인 에너지 수지와 달리 건물이나 인공토지피복에 의해 저장된 열에너지인 저장열을 고려하여야 한다. 하지만 저장열은 도시 표면의 복잡한 3차원 구조와 피복의 다양성 때문에 그 산출이 어려우며, 도시마다 다른 환경으로 인해 선행연구의 저장열 산출 방법을 타 도심지에 적용시키는 데는 어려움이 존재한다. 특히 대부분의 선행연구는 국외 도시를 중심으로 이루어졌기 때문에 국내 도심지의 다양한 토지피복과 건물 특성에 적합한 저장열 산출 연구가 필요하다. 따라서 본 연구에서는 국내 도심지의 다양한 지표타입이 존재하는 지역의 자료를 이용하여 저장열의 정량적인 산출이 가능한 회귀 식 도출을 목적으로 한다. 이를 위해 순복사와 지표면 온도 자료를 독립변수로, 플럭스 타워 기반 저장열 추정치를 종속변수로 사용하여 비선형 회귀분석을 수행하였으며, 산출된 회귀계수를 각 독립변수에 적용하여 저장열 산출 회귀 식을 도출하였다. 플럭스 타워 기반 저장열 추정치의 시계열 분석 결과 본 연구에서 산출한 저장열이 주간의 high peak와 야간에서의 값의 분포와 경향을 잘 모의하고 있었고, 플럭스 타워 기반 저장열 추정치에 비해 연속적인 저장열 산출이 가능하였다. 또한 산점도 분석 결과 Root Mean Square Error (RMSE) $50.14Wm^{-2}$, bias $-0.94Wm^{-2}$로 유의한 수준의 정확도를 보였다.

• 대한핵의학회지
• /
• 제32권5호
• /
• pp.414-424
• /
• 1998

목적: PET과 MR 영상을 체계적으로 합성i분석하여 각각의 영상기법이 갖는 단점을 보완하고 기능을 향상시킴으로써 보다 정확하고 유용한 임상정보를 얻을 수 있다. 두 영상을 공간적으로 합성하기 위해서 머리 표피 경계점들 간의 거리를 최소화하는 알고리즘을 이용할 경우 경계점 추출의 정확성 및 견실성과 거리 계산 속도가 합성 알고리즘의 성능을 결정하는 중요한 요소가 된다. 본 연구에서는 PET 영상의 경계 추출과 거리 계산 방법을 개선하고 이를 이용하여 PET과 MR 영상을 3차원적으로 합성하였다. 대상 및 방법: 공간적인 합성을 위한 영상처리기법의 핵심인 경계점 추출을 위해 PET영상에서는 방출스캔 sinogram의 경계를 강조한 후 재구성한 횡단면으로부터 2 mm 간격으로 머리 표피 경계점들을 추출하였으며 MR 영상에서는 각 횡단면마다 약 2도 간격으로 경계점들을 추출하였다. 두 영상의 모든 경계점들 간의 평균 유클리디안 거리를 최소화하는 3차원 가상공간 상에서의 위치 이동과 회전 각도를 최소자승법을 이용하여 구한 후 PET영상을 역 전환하여 위치 정합을 하였다. 평균 거리의 계산 속도를 향상시키기 위하여 고정된 대상의 각 경계점을 중심으로 하여 주변 공간 정들에서의 거리를 순차적으로 계산하고 이들의 최소값을 취하는 방법으로 거리지도를 구성하였으며 최소자승법에서 경계점들 간의 위치가 변할 때마다 매번 평균거리를 다시 계산하지 않고 거리지도를 참조하여 평균 거리를 산출하는 방법을 사용하였다. 위치 정합된 두 영상의 동시 표현을 위하여 PET 영상의 화소값에 $0.4{\sim}0.7$부터 1사이의 범위로 정규화된 MR 영상의 화소 값으로 가중치를 주는 가중정규화 방법을 사용하였다. 결과: 방출스캔의 sinogram을 이용함으로써 PET영상의 경계를 견실하게 추출할 수 있었으며, 거리지도를 이용하여 거리 계산을 한 결과 계산 속도를 향상시킬 수 있었다. 정상인의 뇌영상에 대해 위치 정합을 실시한 결과 평균 거리 오차는 2mm 이하였다. 가중정규화 방법을 사용하였을 때 합성된 영상의 정성적인 식별 명확도가 향상하였다. 결론: 견실한 PET 영상 경계점 추출과 거리지도를 이용한 계산 속도의 향상을 통해 뇌 PET과 MR 영상 합성기법의 성능을 개선할 수 있었으며 이를 이용하며 개발한 영상정합 프로그램은 임상 환경에서 유용하게 사용될 수 있을 것이다.

• 대한환경공학회지
• /
• 제28권3호
• /
• pp.308-315
• /
• 2006

유입 하수의 성상은 하수처리장의 효율을 결정하는 중요한 요인이다. 따라서 하수의 성상을 이해하고 실시간으로 측정하는 기술은 유입 하수 성상에 상응하는 적절한 운전 전략을 결정하는데 중요한 역할을 할 수 있을 것이다. 본 연구에서는 2005년 10월 1일부터 11월 21일까지 대도시 하수종말처리장 유입 수문에서 두 시간 간격으로 하수를 채취하여 성상을 분석하였다. 그 결과 하수의 유량 및 구성성분의 농도가 1일 단위로 일정한 형태를 갖는 것으로 밝혀졌는데, 오전 11시와 1시 사이에 가장 높은 값을 보였고, 새벽 5시에서 7시 사이에 가장 낮은 값을 갖는 것으로 나타났다. 상관관계 평가에서 300 nm에서 측정한 하수의 흡광도는 하수 구성성분의 농도와 매우 밀접한 것으로 밝혀졌다. 실시간 측정이 가능한 흡광도와 유량, 그리고 반복되는 하수 성상을 이용하여 구성성분의 농도를 추정하는 기법을 개발하고자 하였다. 첫 번째로 흡광도와 구성성분의 농도와의 1차 회귀분석을 수행하였고, 두 번째로 흡광도와 하수 유량, 유입시간을 이용하여 훈련시킨 인공신경망을 이용하였다. 그 결과 두 방법 모두 하수 구성성분의 농도를 예측하는데 높은 정확성을 보였는데, 인공 신경망을 사용한 경우 예측값과 실측값의 RMSE(root mean square error) 값이 TSS의 경우 19.3에서 14.4, TCOD의 경우 26.7에서 25.1로, TN의 경우 5.4에서 4.1로, TP의 경우 0.45에서 0.39로 각각 향상되는 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1739-1756
• /
• 2021

대기 중 이산화질소(NO₂)는 주로 인위적인 배출요인으로 발생하며 화학 반응을 통해 이차오염 물질 및 오존 형성에 매개 역할을 하는 인체 건강에 악영향을 미치는 물질이다. 우리나라는 지상 관측소에 의한 실시간 NO₂ 모니터링을 수행하고 있지만, 이는 점 기반의 관측 값으로써 미관측 지역의 공간 분포 분석이 어렵다는 한계점을 지닌다. 본 연구에서는 선형 회귀 기반 모델인 다중 선형 회귀와 회귀 크리깅, 기계학습 알고리즘인 Random Forest (RF), Support Vector Regression (SVR)을 적용한 공간 내삽 모델링을 통해 서울 지역의 지상 NO₂ 농도 지도를 제작하였고, 일별 Leave-One-Out Cross Validation (LOOCV) 교차 검증을 시행하였다. 2020년 연구기간 내 일별 LOOCV에서 MLR, RK, SVR 모델의 일별 평균 Index of agreement (IOA)는 약 0.57로 유사한 성능을 보였으며, RF (0.50)보다 높은 성능이 확인되었다. RK의 일별 평균 nRMSE는 0.9483%으로 MLR (0.9501%)보다 상대적으로 낮은 오차를 나타냈다. MLR과 RK, RF 모델의 계절별 공간 분포는 비슷한 양상을 보였으며, RF는 다른 모델에 비해 좁은 NO₂ 농도 범위가 확인되었다. 본 연구에서 제안된 선형 회귀 기반 공간 내삽은 지상 NO₂ 뿐 아니라 다른 대기 오염 물질의 도시 지역 공간 내삽을 위해 활용 가능성이 높을 것으로 기대된다.

• 한국식품영양과학회지
• /
• 제45권9호
• /
• pp.1358-1365
• /
• 2016

본 연구에서는 원적외선을 이용하여 1차 열풍건조 한 고추 다진 양념을 건조할 경우 두께, 건조온도와 송풍속도에 따른 건조특성과 건조제품의 색도 변화, 건조 전후 고추 다진 양념의 capsaicinoid 등 품질특성을 분석하여 원적외선 건조 기초 자료를 제시하고자 하였다. 고추 다진 양념의 건조속도는 원적외선 건조온도와 송풍속도가 증가할수록 빨라지고 건조시간이 단축되는 경향을 보였으며, 건조 두께 10 mm 조건이 20 mm 조건보다 빠른 것으로 나타났다. 특히 두께 10 mm, 원적외선 건조온도 $80^{\circ}C$, 송풍속도 0.8 m/s 조건에서 건조시간이 63분으로 건조속도가 가장 빠른 것으로 나타났다. 본 연구에서 검증한 건조모델 중 Page 및 Henderson 모델의 경우 전체적인 건조시간대에서 비교적 잘 일치하는 것으로 나타나, 고추 다진 양념의 원적외선 건조 시 Page 및 Henderson 모델을 이용할 경우 높은 정밀도에서 함수율비 예측이 가능한 것으로 나타났다. 원적외선 건조 후 고추 다진 양념의 색차(${\Delta}E$) 값은 두께 10 mm 조건보다 20 mm 조건에서 증가하는 경향을 보였고, 건조온도 $70^{\circ}C$ 조건에서 약간 높은 것으로 나타났으나 오차 범위로 큰 차이는 나타나지 않았다. 원적외선 건조 후 고추 다진 양념의 적색도(a) 값은 두께 20 mm, 건조온도 $80^{\circ}C$ 조건에서 갈변하는 현상이 심화하는 것으로 나타났다. Capsaicin 함량은 건조 두께가 두껍고, 건조온도가 낮으며, 송풍속도가 느릴수록 감소하는 경향을 보였다. 또한, 모든 조건에서 건조 전 capsaicin 함량인 22.15 mg/100 g에 비해 건조 후 capsaicin 함량이 2.24~4.70 mg/100 g 감소하는 것으로 나타났으며, 두께 10 mm, 건조온도 $80^{\circ}C$, 송풍속도 0.8 m/s 조건에서 감소폭이 작은 것으로 나타났다. Dihydrocapsaicin 함량의 경우에도 원적외선 건조 후 1.05~3.82 mg/100 g 감소하는 것으로 나타났고, 두께 10 mm, 건조온도 $80^{\circ}C$, 송풍속도 0.8 m/s 조건에서 감소폭이 작은 것으로 나타났다. 원적외선 건조 중 에너지 소비량은 송풍속도가 느리고 건조온도가 높을수록 감소하였으며, 건조 두께 10 mm 조건이 20 mm 조건보다 적은 경향을 나타내었다. 또한, 두께 10 mm, 건조온도 $80^{\circ}C$, 송풍속도 0.6 m/s 조건에서 에너지 소비량은 5.08 kWh/kg-water로 가장 적은 값을 보였다. 따라서 고추 다진 양념의 건조시간, 건조 중 변색, capsaicinoid 함량 및 에너지 소비량 등을 고려하면 건조 고추 다진 양념의 고품질화를 위해서는 원적외선 건조온도 $80^{\circ}C$, 송풍속도 0.6 m/s, 두께 10 mm 조건이 적절한 건조조건으로 판단된다.

• 한국식품영양과학회지
• /
• 제43권8호
• /
• pp.1296-1303
• /
• 2014

최근 과채류나 즉석섭취식품과 같은 비가열처리식품 중 당근에 존재하는 B. cereus 균은 토양세균의 일종으로 내열성 포자를 생성하여 다른 식중독 균보다 어느 표면이든 잘 들러붙어 세척과 소독이 어려운 것으로 알려지고 있다. 따라서 식품위생 및 품질에 민감히 대처하기 위해 비가열 세척 처리기술과 미생물의 생육을 수학적으로 기술하여 예측함으로써 위해 미생물을 효과적으로 제어하는 예측 미생물학을 개발해야 한다. 이를 위해 비가열 세척 처리 방법 중 초음파와 미산성 차아염소산수를 이용하여 병용 처리한 후 최적조건으로 병용 처리한 당근을 시간과 온도에 따른 생육 변화를 통해 예측모델을 개발하였다. 미산성 차아염소산수와 초음파를 병용 처리하여 B. cereus 균 저감화 효과를 분석한 결과, 초음파 단독 처리 시 400 W/L, $40^{\circ}C$, 3분 조건에서 2.87 log CFU/g의 살균 효과를 나타내 가장 좋은 최적조건을 나타내었다. 이를 바탕으로 B. cereus 균을 접종한 당근에 미산성 차아염소산수와 병용 처리를 하였을 때 3.1 log CFU/g의 저감화를 나타내었다. 최적조건으로 병용 처리한 당근을 각각 다른 온도(5, 10, 15, 20, 25, 30, $34^{\circ}C$)에서 저장 중의 B. cereus 균 생육 변화와 예측모델을 개발한 결과, modified Gompertz model은 B. cereus 균 생육 변화를 예측하는 데 매우 적합($R^2$은 0.9918~0.9992)한 것으로 나타났으며 온도가 높을수록 SGR값은 증가하였고 LT값은 감소하였다. 이를 바탕으로 2차 모델을 개발하여 적합성을 분석한 결과 예측값과 측정값이 모두 정확하게 일치하게 되면 1에 가까운 값을 나타내는 Bias factor($B_f$)와 Accuracy factor($A_f$)가 SGR은 1.00, 1.03, LT는 1.02, 1.05로 각각 나타나 매우 높은 상관관계를 나타내었다. 본 연구 결과의 의미는 초음파와 미산성 차아염소산수를 이용하여 당근에서 B. cereus의 저감화 기술 및 저장 중 생육 변화를 실시간으로 정량적으로 예측하는 예측모델을 개발하여 식품의 가공 및 저장 중의 품질 변화 원인을 규명하고 품질 저하를 위생적으로 안전한 저장 및 유통 기술을 확립하고자 하였다.

• Journal of Nutrition and Health
• /
• 제51권6호
• /
• pp.567-579
• /
• 2018

본 연구는 국민건강영양조사 자료를 이용하여 교대 근무자의 근무시간이 대사증후군의 유병률에 영향을 미치는 요인을 파악하는데 대사증후군의 위험군으로 식습관, 영양섭취상태, 일상생활 관련 특성의 관점에서 관리하는 데 도움을 주고자 진행되었다. 본 연구의 분석결과는 다음과 같다. 첫째, 교대 근무자의 근무시간과 식습관 관계는 직접관계 (direct causality)가 있지 않으나 일상생활과는 직접관계를 갖는 것으로 나타났다. 또한, 식습관과 영영 상태, 대사증후군과는 직접관계가 있지 않은 것으로 나타났고 영양섭취상태와 대사증후군과는 직접관계가 없으나 일상생활과는 직접 인과관계가 있는 것으로 나타났다. 둘째, 교대 근무자의 근무시간과 대사증후군 관계에서 각각 식습관, 일상생활의 개별 매개 효과 (specific mediator effect)는 통계적으로 유의한 것으로 나타났으나, 식습관과 영양섭취상태의 다중매개효과 (multiple mediator effect), 그리고 식습관, 영양섭취상태, 일상생활의 다중매개 효과는 통계적으로 유의하지 않는 것으로 나타났다. 셋째, 교대 근무자의 근무시간이 배제된 상태에서 영양섭취상태, 일상생활 그리고 대사증후군 간의 관계에서 영양섭취상태와 일상생활 그리고 일상생활과 대사증후군과는 직접 인과관계는 없으나 일상생활에 의한 매개 효과는 통계적으로 유의한 것으로 나타났다. 넷째, 교대 근무자의 근무시간과 식습관은 대사증후군에 대해 전체 총 효과 (total effect)를 가진 것으로 나타났으나 영양섭취상태와 일상생활은 대사증후군에 대해 총 효과를 갖고 있지 않은 것으로 나타났다. 결론적으로, 구조방정식 모델을 사용하여 교대 근무자의 교대시간은 그들의 일상생활 또는 식습관에 영향을 주고 대사증후군 유병률과 관련성이 있음을 밝혔다.

• 한국작물학회지
• /
• 제66권2호
• /
• pp.105-111
• /
• 2021

해마다, 강한 바람을 동반한 태풍 및 집중호우로 인해 벼도복이 발생하고 있으며, 이삭이 여무는 등숙기에 도복으로 인한 수발아와 관련된 피해를 발생시키고 있다. 따라서,신속한 피해 대응을 위해 신속한 벼 도복 피해 면적 산정은 필수적이다. 벼 도복과 관련된 이미지들은 도복이 발생된 김제, 부안, 군산일대에서 드론을 이용하여 수집하였고, 수집한 이미지들을 128 × 128 픽셀로 분할하였다. 벼 도복을 예측하기 위해 이미지 기반 딥 러닝 모델인 CNN을 이용하였다. 분할한 이미지들은 도복 이미지(lodging)와 정상 이미지(non-lodging) 2가지로 라벨로 분류하였고, 자료들은 학습을 위한 training-set과 검증을 위한 vali-se을 8:2의 비율로 구분하였다. CNN의 층을 간단하게 구성하여, 3개의 optimizer (Adam, Rmsprop, and SGD)로 모델을 학습하였다. 벼 도복 면적 평가는 training-set과 vali-set에 포함되지 않은 자료를 이용하였으며, 이미지들을 methshape 프로그램으로 전체 농지로 결합하여 총 3개의 농지를 평가하였다. 도복 면적 추정은 필지 전체의 이미지를 모델의 학습 입력 크기(128 × 128)로 분할하여 학습된 CNN 모델로 각각 예측한 후, 전체 분할 이미지 개수 대비 도복 이미지 개수의 비율을 전체 농지의 면적에 곱하여 산정하였다. training-set과 vali-set에 대한 학습 결과, 3개의 optimizer 모두 학습이 진행됨에 따라 정확도가 높아졌으며, 0.919 이상의 높은 정확도를 보였다. 평가를 위한 3개의 농지에 대한 결과는 모든 optimizer에서 높은 정확도를 보였으며, Adam이 가장 높은 정확도를 보였다(RMSE: 52.80 m², NRMSE: 2.73%). 따라서 딥 러닝을 이용하여 신속하게 벼 도복 면적을 추정할 수 있을 것으로 예상된다.