• 제목/요약/키워드: Tree Detection

검색결과 527건 처리시간 0.031초

무선환경에서 효과적인 공간질의 처리를 위한 계층적 비트맵 기반 공간 색인 (A Hierarchical Bitmap-based Spatial Index for Efficient Spatial Query Processing on Air)

  • 송두희;박광진
    • 인터넷정보학회논문지
    • /
    • 제12권6호
    • /
    • pp.43-51
    • /
    • 2011
  • 최근 무선 이동 컴퓨팅 기술과 위치기반 서비스 응용기술 등의 발전으로 과거보다 신속한 질의 처리를 지원할 수 있게 되었다. 그러나 여전히 하드웨어 및 소프트웨어의 기술적 한계가 존재한다. 질의 처리에 있어 가장 중요한 부분은 정확성과 신속성이다. 정확성을 높이기 위해서는 데이터에 상세한 정보를 저장해야 한다. 이 경우 데이터의 정보량이 증가하여 신속성이 떨어지게 된다. 반면에, 신속성을 높이기 위해서는 방송 주기를 줄여야만 얻고자 하는 데이터를 신속하게 얻게 된다. 이 경우 색인 정보의 부족으로 클라이언트의 청취 시간이 증가하여 불필요한 에너지 소모가 발생할 수 있다. 이와 같이, 정확성과 신속성 사이에는 트레이드 오프(trade-off)가 발생한다. 본 논문은 위와 같은 문제점을 극복하기 위해 계층적 비트맵 기반 공간 색인(Hierarchical Bitmap-based Spatial Index: HBI)을 제안한다. 계층적 비트맵 기반 공간 색인은 힐버트 커브(Hilbert Curve) 맵(map) 내에서 객체를 비트(0, 1)로 표기한다. 계층적 비트맵 기반 공간 색인은 비트 정보와 트리 구조를 이용하여 색인크기를 줄이는 방법으로 방송 주기를 줄임으로써 청취 시간과 질의 처리시간을 줄일 수 있다. 또한 계층적 비트맵 기반 공간 색인은 객체의 위치를 모두 파악할 수 있기 때문에 선택적인 청취가 가능하다. 성능평가를 통하여 제안 기법의 우수함을 증명한다.

피조개, Scapharca broughtonii Schrenck RFLP 마커 개발 (Development of Molecular Detection Marks Using PCR-RFLP Technique for Arkshell (Scapharca broughtonii Schrenck))

  • 조은섭;정춘구;김철원;손상규
    • 생명과학회지
    • /
    • 제15권6호
    • /
    • pp.879-883
    • /
    • 2005
  • 한국산과 중국산 피조개의 신속 진단, 유전적 특성 및 유연관계를 분석하기 위하여 DNA 수준에서 확인 할 수 있는 PCR-aided RFLP를 사용하였다. 피조개 mtDNA 165 rDNA gene를 제한효소로 처리하여 그 band 양상을 조사하고자 하였다. 165 rDNA gene을 분리하기 위하여 ArkF-3, ArkR-3 primer를 사용한 결과 한국산과 중국산 피조개 모두 분자량이 720 bp band가 나타났다 PCR에 의하여 증폭된 16S rRNA gene을 총 8종류의 제한효소(PvuII, BamHI, HinfI, HaeIII, EcoRI, RsaI, Ksp221, BstX21)로 절단하여 RFLP 양상을 보았다. HinfI의 제한효소 처리 시 득량, 가막, 남해, 진해, 태안산 피조개 모두 275 band절편이 관찰되었으나, 중국산은 나타나지 않았다. HinfI를 제외한 나머지 제한효소는 다형형이 관찰되지 않았고 한국산과 중국산 모두 700 bp의 동일한 band를 보였다. HaeIII에서도 득량, 가막, 태안과 남해와 진해산 PCR product가 700 bp위치에서 상이하게 보였다. 또한 한국산과 중국산 절편이 다르게 나타났다. 한국산 피조개 종내 restriction 쇼pe에 의해 유연관계의 결과에 의하면 득량, 가막, 태안은 동일한 유사도를 보였고, 남해와 진해와는 거리가 7 정도로 나타났다. 특히 한국산과 중국산 거리는 25로 나타났다. 이상의 결과를 보아서,HinfI 제한효소는 한국산과 중국산을 구별하는데 매우 유용한 molecular marker가 될 수 있을 것으로 판단되며, 유전적으로 거리가 먼 것으로 보인다. 또한 HaeIII은 한국산 종내 구분 및 중국산 신속 동정에 좋은 molecular tool로 사용될 것으로 예상된다.

XGBoost와 교차검증을 이용한 품사부착말뭉치에서의 오류 탐지 (Detecting Errors in POS-Tagged Corpus on XGBoost and Cross Validation)

  • 최민석;김창현;박호민;천민아;윤호;남궁영;김재균;김재훈
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제9권7호
    • /
    • pp.221-228
    • /
    • 2020
  • 품사부착말뭉치는 품사정보를 부착한 말뭉치를 말하며 자연언어처리 분야에서 다양한 학습말뭉치로 사용된다. 학습말뭉치는 일반적으로 오류가 없다고 가정하지만, 실상은 다양한 오류를 포함하고 있으며, 이러한 오류들은 학습된 시스템의 성능을 저하시키는 요인이 된다. 이러한 문제를 다소 완화시키기 위해서 본 논문에서는 XGBoost와 교차 검증을 이용하여 이미 구축된 품사부착말뭉치로부터 오류를 탐지하는 방법을 제안한다. 제안된 방법은 먼저 오류가 포함된 품사부착말뭉치와 XGBoost를 사용해서 품사부착기를 학습하고, 교차검증을 이용해서 품사오류를 검출한다. 그러나 오류가 부착된 학습말뭉치가 존재하지 않으므로 일반적인 분류기로서 오류를 검출할 수 없다. 따라서 본 논문에서는 매개변수를 조절하면서 학습된 품사부착기의 출력을 비교함으로써 오류를 검출한다. 매개변수를 조절하기 위해서 본 논문에서는 작은 규모의 오류부착말뭉치를 이용한다. 이 말뭉치는 오류 검출 대상의 전체 말뭉치로부터 임의로 추출된 것을 전문가에 의해서 오류가 부착된 것이다. 본 논문에서는 성능 평가의 척도로 정보검색에서 널리 사용되는 정밀도와 재현율을 사용하였다. 또한 모집단의 모든 오류 후보를 수작업으로 확인할 수 없으므로 표본 집단과 모집단의 오류 분포를 비교하여 본 논문의 타당성을 보였다. 앞으로 의존구조부착 말뭉치와 의미역 부착말뭉치에서 적용할 계획이다.

산업용 IoT 환경을 위한 고성능 키-값 저장소의 설계 및 평가 (Design and Evaluation of a High-performance Key-value Storage for Industrial IoT Environments)

  • 한혁
    • 한국콘텐츠학회논문지
    • /
    • 제21권7호
    • /
    • pp.127-133
    • /
    • 2021
  • 산업용 IoT 환경에서 센서들은 감지하고 있는 대상의 데이터들을 연속으로 생성하며, IoT 게이트웨이에 전달한다. 따라서 대량의 실시간 센서 데이터를 관리하는 것은 IoT 게이트웨이에 필수적인 기능이며 이러한 센서 데이터를 관리하기 위해 키-값 스토리지 엔진들이 널리 사용되고 있다. 그러나 IoT 게이트웨이에 사용되는 키-값 스토리지 엔진들은 산업용 IoT 환경에서 생성되는 센서 데이터들의 특징을 고려하지 않고 있으며 이 때문에 제한된 성능을 보인다. 본 논문에서는 산업용 IoT 환경에서 센서 데이터의 특징을 활용하여 키-값 스토리지 엔진을 최적화한다. 제안하는 최적화 기법은 키-값 스토리지 엔진의 입력인 키를 분리하여 계층적인 색인화 작업을 하는 것이다. 이를 통해 과도하게 발생하는 쓰기 증폭을 줄이며 성능을 향상 시킬 수 있다. 이러한 최적화 기법을 LevelDB에 구현하였으며, 제안하는 기법을 평가하기 위해 TPCx-IoT의 워크로드를 사용했다. 실험 결과에 따르면 제안하는 기법의 성능은 기존의 방법보다 21배 더 좋으며 이는 제안하는 기법이 산업용 IoT 환경에서 데이터 수집을 고속으로 처리할 수 있음을 보인다.

Counting and Localizing Occupants using IR-UWB Radar and Machine Learning

  • Ji, Geonwoo;Lee, Changwon;Yun, Jaeseok
    • 한국컴퓨터정보학회논문지
    • /
    • 제27권5호
    • /
    • pp.1-9
    • /
    • 2022
  • 사람이나 사물 등의 위치를 알아낼 수 있는 측위기술은 사람의 유동량 측정, 보안, 인원 구조 등 다양한 환경에서 요구되고 사용될 수 있다. 측위를 위해 카메라와 같은 시각 센서기술을 사용하기도 하지만 이는 빛, 온도 등 주변 환경에 민감하며 사생활 노출 문제가 발생할 수 있다. 본 논문에서는 앞서 말한 문제들이 없는 초광대역 (UWB, ultra wideband) 레이더 기술과 머신러닝을 이용하여 벽 뒤 다른 실내공간에 있는 점유자의 수와 위치를 인식하는 연구를 수행하였다. 네 가지 상황 (강의실 내 몇 명이 있는지, 28가지의 위치를 정하고 어느 위치에 있는지, 28가지의 위치 중 한 위치에서 더 세부적인 16가지 위치 중 어느 위치에 있는지, 두 명이 동시에 있는 상황에서 어느 위치에 있는지)에 대해 극단적 랜덤 트리 등 네 가지 알고리즘 별로 모델을 생성하고 그 결과를 비교하였다. 전체적으로 네 가지 알고리즘 모두 좋은 결과를 보여주었으며 머신러닝을 이용해 위치인식 및 위치측정이 가능함을 검증하였다. 또한 oneM2M 표준 플랫폼을 활용하여 서비스 확장 가능성을 고려하였으며 이 기술을 여러 분야에서 활용한다면 더욱 많은 서비스나 제품을 창출할 수 있을 것으로 기대한다.

노거수 내부결함 탐지를 위한 비파괴 음파단층촬영의 신뢰성 분석(소나무·은행나무를 중심으로) (Reliability of Non-invasive Sonic Tomography for the Detection of Internal Defects in Old, Large Trees of Pinus densiflora Siebold & Zucc. and Ginkgo biloba L.)

  • 손지원;이광규;안유진;신진호
    • 한국환경생태학회지
    • /
    • 제36권5호
    • /
    • pp.535-549
    • /
    • 2022
  • 강풍, 폭우 등 이상기후의 대형화와 빈도 증가로 인해 나무가 부러지거나 쓰러지는 훼손이 증가하고 있으나 나무 내부의 공동, 부후 등 구조적 결함은 육안조사로 판별이 어렵기 때문에 예측을 통한 사전대응에 한계가 있다. 비파괴음파단층촬영은 나무에 미치는 물리적 훼손을 최소화하면서 내부결함을 추정하는 방법으로 내부결함 진단에 효율적이나 수종별 정확도에 차이가 발생하기 때문에 현장적용 전 측정결과의 신뢰성 분석이 선행되어야 한다. 이번 연구는 우리나라 대표 수종인 소나무와 은행나무 노거수를 대상으로 음파단층촬영의 신뢰성 검증을 위해 침입성 드릴저항 측정을 교차 적용하여 목재 내부결함을 측정하고 평가결과를 비교하였다. 두 집단 간 결함부 측정 평균값에 대한 t검정 결과 소나무는 통계적으로 유의한 차이가 없는 반면, 은행나무는 유의성에 차이가 있었다. 선형회귀분석 결과 두 수종 모두 드릴저항그래프의 결함이 증가할 때 음파단층영상 결함이 증가하는 양의 상관관계를 보였다.

Actions to Expand the Use of Geospatial Data and Satellite Imagery for Improved Estimation of Carbon Sinks in the LULUCF Sector

  • Ji-Ae Jung;Yoonrang Cho;Sunmin Lee;Moung-Jin Lee
    • 대한원격탐사학회지
    • /
    • 제40권2호
    • /
    • pp.203-217
    • /
    • 2024
  • The Land Use, Land-Use Change and Forestry (LULUCF) sector of the National Greenhouse Gas Inventory is crucial for obtaining data on carbon sinks, necessitating accurate estimations. This study analyzes cases of countries applying the LULUCF sector at the Tier 3 level to propose enhanced methodologies for carbon sink estimation. In nations like Japan and Western Europe, satellite spatial information such as SPOT, Landsat, and Light Detection and Ranging (LiDAR)is used alongside national statistical data to estimate LULUCF. However, in Korea, the lack of land use change data and the absence of integrated management by category, measurement is predominantly conducted at the Tier 1 level, except for certain forest areas. In this study, Space-borne LiDAR Global Ecosystem Dynamics Investigation (GEDI) was used to calculate forest canopy heights based on Relative Height 100 (RH100) in the cities of Icheon, Gwangju, and Yeoju in Gyeonggi Province, Korea. These canopy heights were compared with the 1:5,000 scale forest maps used for the National Inventory Report in Korea. The GEDI data showed a maximum canopy height of 29.44 meters (m) in Gwangju, contrasting with the forest type maps that reported heights up to 34 m in Gwangju and parts of Icheon, and a minimum of 2 m in Icheon. Additionally, this study utilized Ordinary Least Squares(OLS)regression analysis to compare GEDI RH100 data with forest stand heights at the eup-myeon-dong level using ArcGIS, revealing Standard Deviations (SDs)ranging from -1.4 to 2.5, indicating significant regional variability. Areas where forest stand heights were higher than GEDI measurements showed greater variability, whereas locations with lower tree heights from forest type maps demonstrated lower SDs. The discrepancies between GEDI and actual measurements suggest the potential for improving height estimations through the application of high-resolution remote sensing techniques. To enhance future assessments of forest biomass and carbon storage at the Tier 3 level, high-resolution, reliable data are essential. These findings underscore the urgent need for integrating high-resolution, spatially explicit LiDAR data to enhance the accuracy of carbon sink calculations in Korea.

불균형 데이터 환경에서 변수가중치를 적용한 사례기반추론 기반의 고객반응 예측 (Response Modeling for the Marketing Promotion with Weighted Case Based Reasoning Under Imbalanced Data Distribution)

  • 김은미;홍태호
    • 지능정보연구
    • /
    • 제21권1호
    • /
    • pp.29-45
    • /
    • 2015
  • 고객반응 예측모형은 마케팅 프로모션을 제공할 목표고객을 효과적으로 선정할 수 있도록 하여 프로모션의 효과를 극대화 할 수 있도록 해준다. 오늘날과 같은 빅데이터 환경에서는 데이터 마이닝 기법을 적용하여 고객반응 예측모형을 구축하고 있으며 본 연구에서는 사례기반추론 기반의 고객반응 예측모형을 제시하였다. 일반적으로 사례기반추론 기반의 예측모형은 타 인공지능기법에 비해 성과가 낮다고 알려져 있으나 입력변수의 중요도에 따라 가중치를 상이하게 적용함으로써 예측성과를 향상시킬 수 있다. 본 연구에서는 프로모션에 대한 고객의 반응여부에 영향을 미치는 중요도에 따라 입력변수의 가중치를 산출하여 적용하였으며 동일한 가중치를 적용한 예측모형과의 성과를 비교하였다. 목욕세제 판매데이터를 사용하여 고객반응 예측모형을 개발하고 로짓모형의 계수를 적용하여 입력변수의 중요도에 따라 가중치를 산출하였다. 실증분석 결과 각 변수의 중요도에 기반하여 가중치를 적용한 예측모형이 동일한 가중치를 적용한 예측모형보다 높은 예측성과를 보여주었다. 또한 고객 반응예측 모형과 같이 실생활의 분류문제에서는 두 범주에 속하는 데이터의 수가 현격한 차이를 보이는 불균형 데이터가 대부분이다. 이러한 데이터의 불균형 문제는 기계학습 알고리즘의 성능을 저하시키는 요인으로 작용하며 본 연구에서 제안한 Weighted CBR이 불균형 환경에서도 안정적으로 적용할 수 있는지 검증하였다. 전체데이터에서 100개의 데이터를 무작위로 추출한 불균형 환경에서 100번 반복하여 예측성과를 비교해 본 결과 본 연구에서 제안한 Weighted CBR은 불균형 환경에서도 일관된 우수한 성과를 보여주었다.

Nested-PCR법과 Competitive PCR법을 이용한 뽕나무 오갈병(MD) Phytoplasma의 검출과 밀도변화 (The Detection and Density Fluctuation of Mulberry Dwarf Phytoplasma using Nested-PCR and Competitive-PCR Methods)

  • 채승민;이솔;차병진;이혁인;한상섭
    • 한국산림과학회지
    • /
    • 제100권4호
    • /
    • pp.623-629
    • /
    • 2011
  • 파이토플라스마에 감염된 뽕나무의 각 부위를 nested-PCR법과 경쟁 PCR법을 이용하여 파이토플라스마의 검출 범위 및 밀도 변화를 조사하였다. 파이토플라스마에 부분 감염된 뽕나무를 총 5부위(A. 빗자루병이나 오갈병 증상을 보인 잎의 엽병, B. 병징을 보인 잎이 있는 가지의 아래쪽 건전해 보이는 잎의 엽병, C. 병징을 보인 잎의 가지 부위, D. 병징을 보이지 않은 가지 쪽의 영병이나 가지, E. 잔뿌리)로 구분하였다. AS-1/AS-2 프라이머를 이용한 nested-PCR 결과, 파이토플라스마는 모든 시료에서 검출되었으며, 파이토플라스마의 검출범위는 P1/P7 프라이머를 이용한 direct-PCR 산물에서는 희석액이 $10^4$배까지 검출되었고, AS-1/AS-2 프라이머를 이용하여 nested-PCR를 수행한 결과, PCR 산물을 $10^{13}$배 희석한 시료까지 파이토플라스마가 검출되었다. 경쟁 PCR 결과, 뽕나무 파이토플라스마의 밀도는 $7.94{\times}10^{18}-10^{12}copies/{\mu}L$의 범위내에 존재하였으며, 년 중 파이토플라스마가 모든 시료에서 존재하였다. 초기생장시기에는 "B"부위와 "C"부위에서 파이토플라스마 밀도가 높게 나타났으나 "A"부위와 "D"부위에서는 이보다 낮게 나타났다. 휴면기에는 "C"부위와 "E"부위가 "D"부위보다 밀도가 높았다. 모든 시료 중 "C"부위와 "A"부위에서 년 중 파이토플라스마 밀도가 안전적으로 존재하였다. 본 연구 결과, nested-PCR 법과 경쟁 PCR법은 식물체내의 파이토플라스마의 정확한 검출과 밀도변화를 알아볼 수 있는 유용한 방법이다.

교통사고 데이터의 마이닝을 위한 연관규칙 학습기법과 서브그룹 발견기법의 비교 (Comparison of Association Rule Learning and Subgroup Discovery for Mining Traffic Accident Data)

  • 김정민;류광렬
    • 지능정보연구
    • /
    • 제21권4호
    • /
    • pp.1-16
    • /
    • 2015
  • 교통사고의 원인을 규명하고 미래의 사고를 방지하기 위한 노력의 일환으로 데이터 마이닝 기법을 이용한 교통 데이터 분석의 연구가 이루어지고 있다. 하지만 기존의 교통 데이터를 이용한 마이닝 연구들은 학습된 결과를 사람이 이해하기 어려워 분석에 많은 노력이 필요하다는 문제가 있었다. 본 논문에서는 많은 속성들로 표현된 교통사고 데이터로부터 유용한 패턴을 발견하기 위해 규칙 학습 기반의 데이터 마이닝 기법인 연관규칙 학습기법과 서브그룹 발견기법을 적용하였다. 연관규칙 학습기법은 비지도 학습 기법의 하나로 데이터 내에서 동시에 많이 등장하는 아이템(item)들을 찾아 규칙의 형태로 가공해 주며, 서브그룹 발견기법은 사용자가 지정한 대상 속성이 결론부에 나타나는 규칙을 학습하는 지도학습 기반 기법으로 일반성과 흥미도가 높은 규칙을 학습한다. 규칙 학습 시 사용자의 의도를 반영하기 위해서는 하나 이상의 관심 속성들을 조합한 합성 속성을 만들어 규칙을 학습할 수 있다. 규칙이 도출되고 나면 후처리 과정을 통해 중복된 규칙을 제거하고 유사한 규칙을 일반화하여 규칙들을 더 단순하고 이해하기 쉬운 형태로 가공한다. 교통사고 데이터를 대상으로 두 기법을 적용한 결과 대상 속성을 지정하지 않고 연관규칙 학습기법을 적용하는 경우 사용자가 쉽게 알기 어려운 속성 사이의 숨겨진 관계를 발견할 수 있었으며, 대상 속성을 지정하여 연관규칙 학습기법과 서브그룹 발견기법을 적용하는 경우 파라미터 조정에 많은 노력을 기울여야 하는 연관규칙 학습기법에 비해 서브그룹 발견기법이 흥미로운 규칙들을 더 쉽게 찾을 수 있음을 확인하였다.