• 자원환경지질
• /
• 제31권2호
• /
• pp.141-147
• /
• 1998

Earth tide observations were taken at AMIST observatory in Seoul by LaCoste-Romberg ET gravimeter from September 2 to 16, 1997 for determining the gravimetric factor ($\delta$) and analyzing the tidal components. Meter drifts were corrected by regression and then denoised by threshholding wavelet, a data processing tool. The mean value of $\delta$ is 1.2 and the mean phase lag of & ($M_2$, $S_2$) and & $K_1$, $O_1$) is $0.07{\pm}0.03^{\circ}$ and $0.08{\pm}0.07^{\circ}$ by analyzing the observed earth tides. For yielding measurements of gravity accurate to about 0.01 mgal, the Earth tide observations are required by ET meter. The tidal variations are due to the planet's distance and zenith angle. With the exception of Earth-Moon and Earth-Sun mechanism, the possible causes of tidal variations are tectonical, meterological and hydrological perturbations. The long period and broad observations are required for determining the state of art gravimetric factor in Korea.

• Structural Monitoring and Maintenance
• /
• 제6권3호
• /
• pp.219-235
• /
• 2019

Scheduled inspections of common crossings are one of the main cost drivers of railway maintenance. Prognostics and health management (PHM) approach and modern monitoring means offer many possibilities in the optimization of inspections and maintenance. The present paper deals with data driven prognosis of the common crossing remaining useful life (RUL) that is based on an inertial monitoring system. The problem of scheduled inspections system for common crossings is outlined and analysed. The proposed analysis of inertial signals with the maximal overlap discrete wavelet packet transform (MODWPT) and Shannon entropy (SE) estimates enable to extract the spectral features. The relevant features for the acceleration components are selected with application of Lasso (Least absolute shrinkage and selection operator) regularization. The features are fused with time domain information about the longitudinal position of wheels impact and train velocities by multivariate regression. The fused structural health (SH) indicator has a significant correlation to the lifetime of crossing. The RUL prognosis is performed on the linear degradation stochastic model with recursive Bayesian update. Prognosis testing metrics show the promising results for common crossing inspection scheduling improvement.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 추계학술발표대회
• /
• pp.113-116
• /
• 2007

In this paper, our proposed Nonlinear Autoregressive Exogenous (NARX) based on Least Square-Support Vector Regression (LS-SVR) is introduced and tested for producing natural sounds. This nonlinear synthesizer perfectly reproduce voiced sounds, and also conserve the naturalness such as jitter and shimmer, compared to LPC does not keep these naturalness. However, the results of some phonation are quite different from the original sounds. These results are assumed that single-band model can not afford to control and decompose the high frequency components. Therefore multi-band model with wavelet filterbank is adopted for substituting single band model. As a results, multi-band model results in improved stability. Finally, nonlinear speech modeling using NARX based on LS-SVR can successfully reconstruct synthesized sounds nearly similar to original voiced sounds.

• 한국통신학회논문지
• /
• 제38A권2호
• /
• pp.164-173
• /
• 2013

본 논문에서는 움직임 벡터의 정규화 및 윤곽선(edge)의 패턴 분석을 이용한 새로운 복수영상 기반의 초해상도(super resolution) 영상 생성 기법을 제안한다. 기존의 복수영상 기반의 초해상도 기법의 경우 입력 동영상을 구성하는 각 영상 간 부화소(sub-pixel) 단위의 움직임과 병진이동(global translation)만이 발생한다고 가정하여 기법의 적용이 제한적이다. 또한 이러한 제한에 강한 단일영상 기반의 초해상도 영상 생성 기법의 경우 보간 시 사용할 수 있는 정보량이 제한적이라는 단점이 있다. 본 논문에서는 기존 기법의 단점인 부화소 단위의 움직임에 대한 제한을 움직임 벡터의 정규화 기법을 통해 해결하고, 윤곽선 패턴 분석을 기반으로 한 2*2 블록 단위의 움직임 추정을 통해 병진이동에 대한 제한을 해결하였다. 또한 실험을 통하여 제안하는 기법이 기존의 이중선형(bi-linear)보간법, 단일영상과 복수영상 기반 초해상도 기법보다 우수하다는 것을 확인하였다.

• 정보보호학회논문지
• /
• 제20권3호
• /
• pp.23-30
• /
• 2010

지문 인식 시스템이 보편화되면서 출입국 관리 등 국가 단위의 대규모 시스템 구축이 활발히 논의되고 있다. 이러한 대규모 지문 인식 시스템의 효율적인 자원 활용을 위해 영상 압축 성능을 향상시키는 방법이 연구되고 있다. 본 논문에서는 지문 영상 압축 표준인 FBI WSQ(Wavelet Scalar Quantization)의 압축 성능을 극대화하기 위한 최대 압축비 결정 방법을 제안한다. 지문 영상 압축을 고려하지 않는 기존 지문 영상 품질 평가 방법의 단점을 해결하기 위해, 지문 영상 품질 점수와 FBI WSQ 압축 인자가 인식률에 미치는 영향을 분석한다. 또한, 회귀분석 방법으로 영상 압축의 영향까지 고려한 인식률 예측 모델을 추정하고, 입력으로 주어진 최저 지문 인식률 조건을 만족하는 최대 압축비를 도출한다. 제안 방법의 정당성을 확인하기 위해 FVC2004의 DB1 지문 영상 데이터베이스로 실험하였으며, 인식률의 큰 저하 없이 기존의 FBI WSQ 권장 압축비 대비 약 3배의 압축 성능 향상을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.

• Journal of Biosystems Engineering
• /
• 제34권2호
• /
• pp.127-132
• /
• 2009

In the working population, muscle fatigue and musculoskeletal discomfort are common, which, in the case of insufficient recovery may lead to musculoskeletal pain. Workers suffering from musculoskeletal pains need to be rehabilitated for recovery. Isokinetic testing has been used in physical strengthening, rehabilitation and post-operative orthopedic surgery. Frequency analysis of electromyography (EMG) signals using the mean frequency (MNF) has been widely used to characterize muscle fatigue. During isokinetic contractions, EMG signals present strong nonstationarities. Hilbert-Haung transform (HHT) and autoregressive (AR) model have been known more suitable than Fourier or wavelet transform for nonstationary signals. Moreover, several analyses have been performed within each active phase during isokinetic contractions. Thus, the aims of this study were i) to determine which one was better suitable for the analysis of MNF between HHT and AR model during repetitive maximum isokinetic extensions and ii) to investigate whether the analysis could be repeated for sequential fixed epoch lengths. Seven healthy volunteers (five males and two females) performed isokinetic knee extensions at $60^{\circ}/s$ and $240^{\circ}/s$ until 50% of the maximum peak torque was reached. Surface EMG signals were recorded from the rectus femoris of the right thigh. An algorithm detecting the onset and offset of EMG signals was applied to extract each active phase of the muscle. Following the results, slopes from the least-square error linear regression of MNF values showed that muscle fatigue of all subjects occurred. The AR model is better suited than HHT for estimating MNF from nonstationary EMG signals during isokinetic knee extensions. Moreover, the linear regression can be extracted from MNF values calculated by sequential fixed epoch lengths (p> 0.0I).

• 한국토양비료학회지
• /
• 제43권6호
• /
• pp.968-974
• /
• 2010

본 연구에서는 토양의 가시 근적외선 스펙트럼의 피크중첩에 의한 분석오차를 감소시킴으로써 토양유기물 추정의 정확도 향상을 위해 이산 웨이블릿 변환 (DWT) 신호처리기법의 적용을 검토하고 공간정보모델링을 통해 토양유기물의 분포도를 작성하고자 하였다. 토양유기물 함량에 따른 스펙트럼의 정량적 변화의 강조를 위해 Continuum 제거, 도함수 변환과 함께 Haar, Daubechies DWT 변환된 스펙트럼을 PLSR 모델에 대입하여 산출한 토양유기물 추정식들은 거의 비슷한 결과를 도출하였고 $R^2$ > 0.6, RPD > 1.5 의 '대략적인' 추정 결과를 보였다. 잡음을 줄이고 신호값을 향상시키기 위해 이산 웨이블렛 변환을 적용한 결과에서 오히려 약간 낮은 성능을 나타내었는데 성긴 근사값 (Coarser approximation) 스펙트럼으로 변환되어 추정식의 유의성이 낮아졌을 가능성이 있다. 따라서 토양의 분광스펙트럼에 더 적합한 이산 웨이블렛 필터와 수준 등의 DWT 조건을 찾고 적용함으로써 추정식의 유의성을 향상시킬 수 있을 것으로 본다. 또한, 유기물에 의한 에너지의 흡수, 반사를 일으키는 주요 파장대의 상관성을 분석하여 선택적으로 해당 영역의 스펙트럼이나 파라미터 값을 산출하여 추정모델에 적용하는 시도도 필요할 것으로 사료된다. 이러한 토양유기물의 추정값과 실측값을 이용해 구역 크리깅을 수행하여 분포지도를 작성하였다. 토양 샘플의 유기물 분석값은 평균값을 중심으로 정규분포를 나타내었는데 크리깅 지도에서도 전반적으로 유사한 패턴의 값이 분포하였다. 추정값을 이용한 크리깅 결과도 실측값을 이용한 분포지도와 유사한 공간적 패턴을 나타내었다. 지도의 우하단부와 중앙 부분에서 실측값 분포보다 추정값 분포지도에서 약간 더 높은 경향을 보였는데 이는 토양 유기물의 추정치와 실측치 간의 오차에 의한 것으로 판단된다. 분광 스펙트럼을 이용한 추정 모델은 정확도 제고가 필요한 단계이나 신속성, 용이성 면에 있어서 토양 특성에 대해 광역 단위에서 다량의 시료 분석에 유용할 것으로 보이고, 또한 지역, 세계 규모의 디지털 토양 매핑, 토양 분류 및 원격탐사 자료와의 연계 분석에 활용될 수 있을 것으로 기대된다.

• Asia pacific journal of information systems
• /
• 제24권2호
• /
• pp.233-253
• /
• 2014

Can the stock market really be predicted? Stock market prediction has attracted much attention from many fields including business, economics, statistics, and mathematics. Early research on stock market prediction was based on random walk theory (RWT) and the efficient market hypothesis (EMH). According to the EMH, stock market are largely driven by new information rather than present and past prices. Since it is unpredictable, stock market will follow a random walk. Even though these theories, Schumaker [2010] asserted that people keep trying to predict the stock market by using artificial intelligence, statistical estimates, and mathematical models. Mathematical approaches include Percolation Methods, Log-Periodic Oscillations and Wavelet Transforms to model future prices. Examples of artificial intelligence approaches that deals with optimization and machine learning are Genetic Algorithms, Support Vector Machines (SVM) and Neural Networks. Statistical approaches typically predicts the future by using past stock market data. Recently, financial engineers have started to predict the stock prices movement pattern by using the SNS data. SNS is the place where peoples opinions and ideas are freely flow and affect others' beliefs on certain things. Through word-of-mouth in SNS, people share product usage experiences, subjective feelings, and commonly accompanying sentiment or mood with others. An increasing number of empirical analyses of sentiment and mood are based on textual collections of public user generated data on the web. The Opinion mining is one domain of the data mining fields extracting public opinions exposed in SNS by utilizing data mining. There have been many studies on the issues of opinion mining from Web sources such as product reviews, forum posts and blogs. In relation to this literatures, we are trying to understand the effects of SNS exposures of firms on stock prices in Korea. Similarly to Bollen et al. [2011], we empirically analyze the impact of SNS exposures on stock return rates. We use Social Metrics by Daum Soft, an SNS big data analysis company in Korea. Social Metrics provides trends and public opinions in Twitter and blogs by using natural language process and analysis tools. It collects the sentences circulated in the Twitter in real time, and breaks down these sentences into the word units and then extracts keywords. In this study, we classify firms' exposures in SNS into two groups: positive and negative. To test the correlation and causation relationship between SNS exposures and stock price returns, we first collect 252 firms' stock prices and KRX100 index in the Korea Stock Exchange (KRX) from May 25, 2012 to September 1, 2012. We also gather the public attitudes (positive, negative) about these firms from Social Metrics over the same period of time. We conduct regression analysis between stock prices and the number of SNS exposures. Having checked the correlation between the two variables, we perform Granger causality test to see the causation direction between the two variables. The research result is that the number of total SNS exposures is positively related with stock market returns. The number of positive mentions of has also positive relationship with stock market returns. Contrarily, the number of negative mentions has negative relationship with stock market returns, but this relationship is statistically not significant. This means that the impact of positive mentions is statistically bigger than the impact of negative mentions. We also investigate whether the impacts are moderated by industry type and firm's size. We find that the SNS exposures impacts are bigger for IT firms than for non-IT firms, and bigger for small sized firms than for large sized firms. The results of Granger causality test shows change of stock price return is caused by SNS exposures, while the causation of the other way round is not significant. Therefore the correlation relationship between SNS exposures and stock prices has uni-direction causality. The more a firm is exposed in SNS, the more is the stock price likely to increase, while stock price changes may not cause more SNS mentions.