• 대한공간정보학회지
• /
• 제21권2호
• /
• pp.45-51
• /
• 2013

정보의 바다에 살고 있는 지금 사람들은 더 신속하고, 정확한 정보에 대한 욕구가 강하게 나타나고 있다. 오래전부터 사람들은 내가 있는 곳과 내가 가야될 곳에 대한 정보를 알고 싶어 했으며, 이러한 위치정보에 대한 욕구를 충족시키기 위한 방법은 다양하게 존재한다. 그 중 가장 많이 사용하고 있는 장비가 디지털 카메라이다. 이에 본 연구에서는 UltraCamX 카메라를 이용하여 다양한 지역적 특색을 가진 연구대상지 3곳을 선정하여 각각에 대한 블록조정을 실시 한 후 지역적 특성과 지상기준점의 분포에 대한 외부표정요소, 지상기준점과 검사점의 정확도를 비교분석하였다. 분석 결과, 산악지역이 포함된 지역은 기준점의 수가 감소함에 따라 외부표정요소의 정확도가 급격히 감소하였으며, 고층건물이 밀집해 있는 지역에서는 검사점의 수직 정확도가 낮아짐을 알 수 있었다. 연구를 통하여 AT분석 시 정확도에 영향을 미치는 지역적 인자들에 대한 분석이 수행되었다.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.375-383
• /
• 2018

정지한 객체의 측위에 사용되던 Network RTK (real time kinematics) 기술을 이동형 항체의 항법에 적용하기 위해서는 보정정보와 함께 사용자의 성능을 대표할 수 있는 지표가 함께 제공되어야 한다. 이를 위하여 본 논문에서는 I95 (ionospheric index 95) / G95 (geodetic index 95), SBI (semivariance based index), RIU (residual interpolation uncertainty) 등의 지표 도출 알고리즘을 분석하고 이를 국토지리정보원의 기준국 원시 데이터와 VRS (virtual reference station) 사용자에 적용함으로써 정밀 항법 성능 지표로의 활용 가능성을 타진하였다. 24시간 데이터를 처리한 결과 보정정보의 비선형성을 나타낼 수 있는 RIU 지표와 Network RTK 사용자의 위치 정확도와의 상관성이 0.52로 타 지표에 비해 훨씬 높은 것으로 나타났으므로 향후 이동 항체의 항법 성능 지표로 사용이 가능할 것으로 예상된다.

• 대한공간정보학회지
• /
• 제23권4호
• /
• pp.3-10
• /
• 2015

최근 무인항공기(UAV : Unmaned Aerial Vehicle)는 신속하고 정확하게 3차원 공간정보를 구축하는 새로운 기술로 다양한 분야에서 연구와 활용이 증가하고 있다. 이러한 무인항공기는 위성측량이나 기존 항공측량에 비해 경제적이며 5cm급 이하의 고해상도 영상을 편리하게 취득할 수 있다는 장점을 지니고 있다. 따라서 본 논문에서는 무인항공기와 비측량용 디지털 카메라를 이용하여 3차원 공간정보의 제작 가능성과 기존 수치사진측량 시스템과의 호환성 분석을 위하여 무인항공기 전용 S/W 및 DPW(Digital Photogrammetry Workstation)를 이용해 성과품인 수치표고모델과 정사영상을 제작하고 정확도 분석을 수행하였다. UAV 전용 S/W와 DPW로 제작된 수치표고모델과 정사영상의 정확도 분석 결과 UAV 자료와 기존 수치사진측량 시스템과의 호환성은 낮은 것으로 판단된다.

• 대한공간정보학회지
• /
• 제19권4호
• /
• pp.65-70
• /
• 2011

GPS상시관측망 자료를 이용하여 국토지리정보원에서는 VRS 서비스를 하고 있으며 실시간적이고 정확도를 높이기 위해 VRS-RTK 측량방법이 널리 사용되는 추세이다. 하지만 VRS-RTK GPS 측량에서 이동국과 기지국간의 거리가 멀어지면 정확도가 떨어지는 경향이 있다. 본 연구에서는 지적도근점측량 시 이러한 문제점을 파악하기 위해서 GPS 상시관측망의 안쪽과 바깥쪽에 존재하는 경남 거제시의 실험지역 두 곳을 선정하여 정확도를 분석하였다. 두 지역을 대상으로 정확도를 분석한 결과 위치오차에 대한 평균제곱근오차는 ${\pm}0.03m$로서 지적측량 규정내에 있었으며, 지적측량 시 VRS-RTK GPS 측량의 적용가능성을 제시하였다.

• 한국IT서비스학회지
• /
• 제16권3호
• /
• pp.167-183
• /
• 2017

The rapid growth of information technology and mobile service platforms, i.e., internet, google, and facebook, etc. has led the abundance of data. Due to this environment, the world is now facing a revolution in the process that data is searched, collected, stored, and shared. Abundance of data gives us several opportunities to knowledge discovery and data mining techniques. In recent years, data mining methods as a solution to discovery and extraction of available knowledge in database has been more popular in e-commerce service fields such as, in particular, movie recommendation. However, most of the classification approaches for predicting the movie popularity have used only several types of information of the movie such as actor, director, rating score, language and countries etc. In this study, we propose a classification-based support vector machine (SVM) model for predicting the movie popularity based on movie's genre data and social network data. Social network analysis (SNA) is used for improving the classification accuracy. This study builds the movies' network (one mode network) based on initial data which is a two mode network as user-to-movie network. For the proposed method we computed degree centrality, betweenness centrality, closeness centrality, and eigenvector centrality as centrality measures in movie's network. Those four centrality values and movies' genre data were used to classify the movie popularity in this study. The logistic regression, neural network, $na{\ddot{i}}ve$ Bayes classifier, and decision tree as benchmarking models for movie popularity classification were also used for comparison with the performance of our proposed model. To assess the classifier's performance accuracy this study used MovieLens data as an open database. Our empirical results indicate that our proposed model with movie's genre and centrality data has by approximately 0% higher accuracy than other classification models with only movie's genre data. The implications of our results show that our proposed model can be used for improving movie popularity classification accuracy.

• 융합보안논문지
• /
• 제20권3호
• /
• pp.53-60
• /
• 2020

현재 4차 산업혁명을 맞이하여 머신러닝과 인공지능 기술이 급속도로 발전하고 있으며 보안 분야에서도 머신러닝 기술을 응용하려는 움직임이 있다. 많은 악성코드가 생성됨에 따라 사람의 힘으로는 모든 악성코드를 탐지하기 어려워지고 있기 때문이다. 이에 따라 학계와 산업계에서는 머신러닝을 통해 악성코드나 네트워크 침입 이벤트를 탐지하는 것에 관한 연구가 활발히 진행되고 있으며 국제 학회와 저널에서는 머신러닝의 한 분야인 딥러닝을 이용한 보안데이터 분석 연구가 논문 발표되고 있다. 그러나 해당 논문들은 검출 정확도에 초점이 맞추어져 있고 검출 정확도를 높이기 위해 여러 파라미터들을 수정하지만 Dataset의 개수를 고려하지 않고 있다. 따라서 본 논문에서는 CNN Mobile net 기반 악성코드 탐지 모델에서 가장 높은 검출 정확도를 도출할 수 있는 Dataset의 개수을 찾아내어 많은 머신러닝 연구 진행에 비용과 리소스를 줄이고자 한다.

• 융합정보논문지
• /
• 제11권7호
• /
• pp.31-38
• /
• 2021

본 논문은 감성 분석에 사용되는 RNN 모델의 최적화를 얻기 위한 성능분석을 위하여 하이퍼파라미터 튜닝에 따른 손실과 정확도의 추이를 관찰하여 모델과의 상관관계를 연구하였다. 연구 방법으로는 시퀀셜데이터를 처리하는데 가장 최적화된 LSTM과 Embedding layer로 히든레이어를 구성한 후, LSTM의 Unit과 Batch Size, Embedding Size를 튜닝하여 각각의 모델에 대한 손실과 정확도를 측정하였다. 측정 결과, 손실은 41.9%, 정확도는 11.4%의 차이를 나타내었고, 최적화 모델의 변화추이는 지속적으로 안정적인 그래프를 보여 하이퍼파라미터의 튜닝이 모델에 지대한 영향을 미침을 확인하였다. 또한 3가지 하이퍼파라미터 중 Embedding Size의 결정이 모델에 가장 큰 영향을 미침을 확인하였다. 향후 이 연구를 지속적으로 이어나가 모델이 최적의 하이퍼파라미터를 직접 찾아낼 수 있는 알고리즘에 대한 연구를 지속적으로 이어나갈 것이다.

• 한국항공우주학회지
• /
• 제50권2호
• /
• pp.83-92
• /
• 2022

본 논문에서는 지형대조항법의 신뢰성 추정을 위해 지형 유형별로 간섭계 레이더 고도계의 성능을 분석한다. 고도 정확도는 지형대조항법 정확도의 주요 요소 중 하나이다. 그런데 간섭계 레이더 고도계에서는 안테나가 넓은 빔을 가지고 있으면 고도 정확도는 지표의 형상에 의해 직접적으로 영향을 받는다. 따라서 TRN의 정확도와 신뢰성도 영향을 받을 수 있으며 이는 항법해 산출에 모호성을 야기할 수 있다. 본 논문에서는 여러 지형 유형들을 모델링하고 간섭계 레이더 고도계의 성능을 분석하여 지형대조항법의 신뢰성 추정을 위한 분석 자료를 제시한다. 시험 데이터와 비교함으로써 분석 결과의 타당성을 검증한다.

• Smart Structures and Systems
• /
• 제31권2호
• /
• pp.101-111
• /
• 2023

Structural health monitoring (SHM) covers a range of damage detection strategies for buildings. In real-time, SHM provides a basis for rapid decision making to optimise the speed and economic efficiency of post-event response. Previous work introduced an SHM method based on identifying structural nonlinear hysteretic parameters and their evolution from structural force-deformation hysteresis loops in real-time. This research extends and generalises this method to investigate the impact of a wide range of flag-shaped or pinching shape nonlinear hysteretic response and its impact on the SHM accuracy. A particular focus is plastic stiffness (K_p), where accurate identification of this parameter enables accurate identification of net and total plastic deformation and plastic energy dissipated, all of which are directly related to damage and infrequently assessed in SHM. A sensitivity study using a realistic seismic case study with known ground truth values investigates the impact of hysteresis loop shape, as well as added noise, on SHM accuracy using a suite of 20 ground motions from the PEER database. Monte Carlo analysis over 22,000 simulations with different hysteresis loops and added noise resulted in absolute percentage identification error (median, (IQR)) in K_p of 1.88% (0.79, 4.94)%. Errors were larger where five events (Earthquakes #1, 6, 9, 14) have very large errors over 100% for resulted K_p as an almost entirely linear response yielded only negligible plastic response, increasing identification error. The sensitivity analysis shows accuracy is reduces to within 3% when plastic drift is induced. This method shows clear potential to provide accurate, real-time metrics of non-linear stiffness and deformation to assist rapid damage assessment and decision making, utilising algorithms significantly simpler than previous non-linear structural model-based parameter identification SHM methods.

• Structural Engineering and Mechanics
• /
• 제84권2호
• /
• pp.143-154
• /
• 2022

Corrosion of steel reinforcement is considered as the main cause of concrete structures deterioration, especially those under humid environmental conditions. Hence, fiber reinforced polymer (FRP) bars are being increasingly used as a replacement for conventional steel owing to their non-corrodible characteristics. However, predicting the shear strength of beams reinforced with FRP bars still challenging due to the lack of robust shear theory. Thus, this paper aims to develop an explicit data driven based model to predict the shear strength of FRP reinforced beams using multi-objective evolutionary polynomial regression analysis (MOGA-EPR) as data driven models learn the behavior from the input data without the need to employee a theory that aid the derivation, and thus they have an enhanced accuracy. This study also evaluates the accuracy of predictive models of shear strength of FRP reinforced concrete beams employed by different design codes by calculating and comparing the values of the mean absolute error (MAE), root mean square error (RMSE), mean (𝜇), standard deviation of the mean (𝜎), coefficient of determination (R²), and percentage of prediction within error range of ±20% (a20-index). Experimental database has been developed and employed in the model learning, validation, and accuracy examination. The statistical analysis illustrated the robustness of the developed model with MAE, RMSE, 𝜇, 𝜎, R², and a20-index of 14.6, 20.8, 1.05, 0.27, 0.85, and 0.61, respectively for training data and 10.4, 14.1, 0.98, 0.25, 0.94, and 0.60, respectively for validation data. Furthermore, the developed model achieved much better predictions than the standard predictive models as it scored lower MAE, RMSE, and 𝜎, and higher R² and a20-index. The new model can be used in future with confidence in optimized designs as its accuracy is higher than standard predictive models.