• 대한공간정보학회지
• /
• 제24권1호
• /
• pp.81-87
• /
• 2016

자연재해로 인해 댐, 교량, 제방 등 수변구조물에 피해가 발생할 경우, 빠른 복구를 위해 정확한 피해정보를 분석하는 일은 매우 중요하다. 본 연구에서는 최근 활용이 확산되고 있는 UAV(Unmanned aerial vehicle)영상을 활용하여 효과적으로 피해를 분석하는 방안을 제시하고 정확도 평가를 수행하였다. UAV영상은 수변구조물 일대를 촬영한 영상들을 이용하였고, 피해를 분석하는 핵심 방법론으로 영상정합과 변화탐지 기법을 활용하였다. 영상정합을 통해 생성된 점군 데이터(point cloud)는 2차원 영상으로 3차원 형상을 재현하며, 사전에 구축된 레퍼런스 데이터와의 높이 값 비교를 통해 피해영역을 추출할 수 있다. 피해영역으로 추출된 결과는 정확도를 평가하기 위해 항공라이다로 구축된 정확한 데이터와 비교하여 절대위치 오차를 비교하였다. 실험 결과 EOP(외부표정요소)가 매우 정확한 UAV 영상을 사용하면 제안된 방법론으로 평균 10~20cm 오차 범위 내의 정확도를 확보할 수 있음을 알 수 있었고, 이는 제안한 방법이 비교적 큰 규모인 수변구조물에서 발생하는 피해 분석에 매우 유용하게 활용될 수 있음을 보여주었다. 하지만 복잡도가 높은 구조물들은 매칭 기술을 적용하기 어려우며, 이러한 구조물들의 피해를 추출하기 위해서는 별도의 방법론이 필요하다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권11호
• /
• pp.681-688
• /
• 2015

k-Nearest Neighbor(k-NN)그래프는 모든 노드에 대한 k-NN 정보를 나타내는 데이터 구조로써, 협업 필터링, 유사도 탐색과 여러 정보검색 및 추천 시스템에서 k-NN그래프를 활용하고 있다. 이러한 장점에도 불구하고 brute-force방법의 k-NN그래프 생성 방법은 $O(n^2)$의 시간복잡도를 갖기 때문에 빅데이터 셋에 대해서는 처리가 곤란하다. 따라서, 고차원, 희소 데이터에 효율적인 Locality Sensitive Hashing 기법을 (key, value)기반의 분산환경인 MapReduce환경에서 사용하여 k-NN그래프를 생성하는 알고리즘이 연구되고 있다. Locality Sensitive Hashing 기법을 사용하여 사용자를 이웃후보 그룹으로 만들고 후보내의 쌍에 대해서만 brute-force하게 유사도를 계산하는 two-stage 방법을 MapReduce환경에서 사용하였다. 특히, 그래프 생성과정 중 유사도 계산하는 부분이 가장 많은 시간이 소요되므로 후보 그룹을 어떻게 만드는 것인지가 중요하다. 기존의 방법은 사이즈가 큰 후보그룹을 방지하는데 한계점이 있다. 본 논문에서는 효율적인 k-NN 그래프 생성을 위하여 사이즈가 큰 후보그룹을 재구성하는 알고리즘을 제시하였다. 실험을 통해 본 논문에서 제안한 알고리즘이 그래프의 정확성, Scan Rate측면에서 좋은 성능을 보임을 확인하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 추계정기학술대회:지능형기술과 CRM
• /
• pp.247-256
• /
• 2000

오늘날의 기업은 상품을 판매하는 것 뿐만 아니라 기업의 신용과 이미지를 위해 그 상품에 대한 사후처리(After Service) 업무에 많은 투자를 하고 있다. 이러한 양질의 사후서비스를 고객에게 공급하기 위해서는 많은 인력을 합리적으로 관리해야 하고 요청되는 고장수리 서비스 업무를 빠르게 해결하기 위해서는 업무를 인력들에게 합리적으로 배정을 하고 회사의 비용을 최소화하면서 정해진 시간에 요청된 작업을 처리하기 위해서는 인력들에게 작업을 배정하고 스케줄링하는 문제가 발생된다. 본 논문에서는 이러한 문제를 해결하기 위해 화학계기의 A/S 작업을 인력에게 합리적으로 배정하는 스케줄링 시스템에 관한 연구이다. 먼저 스케줄링 모델을 HP 사의 화학분석 및 시스템을 판매, 유지보수 해 주는 "영진과학(주)"회사의 작업 스케줄을 분석하여 필요한 도메인과 고객서비스전략과 인력관리전략에서 제약조건을 추출하였고 여기에 스케줄링 문제를 해결하기 위한 방법으로 제약만족문제(CSP) 해결기법인 도메인 여과기법을 적용하였다. 도메인 여과기법은 제약조건에 의해 변수가 갖는 도메인의 불필요한 부분을 여과하는 것으로 제약조건과 관련되어 있는 변수의 도메인이 축소되는 것이다. 또한, 스케줄링을 하는데에 있어서 비용적인 측면에서의 스케줄링방법과 고객 만족도에서의 스케줄링 방법을 비교하여 가장 이상적인 해를 찾는데 트래이드오프(Trade-off)를 이용하여 최적의 해를 구했으며 실험을 통해 인력에게 더욱 효율적으로 작업들을 배정 할 수 있었고 또한, 정해진 시간에 많은 작업을 처리 할 수 있었으며 작업을 처리하는데 있어 소요되는 비용을 감소하는 결과를 얻을 수 있었다. 검증하였다.를, 지지도(support), 신뢰도(confidence), 리프트(lift), 컨빅션(conviction)등의 관계를 통해 다양한 방법으로 모색해본다. 이 연구에서 제안하는 이러한 개념계층상의 흥미로운 부분의 탐색은, 전자 상거래에서의 CRM(Customer Relationship Management)나 틈새시장(niche market) 마케팅 등에 적용가능하리라 여겨진다.선의 효과가 나타났다. 표본기업들을 훈련과 시험용으로 구분하여 분석한 결과는 전체적으로 재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀 분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적중률을 나타내었다.ting LMS according to increasing the step-size parameter $\mu$ in the experimentally computed. learning curve. Also we find that convergence speed of proposed algorithm is increased by (B+1) time proportional to B which B is the number of recycled data buffer without complexity

• 응용통계연구
• /
• 제26권2호
• /
• pp.335-347
• /
• 2013

다양한 분야에서 시그널(signal) 형태로 자료들이 표현된다. 예를 들면 심전도(electrocardiogram)는 심근에서 발생하는 활동 전류를 나타내는데, 심장의 박동에 따라 수축과 이완을 반복하는 과정을 시간에 따른 활동 전류량의 변동으로 나타낸다. 현실세계에서 측정하거나 관찰되는 시그널에는 다양한 형태의 시그널들이 혼합되어 있는 경우가 흔하다. 예를 들어 오케스트라 연주의 아름다운 선율은 고유한 주파수(frequency)를 지닌 악기들의 다양한 소리로 구성되어 있으며, 각기 다른 음조(note)가 하나로 모여 완벽한 하모니를 형성하게 된다. 시그널이 정상인(stationary) 경우에 혼합된 시그널들을 분해하여 분석하는 방법에 대해 현재까지 다양하게 연구되어 왔다. 자료가 비정상(non-stationary)일 경우에는 기존의 방법론들을 적용시키기에는 한계가 있다. 비정상성 자료를 다루기 위해 Huang 등 (1998)은 경험적 모드분해법(empirical mode decomposition)이라는 방법을 제안하였다. 자료에 내포되어 있는 국소적인 파동(oscillation)을 국소 극값들(local extrema)을 식별하여 자료 적응적으로 추출한다. 경험적 모드분해법은 잡음(error)에 의해 자료가 오염되어 있는 경우에는 국소 극값들을 통하여 국소적인 파동을 추정하기 어려우며, 자료의 크기가 커짐에 따라 계산량도 크게 늘어나는 단점 등이 있다. 본 연구에서는 이차 미분을 이용하여 국소적인 파동을 식별하고 추정하는 새로운 방법론을 제시하고자 한다.

• 한국멀티미디어학회논문지
• /
• 제14권5호
• /
• pp.669-680
• /
• 2011

R-tree는 데이터베이스 시스템에서 가장 많이 사용되는 색인 구조로 다차원의 데이터를 관리하는데 매우 효율적이다. 하지만 데이터베이스 시스템이 처리해야 하는 데이터의 용량이 증가함에 따라, 기존의 R-tree에서의 범위 질의의 처리는 디스크의 접근 지연 등의 이유로 인하여 수행 시간이 증가하게 되었다. 이러한 문제들을 해결하기 위하여 버퍼를 사용하거나 혹은 다수의 디스크와 프로세서를 사용하여 병렬로 질의를 수행하고자 하는 많은 연구들이 진행되었다. 이러한 연구들의 일환으로 최근 Graphics Processing Unit(GPU)을 이용한 병렬화 기법들에 대한 연구들이 진행되고 있다. 이러한 GPU의 적용을 통한 병렬화는 계산 속도의 증가와 디스크 접근 횟수의 감소를 통하여 수행 속도의 개선을 가능하게 하지만 GPU와 CPU사이의 메모리 교환 및 GPU 메모리의 접근 지연 등에 의한 오버헤드를 발생시킨다. 본 논문에서는 이러한 오버헤드를 해결하고 효과적으로 GPU를 적용하기 위하여 GPU를 버퍼로 사용하여 범위 질의를 병렬화하는 기법을 제안하였다. 버퍼 알고리즘을 통하여 메모리 교환 횟수를 줄이고, 동시 접근 가능한 메모리의 용량을 증가시켜 메모리의 접근 지연을 최소화 할 수 있었다. 제안 기법과 기존의 인덱스의 비교 실험에서 최대의 경우 5배 정도의 성능이 개선되는 것을 확인 할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.531-536
• /
• 2006

센서 기술과 무선 통신 기술의 발달로 무선 센서 네트워크 환경에서 데이터 처리 중심의 미들웨어에 대한 연구가 크게 증가하고 있다. 무선 센서 네트워크에서 효율적인 데이터 처리와 신속한 전송을 위해 사용되는 미들웨어는 순간적인 데이터 밀집현상(burstness)으로 발생하는 중간 노드의 데이터 손실 문제를 해결하여야 하며, 이를 위해 폐기정책을 사용하거나 전송해야 할 데이터양을 최소화하는 압축 기법이 사용되고 있다. 그러나 폐기정책은 수집된 데이터의 정확성을 저하시키는 문제점이 있으며, 압축기법은 알고리즘 복잡도가 커서 추가적으로 프로세싱 오버헤드가 커지는 문제점을 지니고 있다. 본 논문에서는 계산 능력, 소비 전력 등 극히 한정된 자원만을 사용하여 데이터를 전달해야 하는 무선 센서 네트워크 환경에서 수집된 데이터의 효율성 및 정확성을 향상시킬 수 있는 Delta-Average 기법을 제시하였다. 제안된 기법을 통해 평균화 방식을 이용함으로써 순간적인 데이터 밀집현상으로부터 중복된 데이터에 대한 불필요한 전송을 방지하면서 정확성을 높이도록 하였다. 마지막으로 제안된 기법의 성능을 평가하기 위해 TinyDB에서 TOSSIM 시뮬레이션을 수행하였으며, 성능분석 결과를 통해 데이터 정확성이 향상되었음을 입증하였다.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.703-712
• /
• 2019

단일 영상 초해상도 (Single Image Super-Resolution - SISR)기법은 카메라로 획득된 저해상도 영상에 필터 기반의 연산을 적용하여 좋은 화질의 고해상도 영상을 복원하는 과정이다. 최근에 심층 합성곱 신경망 학습의 발전에 따라 단일 영상 초해상도에 적용되는 심층 학습 기법들은 좋은 성과를 보여 주고 있다. 그 대표적인 방법으로 영상의 특징 맵 기반 웨이블릿 계수 학습을 통해 고해상도 영상을 복원하는 WaveletSRNet이 있다. 하지만 복잡한 알고리즘으로 인해 계산량이 증대되어 처리 속도가 늦고 특징 추출할 때 특징 맵을 효율적으로 활용하지 못 한다는 단점을 가지고 있다. 이를 개선하기 위해 본 논문에서는 단일 영상 초해상도 RDB-WaveletSRNet 기법을 제안한다. 제안된 기법은 잔여밀집블록(Residual Dense Block)을 사용하여 저해상도의 특징 맵을 효과적으로 추출하여 초해상도의 성능을 향상시키고 적절한 성장률을 설정하여 복잡한 계산량 문제까지 해결하였다. 또한 웨이블릿 패킷 분해를 사용하여 확대율에 맞게 웨이블릿 계수를 획득하므로 높은 확대율의 단일 영상 초해상도를 얻게 하였다. 다양한 영상에 대한 실험을 통하여, 제안하는 기법이 기존 기법보다 수행시간이 빠르며 영상 품질도 우수함을 입증하였다. 제안하는 방법은 기존 방법보다 화질은 PSNR 0.1813dB만큼 우수하며 속도는 1.17배 빠른 것을 실험을 통해 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제18권11호
• /
• pp.77-86
• /
• 2013

본 논문에서는 동영상의 주요 컨텐츠를 보존하면서 영상의 크기를 변환하는 고속 동영상 리타겟팅 기법을 제안한다. 기존의 Seam Carving에서는 seam을 하나씩 구할 때마다 누적 에너지의 갱신이 발생하며, 여기서 누적 에너지는 동적계획법을 이용하여 계산하기 때문에 전체 연산시간의 지연은 불가피하다. 본 논문에서는 전체 동영상을 특징이 서로 비슷한 scene으로 나누고, 각 scene의 첫 프레임에서는 seam이 될 수 있는 모든 후보들 중 복수개의 seam을 추출하여 누적 에너지의 갱신과정을 줄여 고속화한다. 또한 scene의 두 번째 프레임부터 인접한 프레임 상호간에 상관성을 이용하여, 연속하는 프레임은 누적 에너지를 계산하지 않고 이전 프레임의 seam 정보를 참조한 계산만으로 모든 seam을 추출한다. 따라서 제안하는 시스템은 누적 에너지에 계산되는 연산량을 대폭 줄였으며 전체 프레임의 분석도 필요하지 않아 고속화가 가능하고, 컨텐츠의 떨림 현상은 발생하지 않는다. 실험 결과는 제안하는 방법이 처리 속도와 메모리 사용량 면에서 실시간 처리에 적합하고, 영상이 가지고 있는 컨텐츠를 보존하면서 영상의 크기를 조절할 수 있음을 보여준다.

• 한국항행학회논문지
• /
• 제25권5호
• /
• pp.426-432
• /
• 2021

CW (continuous wave) 도플러 레이다는 카메라와 달리 사생활 침해 문제를 해결할 수 있고, 비접촉 방식으로 신호를 얻을 수 있다는 장점이 있다. 따라서, 본 논문에서는 CW 도플러 레이다를 이용한 사람 행동 인식 시스템을 제안하고, 가속을 위한 하드웨어 설계 및 구현 결과를 제시한다. CW 도플러 레이다는 사람의 연속된 동작에 대한 신호를 측정한다. 이에, 동작 분류를 위한 단일 스펙트로그램을 얻기 위해 운동 동작의 횟수를 세는 기법을 제안하였다. 또한, 연산의 복잡도와 메모리 사용량을 최소화하기 위해 동작 분류에 BNN (binarized neural network)을 사용하였고, 검증 결과 94%의 정확도를 보임을 확인하였다. BNN의 복잡한 연산을 가속하기 위해 FPGA를 이용하여 BNN 가속기가 설계 및 구현되었다. 제안된 사람 행동 인식 시스템은 logic 7,673개, register 12,105개, combinational ALUT (adaptive look up table) 10,211개, block memory 18.7 Kb를 사용하여 구현되었으며, 성능 평가 결과 소프트웨어 구현 대비 연산 속도가 99.97% 향상되었다.

• 한국지리정보학회지
• /
• 제24권3호
• /
• pp.58-72
• /
• 2021

2021년 7월 UNCTAD가 우리나라를 선진국으로 분류할 정도로 우리나라가 발전하는 성과가 있었다. 그러나 급변하는 글로벌 경제에 대응하기 위해서는 국내 산업생태계를 연구하여 끊임없이 변화시키고 성장을 위한 전략을 마련해야 한다. 그 중 하나가 기업간 네트워크를 강화하는 것이며, 본 연구는 기업 간 거래 데이터 구득이 가능한 자동차산업을 대상으로 공간적인 산업 네트워크를 분석하였다. 데이터는 295개의 기업 데이터(노드)와 607개의 거래 관계 데이터(링크)를 활용하였다. 기업의 주소지를 지오코딩하여 공간상 분포를 확인한 결과, 자동차산업 관련 기업은 수도권과 동남권에 집중 분포하고 있었다. 연결중심성, 매개중심성, 근접중심성, 위세중심성 등을 통해 노드의 중요도를 측정하고, 밀도, 거리, 커뮤니티 탐지, 동류성 및 이류성을 파악하여 네트워크 구조를 확인하였다. 그 결과, 4가지 노드 중요도에서 상위 15위 기업은 완성차기업 중에서는 현대자동차, 기아자동차, 한국지엠 3개의 기업이 공통적으로 포함되고, 상위 15위 기업은 주로 수도권에 입지하고 있다. 규모 면에서 연결중심성과 매개중심성은 대부분 종업원 수가 1,000명 이상인 큰 기업이고, 근접중심성과 위세중심성은 완성차기업을 제외하면 대개 종업원 수가 500명 이하인 기업이 상위 15위 안에 포함되었다. 전체적인 네트워크의 구조는 밀도는 0.01390522, 노드 간 평균거리는 3.422481로 나타났으며, 빠른탐욕알고리즘으로 커뮤니티 탐지를 실시한 결과, 최종적으로 11개의 커뮤니티가 도출되었다.