• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1591-1604
• /
• 2020

본 연구는 고해상도 위성영상을 딥러닝 알고리즘에 적용하여 토지피복을 분류하고 공간객체별 알고리즘의 성능 검증에 대한 연구이다. 이를 Fully Convolutional Network계열의 알고리즘을 선정하였으며, Kompasat-3 위성영상, 토지피복지도 및 임상도를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋을 알고리즘에 적용하여 각각 최적 하이퍼파라미터를 산출하였다. 하이퍼파라미터 최적화 이후 최종 분류를 시행하였으며, 전체 정확도는 DeeplabV3+가 81.7%로 가장 높게 산정되었다. 그러나 분류 항목별로 정확도를 살펴보면, 도로 및 건물에서 SegNet이 가장 우수한 성능을 나타내었으며, 활엽수, 논의 항목에서 U-Net이 가장 높은 정확도를 보였다. DeeplabV3+의 경우 밭과 시설재배지, 초지 등에서 다른 두 모델보다 우수한 성능을 나타내었다. 결과를 통해 토지피복 분류를 위해 하나의 알고리즘 적용에 대한 한계점을 확인하였으며, 향후 공간객체별로 적합한 알고리즘을 적용한다면, 높은 품질의 토지피복분류 결과를 산출할 수 있을 것으로 기대된다.

• 한국기술혁신학회:학술대회논문집
• /
• 한국기술혁신학회 1999년도 추계학술대회
• /
• pp.137-141
• /
• 1999

• 한국융합학회논문지
• /
• 제11권10호
• /
• pp.45-51
• /
• 2020

최근 많은 게임이 사용자의 게임 플레이와 관련된 데이터를 제공하고 있고, 이에 기계학습 기법을 결합하여 상대의 행동을 예측하는 연구들이 있다. 본 연구는 실시간 전략 게임(클래시로얄)의 경기 데이터와 기계학습 기반의 다중 레이블 분류를 사용하여 상대 플레이어의 행동을 예측한다. 초기 실험은 이진 형태의 카드 특성과 카드 배치 좌표 그리고 정규화된 시간 정보를 입력받아 카드 타입, 카드 배치 좌표를 랜덤포레스트와 다층 퍼셉트론을 이용하여 예측한다. 이후, 순차적으로 3 가지 전처리 방식을 사용하여 실험을 진행했다. 먼저 입력 데이터의 특성 정보 일부를 변환시켜 예측했다. 다음으로 입력 데이터를 연속된 카드 입력 방식까지 고려한 중첩 형태로 변환 시켜 예측했다. 마지막으로 모든 이전 단계의 데이터들을 정규화된 시간 기준에 따라 초반, 후반으로 분할하여 예측했다. 그 결과 가장 개선을 보인 전처리 방식은 중첩 형태의 데이터를 초반으로 분할하였을 경우로 카드 타입이 약 2.6%, 카드 배치 좌표가 약 1.8% 개선을 보였다.

• 한국지능시스템학회논문지
• /
• 제26권3호
• /
• pp.190-195
• /
• 2016

급변하는 글로벌 시장 환경에서 기술은 계속해서 급속히 발전하고 있다. 이러한 급변하고 있는 환경을 반영한 연구개발은 기업에 있어서 필수가 되었다. 즉, 기업의 경쟁력 향상을 위해서는 자사가 보유한 기술에 대한 체계적인 분석이 필요하다. 최근에는 객관적이며 정량화된 기술분류를 위하여 특허문서의 IPC 코드를 이용하여 기술분류를 수행하고 있다. 국제특허분류인 IPC 코드는 국제적으로 규격화된 기술분류 코드이기 때문에, 이를 활용하면 객관적이고 정량화된 기술분석 수행이 가능하다. 본 논문에서는 C사의(社) 특허에 대하여 전수조사를 실시하고, IPC 코드기반 분석 Matrix를 구축한 후 해당특허들을 신뢰도 기반의 연관규칙 마이닝을 실시하며 구조화된 연관맵을 생성한다. 연관맵을 이용하면 해당회사의 특허 현황 파악에 유용하게 활용된다. 또한, 구조화된 연관맵을 이용하면 상호 연관있는 기술에 대하여 군집화를 가능하게 하기 때문에, 본 논문에서 제시한 C사(社)의 기술을 파악할 수 있으며 이를 기반으로 기술 흐름과 향후 기술 전략 수립을 가능하게 한다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1996년도 추계학술대회발표논문집; 고려대학교, 서울; 26 Oct. 1996
• /
• pp.177-181
• /
• 1996

Systematic classification system for standardization in telecommunication is essential to the standardization R&D strategy. This paper suggests a new reference model for development of work area and classification scheme related to the telecommunications standardization : Cubic and matrix approach. Standardization Work Areas(SWAs) that are upper level of the reference model are classified by its main role and function reflecting the market trends and user needs. Standardization expertise is lower level scheme, which can be regarded as the different possible layers of standardization to be applied to each one of the SWAs grouped under upper level scheme. A new reference model consists of two planes that are SWAs plane and Standardization layer plane. Finally the reference model for classification of SWAs in telecommunication mapping onto matrix table that row and column are defined by SWAs and standardization layer respectively.

• Journal of Information Technology Applications and Management
• /
• 제19권1호
• /
• pp.25-36
• /
• 2012

Social Commerce recently attracted the attention of academic and industry researchers. Social Commerce aims to make a transactional environment which is beneficial to three parties-social commerce service provider, buyer and seller by way of using the platform of SNS. As Social Commerce is a new technology issue, there is no existing conceptual framework, e.g. appropriate classification the business types, that help to understand the nature of Social Commerce. This study suggests one classification framework and tries to verify whether it works.

• 천문학회지
• /
• 제29권spc1호
• /
• pp.125-126
• /
• 1996

Beijing-Arizona-Taipei-Connecticut (BATC) survey is a long term project to map the spectral energy distribution of various objects using 15 intermediate band filters and aims to cover about 450 sq degrees of northern sky. The SED information, combined with image structure information, is used to classify objects into several stellar and galaxy categories as well as QSO candidates. In this paper, we present a preliminary setup of robust data reduction procedure recently developed at NCU and also briefly discuss general classification scheme: redshift estimate, and automatic detection of variable objects.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2005년도 추계 학술발표회 논문집
• /
• pp.141-146
• /
• 2005

Ensemble method has been known as one of the most powerful classification tools that can improve prediction accuracy. Ensemble method also has been understood as ‘perturb and combine’ strategy. Many studies have tried to develop ensemble methods by improving perturbation. In this paper, we propose two new ensemble methods that improve combining, based on the idea of pattern matching. In the experiment with simulation data and with real dataset, the proposed ensemble methods peformed better than bagging. The proposed ensemble methods give the most accurate prediction when the pruned tree was used as the base learner.

• Journal of Information Technology Applications and Management
• /
• 제10권4호
• /
• pp.51-63
• /
• 2003

This study designs and implements a new approach to the classification of e-mail requests from customer based on machine learning techniques. The work on building an electronic mall classifier can be cast into the framework of text classification, since an e-mail is a viewed as a document, and judgement of interest is viewed as a class level given to the e-mail document. It is also implemented an e-mall based automated response system that integrate with Call Center in a practical use.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1997년도 International Conference MULTIMEDIA DATABASES on INTERNET
• /
• pp.215-269
• /
• 1997

Outline $\textbullet$ Introduction $\textbullet$ Multimedia - Types of Data - Motivation - Key issue - Hardware Products - Application Areas $\textbullet$ Agents - Rationale for Agents - Sedentary vs. Mobile - Functional Categories - Application Areas $\textbullet$ Data Mining - 2-D Framework for Data Mining Tools - Classification of Tool - Application Areas - Learning Methodologies ＊ Case Based Reasoning ＊ Neural Networks ＊ Statistical Learning： Orthogonal Arrays ＊ Multi-strategy Learning $\textbullet$ Case Study - Finbot $\textbullet$ Conclusion