• 한국항만경제학회지
• /
• 제24권4호
• /
• pp.237-255
• /
• 2008

공급경로에서의 지연효과(postponement) 등 부가가치물류의 등장으로 항만배후단지의 중요성이 부각되고 있으며 제조산업과의 연계를 통한 시너지효과를 극대화하고자 항만간의 경쟁이 치열한 상황이다. 본 논문에서는 어떠한 산업이 항만클러스터와의 연계성을 가지고 있는지와 수도권의 특화산업과 항만배후단지와의 클러스터효과를 위한 산업별 우위를 살펴봄을 목적으로 한다. 제조산업별 항만과의 연계필요성을 검토하여 5개 산업을 대상으로 수도권항만과 산업클러스터 연계에 대한 AHP분석을 실행하였다. 상위평가기준으로 입지적 요인, 사회적 요인, 경제적 요인을 선정하였고 각 상위평가기준에 따른 하위평가기준을 선정하였다. 이들 각각의 기준들에 대해 세 가지 대안으로 수도권의 인천항, 평택항, 당진항을 대상으로 전문가 설문조사를 실시하였다. 선택된 5개의 각 산업업종별 대안의 상대적 중요도 분석결과 코크스/석유제품 및 핵연료 제조업의 경우 인천항/평택항/당진항 순으로 나타났으며, 고무 및 플라스틱제품 제조업 역시 인천항/평택항/당진항 순으로 나타났다. 제1차 금속산업의 경우에는 인천항/당진항/평택항 순으로 나타났으며, 조립금속제품 제조업의 경우에는 평택항/인천항/당진항 순으로 나타났다. 마지막으로 자동차 및 트레일러 제조업은 평택항/인천항/당진항 순으로 나타났다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.19-33
• /
• 2013

본 논문에서는 네트워크 기반 대용량의 자원들을 효율적으로 검색하기 위해 사용자의 요구사항에 기반해 검색에 요구되는 태그들 간의 의미론에 기반한 동적 가상 온톨로지(Dynamic Virtual Ontology using Tags: DyVOT)를 추출하고 이를 이용한 동적 검색 방법론을 제안한다. 태그는 소셜 네트워크 서비스를 지원하거나 이로부터 생성되는 정형 및 비정형의 다양한 자원들에 대한 자원을 대표하는 특성을 포함하는 메타적 정보들로 구성된다. 따라서 본 연구에서는 이러한 태그들을 이용해 자원의 관계를 정의하고 이를 검색 등에 활용하고자 한다. 관계 등의 정의를 위해 태그들의 속성을 정의하는 것이 요구되며, 이를 위해 태그에 연결된 자원들을 이용하였다. 즉, 태그가 어떠한 자원들을 대표하고 있는 지를 추출하여 태그의 성격을 정의하고자 하였고, 태그를 포함하는 자원들이 무엇인지에 의해 태그간의 의미론적인 관계의 설정도 가능하다고 보았다. 즉, 본 연구에서 제안하는 검색 등의 활용을 목적으로 하는 DyVOT는 태그에 연결된 자원에 근거해 태그들 간의 의미론적 관계를 추출하고 이에 기반 하여 가상 동적 온톨로지를 추출한다. 생성된 DyVOT는 대용량의 데이터 처리를 위해 대표적인 예로 검색에 활용될 수 있으며, 태그들 간의 의미적 관계에 기반해 검색 자원의 뷰를 효과적으로 좁혀나가 효율적으로 자원을 탐색하는 것을 가능하도록 한다. 이를 위해 태그들 간의 상하 계층관계가 이미 정의된 시맨틱 태그 클라우드인 정적 온톨로지를 이용한다. 이에 더해, 태그들 간의 연관관계를 정의하고 이에 동적으로 온톨로지를 정의하여 자원 검색을 위한 동적 가상 온톨로지 DyVOT를 생성한다. DyVOT 생성은 먼저 정적온톨로지로부터 사용자 요구사항을 포함하는 태그를 포함한 부분-온톨로지들을 추출하고, 이들이 공유하는 자원의 정도에 따라 부분-온톨로지들 간의 새로운 연관관계 여부를 결정하여 검색에 요구되는 최소한의 동적 가상 온톨로지를 구축한다. 즉, 태그들이 공유하는 자원이 무엇인가에 의해 연관관계가 높은 태그들 간에는 이들의 관계를 설명하는 새로운 클래스를 가진 생성된 동적 가상 온톨로지를 이용하여 검색에 활용한다. 온톨로지의 인스턴스는 자원으로 정의되고, 즉 이는 사용자가 검색하고자 하는 해로서 정의된다. 태그들 간의 관계에 의해 생성된 DyVOT를 이용해 기존 정적 온톨로지나 키워드 기반 탐색에 비해 검색해야 할 자원의 량을 줄여 검색의 정확성과 신속성을 향상 시킨다.

• 한국조경학회지
• /
• 제48권5호
• /
• pp.42-58
• /
• 2020

본 연구는 도시 화훼경관의 유형화에 관한 연구로서 연구결과, 첫째, 문헌과 사례를 통하여 화훼경관의 개념이 정리되기 위해서는 개념의 핵심 어휘와 문장에 공간적 요소, 형태적 요소, 자연적 요소, 인공적 요소라는 4가지 요소가 포함되어야 함을 선행연구를 통해 발견하였으며, 이 네 가지 요소를 통섭하는 화훼경관 개념을 새롭게 재구성하여 제시하였다. 화훼경관 통합 이론의 기초자료가 될 것이다. 둘째, 화훼경관이 도시경관의 한 장르로 그리고 도시경관의 단위로 정의되고 전문영역으로서 체계 구축을 위해 도시경관이라는 커다란 범주 안에서 도시경관의 개념과 특성, 기능을 고찰하고, 그 안에서 화훼경관과의 위계화 범주를 새롭게 정리하여 화훼경관의 도시경관성을 제시하였다. 셋째, 유형화를 통한 수요자들의 합리적인 선택자료 제시를 위해 화훼분야는 물론, 도시계획, 도시생태 분야까지 확장하여 관련 이론을 고찰하였으며, 유형화 요소 41개를 추출하였고 군집화 과정을 통해 4개의 핵심 유형화 요소를 도출하였으며, 4개의 요소를 분류 준거로 전문가 FGI에서 의견과 검증의 과정을 거쳐 중분류 9개, 소분류 30개 유형을 도출하여 제시하였다. 향후 연구과제로는 유형 적용과정에서 모니터링을 통해 유효한 유형의 추가 설정과 2단계 분류 위계를 3단계 위계로 확장하여, 보다 세분화된 적용 유형의 개발과 정리를 한다면 유형의 체계를 보다 발전시키는 좋은 연구가 될 것으로 보인다.

• 정보처리학회논문지A
• /
• 제11A권4호
• /
• pp.277-284
• /
• 2004

본 논문은 사용자로 하여금 계층적 가시화 기법에 의한 표정들의 공간으로부터 일련의 표정을 선택하게 함으로써 3차원 아바타의 표정 제어기법을 기술한다. 본 시스템에서는 2,40P0여개의 표정 프레임을 이용하여 2차원 표정공간을 구성하였으며, 3차원 아바타의 표정 제어는 사용자가 표정공간을 항해하면서 수행한다. 그러나 표정의 수가 너무 많아 사용자가 항해를 하는데 어려움이 많기 때문에 계층적 가시화 기법이 필요하다. 표정공간을 계층적으로 분할하기 위해, 퍼지 클러스터링을 이용한다. 초기 단계에서는 2,400여개의 표정들을 이용하여 약 11개의 클러스터센터를 가지도록 클러스터링한다. 클러스터 센터들은 2차원 평면에 표시되며 후보 키 프레임으로 사용된다 사용자는 후보 키 프레임들 중에서 특정 키 프레임들을 선택하여 초기 항해경로를 생성한다. 사용자가 줌 인(이산적인 단계를 가지고 있음)을 하면 상세한 단계를 보기를 원한다는 의미이므로 줌 인된 단계에 적합한 표정 클러스터들을 생성한다. 단계가 증가될 때 마다 클러스터의 수를 두 배로 하고, 클러스터의 수만큼 표정들을 클러스터링한다. 사용자는 현재 단계에서 그전 단계의 항해경로를 따라 새로운 키 프레임(클러스터 센터)들을 선택하여 항해경로를 갱신한다. 줌 인을 최대로 한 마지막 단계에서 항해경로를 갱신하면 표정 제어 설정이 끝난다. 사용자는 언제든지 줌 아웃을 통해 그 전단계로 돌아가서 항해경로를 수정할 수 있다. 본 논문은 본 시스템이 어떤 효과가 있는지를 알기 위해 사용자들로 하여금 본 시스템을 사용하여 3차원 아바타의 표정 제어를 수행하게 하였으며, 그 결과를 평가한다.

• 한국정보과학회논문지:데이타베이스
• /
• 제28권3호
• /
• pp.279-300
• /
• 2001

지식탐사 프로세스의 핵심적인 역할을 담당하는 데이터마이닝 단계에서는 여러 가지 목적에 따라 알고리즘을 선택하여 사용한다. 최근 통계, 비즈니스, 전자 상거래, 의학, 생물학 등의 분야에서 데이터마이닝 기술아 적극적으로 활용되고 있으며, 이를 위해 다양한 알고리즘들이 계속해서 연구.개발되고 있다. 그러나 시간이 지나면 이들 중 각 분야 별로 우수한 응용성을 보이는 알고리즘이나 방대한 양의 데이터를 다루는데 있어 좋은 성능을 보이는 몇몇 알고리즘만이 남게 될 것이며 또한 앞으로는 이러한 알고리즘들만을 선별하여 집중 연구할 필요가 있다. 따라서 본 논문에서는 데이터마이닝에 널리 사용되고 활발한 연구가 진행중인 알고리즘들 중에서 연관규칙(association rule), 클러스터링(clustering), 신경망(neural network), 결정트리(decision tree), 유전자 알고리즘(genetic algorithm), 베이지안 네트워크(bayesian network), 메모리 기반 추론(memory-based reasoning)등 7가지 카테고리에 속하는 알고리즘들을 선정하여 분류.분석하였다. 우선 각 알고리즘의 계통과 특성들을 분석하였고 이를 토대로 비교.분석을 위한 14가지의 분류 기준을 제시하였다. 이러한 분류 기준에 근거하여 세부 알고리즘들을 분석해 보고 비교 가능한 일부 알고리즘은 여러 특징과 성능을 중심으로 각각 최상의 알고리즘을 도출해 보았다. 본 연구 결과는 데이터마이닝 분야의 흔재된 알고리즘들을 분류.분석함으로써 마이닝 기술 적용시 사용자에게 알고리즘 선택의 지표를 제시할 수 있을 것이다.

• 한국정보과학회논문지:시스템및이론
• /
• 제31권12호
• /
• pp.726-734
• /
• 2004

본 논문은 애니메이터로 하여금 계층적 가시화 기법에 의한 표정들의 공간으로부터 일련의 표정을 실시간적으로 선택하게 함으로써 얼굴 표정 애니메이션을 생성하는 기법을 기술한다 본 시스템에서는 약 2400여개의 표정 프레임을 이용하여 2차원 표정공간을 구성하였으며, 이를 위해서는 한 표정을 표시하는 상태표현으로 얼굴 특징 점들 간의 상호거리를 표시하는 거리 행렬을 사용한다. 또한 두 표정 간의 최단거리를 구하기 위해 다이내믹 프로그래밍 기법을 사용한다. 그리고 다차원 공간인 표정공간을 항해하기 위해서 다차원 스케일링 기법을 이용하여 2차원 공간으로 가시화한다. 그러나 표정의 수가 너무 많아 애니메이터가 항해를 하는데 어려움이 많기 때문에 계층적 가시화 기법이 필요하다. 표정공간을 계층적으로 분할하기 위해, 퍼지 클러스터링을 이용한다. 초기 단계에서는 약 10개의 클러스터 센터(후보 키 프레임)를, 단계가 증가될 때마다 후보 키 프레임의 수를 두 배로 하여 클러스터링하고 2차원 평면에 표시한다. 애니메이터는 초기 단계의 후보 키 프레임들 중에서 특정 키 프레임들을 선택하여 항해경로를 생성한다. 특정 단계에서는 그전 단계의 항해경로를 따라 새로운 키 프레임들을 선택하여 항해경로를 갱신하고, 마지막 단계에서 항해경로를 갱신하면 애니메이션 설정이 끝난다. 본 논문은 본 시스템이 어떤 효과가 있는지를 알기 위해 애니메이터들로 하여금 본 시스템을 사용하여 얼굴 애니메이션을 생성하게 하였으며, 그 결과를 평가한다.

• 디지털콘텐츠학회 논문지
• /
• 제14권4호
• /
• pp.419-428
• /
• 2013

유비쿼터스 컴퓨팅 환경의 전자상거래에서 실시간성과 추천의 정확도를 높이는 연구가 활발히 진행되고 있다. 대부분의 기존 추천기법들은 프로파일 방식의 문제로 고객의 관심도나 고객성향을 분석하기에는 많은 어려움과 비용의 문제가 있으며 고객은 여전히 만족하지 못하고 있다. 이는 구성되어있는 데이터베이스들의 문제가 아니라 기존 자료를 분석하기 위한 평가 자료인 신규로 프로파일을 생성하거나 다양한 프로파일을 생성하는데 문제가 있다. 또한 기존 추천기법에서는 다양한 특성을 가진 각 사용자 계층별로 차별화된 개인화 추천이 어렵다. 따라서 이 논문에서 기존의 평가 자료 방식과 다르게 구매로 인해 발생되어진 자료를 기반으로 사용자에게 번거로운 질의 응답 과정이 없이 묵시적인 방법을 이용하였다. 다양한 개인화 성향과 정확한 고객성향의 내용 분석이 가능한 FRAT 기법을 적용하였다.

• 한국통신학회논문지
• /
• 제35권5B호
• /
• pp.801-808
• /
• 2010

무선 센서 네트워크의 가장 중요한 요구사항인 효율적인 에너지 사용을 위해 클러스터 구조를 가진 계층 기반 라우팅 프로토콜로 LEACH(Low Energy Adaptive Clustering Hierarchy)가 제안되었다. LEACH 프로토콜은 수많은 센서 노드들이 임의 개수의 클러스터를 구성하고, 각 클러스터에는 멤버 노드와 클러스터 헤드가 존재한다. 멤버 노드들은 데이터를 감지하여 자신이 소속된 클러스터 헤드에게 전송하고 클러스터 헤드는 멤버 노드에게 전송받은 데이터를 융합하여 Base Station(BS)에게 전송한다. LEACH 프로토콜에서는 클러스터 헤드가 균등하게 분포되는 것을 보장하지 않고, 융합된 데이터를 BS에게 직접 전송하기 때문에 에너지 소모가 크다는 제한사항을 가지고 있다. 본 연구에서는 이러한 제한사항을 개선하기 위해, 클러스터 헤드간 체인을 형성해 멀리 떨어진 BS가 아니라 가장 가까운 인접 클러스터 헤드에게 데이터를 전송하고, 최종적으로 BS와 가장 가까운 클러스터 헤드가 데이터를 융합해 전송하는 LECEEP를 제안한다. 시뮬레이션 결과 LECEEP가 LEACH 프로토콜과 비교하여 시간 경과에 따른 전체 네트워크의 에너지 소모 및 생존 노드 수 측면에서 우수함을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제10권5호
• /
• pp.141-150
• /
• 2005

무선 센서 네트워크는 센서 테크놀로지의 발전으로 인하여 급속히 개발되고 있으며, 여러 분야에서 다양하게 응용될 것으로 예측된다. 무선 센서 네트워크에서 가장 중요한 요소는 네트워크를 에너지 효율적으로 운용하는 것이다. 이러한 목적을 충족시키기 위해 여러 라우팅 프로토콜이 제시되었다. 그러나 기존의 연구들은 모든 센서 노드들이 센싱 데이터를 갖고 있다는 이상적인 상황을 가정하고 있다. 본 논문에서는 일부 센서 노드들만이 데이터를 갖고 있는 센서 네트워크 상에서 클러스터 헤드를 선정하는 센싱 인지 클러스터 선정 알고리즘을 LEACH-C 기반으로 설계 및 구현하였다. 또한 제안된 알고리즘을 여러 네트워크 상황에서 시뮬레이션하여 센싱 인지 기법이 가장 효율적인 네트워크 상황을 분석하였다. 시뮬레이션 결과에서 데이터를 센싱한 노드군(群)을 중심으로 클러스터 헤드를 선정하는 것이 가장 효율적임을 알 수 있었으며, 일부 센서들만이 데이터를 갖고 있는 경우에는 센싱 인지 개념을 클러스터 헤드 선정에 적용하는 것이 중요하다는 점을 보여주었다.

• International Journal of Advanced Culture Technology
• /
• 제4권2호
• /
• pp.38-42
• /
• 2016

In the growing data saturated world, the question of "whether data can be used" has shifted to "can it be utilized effectively?" More data is being generated and utilized than ever before. As the collection of data increases, data mining techniques also must become more and more accurate. Thus, to ensure this data is effectively utilized, the analysis of the data must be efficient. Interpretation of results from the analysis of the data set presented, have their own on the basis it is possible to obtain the desired data. In the data mining method a decision tree, clustering, there is such a relationship has not yet been fully developed algorithm actually still impact of various factors. In this experiment, the classification method of data mining techniques is used with easy decision tree. Also, it is used special technology of one R and J48 classification technique in the decision tree. After selecting a rule that a small error in the "one rule" in one R classification, to create one of the rules of the prediction data, it is simple and accurate classification algorithm. To create a rule for the prediction, we make up a frequency table of each prediction of the goal. This is then displayed by creating rules with one R, state-of-the-art, classification algorithm while creating a simple rule to be interpreted by the researcher. While the following can be correctly classified the pattern specified in the classification J48, using the concept of a simple decision tree information theory for configuring information theory. To compare the one R algorithm, it can be analyzed error rate and accuracy. One R and J48 are generally frequently used two classifications${\ldots}$