• 한국군사과학기술학회지
• /
• 제13권1호
• /
• pp.147-155
• /
• 2010

Landcover information of access-denied area was extracted from low-medium and high resolution satellite image. Training for supervised classification was performed to refer visually by landcover map which is made and distributed from The Ministry of Environment. The classification result was compared by relating data of FACC land classification system. As we rasterize digital military map with same pixel size of satellite classification, the accuracy test was performed by image to image method. In vegetation case, ancillary data such as NDVI and image for seasons are going to improve accuracy. FACC code of FDB need to recognize the properties which can be automated.

• International journal of advanced smart convergence
• /
• 제9권4호
• /
• pp.192-197
• /
• 2020

In this study, we try to find ways to recognize face recognition more stably and to improve the effectiveness and reliability of face recognition. In order to improve the face recognition rate, a lot of data must be used, but that does not necessarily mean that the recognition rate is improved. Another criterion for improving the recognition rate can be seen that the top/bottom of the recognition rate is determined depending on how accurately or precisely the degree of classification of the data to be used is made. There are various methods for classification analysis, but in this study, classification analysis is performed using a support vector machine (SVM). In this study, feature information is extracted using a normalized image with rotation information, and then projected onto the eigenspace to investigate the relationship between the feature values through the classification analysis of SVM. Verification through classification analysis can improve the effectiveness and reliability of various recognition fields such as object recognition as well as face recognition, and will be of great help in improving recognition rates.

• 한국컴퓨터정보학회논문지
• /
• 제18권9호
• /
• pp.43-51
• /
• 2013

신뢰성 있는 부정맥 진단을 위해서는 리듬 구간 및 심박 단위의 종합적인 분석을 통하여 심전도 신호에 대한 분류 결과가 제시되어야 한다. 본 논문에서는 심전도 신호의 특징점에 기반하여 규칙기반 분류를 이용한 일정 구간의 리듬 분석을 수행하고 SVM기반 분류를 이용한 심박 단위의 리듬분석을 첨가하였다. 규칙기반 분류에서는 리듬 구간의 특징에 대하여 임상 자료로부터 도출된 규칙 베이스를 이용하여 리듬 유형을 분류하도록 하며, SVM기반 분류에서는 심박 단위의 특징에 대하여 미리 학습된 다중 SVM 분류기를 이용하여 단조 리듬 및 주요 비정상 심박을 분류하도록 한다. MIT-BIH 부정맥 데이터베이스를 이용한 실험을 통하여 11가지 리듬 유형에 대하여 규칙기반 방법만을 적용하였을 경우 68.52%, 규칙기반과 SVM기반의 융합 방법을 적용하였을 경우 87.04%의 분류 성능을 각각 보였다. SVM기반 방법으로 단조 리듬과 배열 리듬에 대한 오분류 개선을 통하여 분류 성능에서 19% 정도가 향상됨을 확인하였다.

• 정보관리학회지
• /
• 제28권4호
• /
• pp.33-48
• /
• 2011

본 연구는 복합적인 주제 영역인 이민정책에 관한 다양한 정보를 효과적으로 조직하고 최적의 정보 서비스를 제공할 수 있는 분류표를 개발하기 위해 관련 문헌 연구와 다양한 문헌분류표를 조사하였다. 먼저, 문헌 연구를 통해 이민정책의 학문적 개념과 범주를 정의하고, 이를 바탕으로 핵심 주제 영역을 선정하였다. 다음으로, 듀이십진분류표, 미의회도서관분류표, 한국십진분류표, 국제십진분류표에서 이민정책 분야의 구조와 전개 항목, 특성을 비교 분석하였다. 그리고 이들 분류표 중 전 세계적으로 가장 많이 사용하고 있으며, 정기적으로 개정되고 있는 DDC 23판을 바탕으로 이민정책 분야를 수정 전개하기 위한 설계 원칙과 본표, 보조표를 제안하였다. 수정 전개된 듀이십진분류표는 이민정책을 다루는 주요 분야에 적용될 수 있으며, 이민 정책 관련 전문 연구기관이나 도서관에서 소장 자료를 효과적으로 분류하고 조직하며 이민정책 전문 정보를 통합 관리하기 위한 기초 자료로 활용될 것이다.

• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2007년도 정기학술발표대회 논문집
• /
• pp.403-407
• /
• 2007

정부에서는 2001년 5월에 실무적용을 위한 ${\lceil}$건설정보분류체계 구축을 위한 연구${\rfloor}$ 를 추진하여 대${\cdot}$중분류 등을 제시하였고, 그 결과 '통합건설정보분류체계 적용기준'을 건설교통부 공고로 2001년 8월에 발표하였다. 그러나 구축된 '통합건설정보분류체계'는 건설공사에서 실무활용이 미흡한실정이다. 일반적인 시설물과는 다르게 교육시설물의 경우 적용기준이 혼재되어있는 문제가 이다. 더욱이 2005년부터 교육시설물에 BTL 민간투자 사업이 시행되면서 유지관리시업무기준이나 비용계상에 대한 기준을 '통합건설정보분류체계 적용기준'에 적용할 경우 경계를 명확하게 하기 어려운 실정이다. 따라서 본 연구는 기존의 유지관리 비용분석으로 사용되었던 공종(Work)중심의 시설물 유지관리를 분석하고 이를 보완하기위해 공간(Space), 부위(Element)중심 유지관리 분석을 하여, 효율적인 유지관리 체계정립을 위한 분류의 기준을 제안하였다.

• 한국비블리아학회지
• /
• 제25권1호
• /
• pp.173-191
• /
• 2014

본 연구의 목적은 최근 국내에서 발표한 도서관 분류법 분야의 연구 논문을 분석하여 그 특징을 파악하고 연구방향을 제시하는데 있다. 2004년부터 2013년까지 10년 동안 국내 학회지에 발표된 도서관 분류법에 관한 연구를 분석 대상으로 삼았다. 주요 내용은 KDC, DDC, 기타 분류법에 관한 연구가 포함되었다. 도서관 분류법 연구의 특징은 KDC의 개정안 및 수정판에 대한 연구가 주를 이루었으며, 다른 분류법 연구 역시 KDC 발전과 연계된 연구가 많았다. 제언으로 첫째, 학교도서관 혹은 작은도서관에 적합한 분류법에 대한 연구, 둘째, 디지털자료에 적합한 분류법에 대한 연구, 셋째, 학문분야 혹은 주제별 분류법 개발을 제안하였다.

• 한국도서관정보학회지
• /
• 제41권4호
• /
• pp.5-33
• /
• 2010

이 연구는 교육학 분야의 학문체계와 KDC, NDC, DDC, LCC의 분류체계 및 한국연구재단의 연구분야분류표의 교육학 분야의 분류체계에 대해 비교 분석한 후, 이를 토대로 KDC 교육학 분야의 분류체계를 개선할 수 있는 방안을 제시하고자 시도하였다. 분석결과 KDC 제5판의 교육학 분야는 학문발전의 추세를 반영하는 분류항목의 추가, 교육학 세부 영역의 등위류 분류용어의 적절한 전개, 세부 주제의 추가 전개, 분류기호의 오류 및 분류항목의 상관색인 누락 등에 대한 개선이 필요한 것으로 나타났다. 이 연구에서는 이러한 문제들을 해결하기 위한 개선 방안을 제시하였다.

• 대한공간정보학회지
• /
• 제8권2호
• /
• pp.47-60
• /
• 2000

본 연구에서는 인공위성영상을 이용한 토지피복 분류방법 중 파라메트릭한 분류와 비-파라메트릭한 분류의 대표성을 띤 최대우도 분류법과 신경망을 이용한 분류방법을 사용하여 분류정확도를 비교하였다. 분류정확도의 평가에 있어서 일반적인 분석가들이 사용하는 훈련지역에 대한 분류 정확도의 분석뿐만 아니라, 시험지역에 대한 정확도분석을 하였다. 그 결과, 최대우도분류기에 비하여 신경망의 분류기가 일반적인 훈련데이터의 분류에 있어서 약 3% 우월하였으며, 지상검증데이터를 사용한 분류결과에서는 시험에 사용된 두 분류기 모두 빈약한 분류결과를 나타내었으나, 신경망에 의한 분류가 최대우도에 비하여 약 10%정도 보다 신뢰할 수 있는 결과를 얻을 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권11호
• /
• pp.4246-4267
• /
• 2020

As the network goes deep into all aspects of people's lives, the number and the complexity of network traffic is increasing, and traffic classification becomes more and more important. How to classify them effectively is an important prerequisite for network management and planning, and ensuring network security. With the continuous development of deep learning, more and more traffic classification begins to use it as the main method, which achieves better results than traditional classification methods. In this paper, we provide a comprehensive review of network traffic classification based on deep learning. Firstly, we introduce the research background and progress of network traffic classification. Then, we summarize and compare traffic classification based on deep learning such as stack autoencoder, one-dimensional convolution neural network, two-dimensional convolution neural network, three-dimensional convolution neural network, long short-term memory network and Deep Belief Networks. In addition, we compare traffic classification based on deep learning with other methods such as based on port number, deep packets detection and machine learning. Finally, the future research directions of network traffic classification based on deep learning are prospected.

• 제어로봇시스템학회논문지
• /
• 제20권4호
• /
• pp.428-436
• /
• 2014

This paper proposes a statistical regression method for classifying pillars and vehicles in parking area using a single ultrasonic sensor. There are three types of information provided by the ultrasonic sensor: TOF, the peak and the width of a pulse, from which 67 different features are extracted through segmentation and data preprocessing. The classification using the multiple SVM and the multinomial logistic regression are applied to the set of extracted features, and has achieved the accuracy of 85% and 89.67%, respectively, over a set of real-world data. The experimental result proves that the proposed feature extraction and classification scheme is applicable to the object classification using an ultrasonic sensor.