• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.155-180
• /
• 2020

화물의 수배송을 위한 차량의 배차 및 최적 경로 설계는 물류 서비스의 효율성 향상을 위한 가장 핵심적인 역할을 담당한다. 이 문제는 차량의 대수, 차량별 적재 용량, 차량의 총 이동거리와 같이 다양한 비용 요소를 동시에 고려해야 하기 때문이다. 최근 비용 최소화 및 운영 효율성 향상을 위해 TMS를 도입하는 사례가 증가하고 있으나, 현장에서 필요한 모든 요소를 고려하지 못한다는 한계가 존재한다. 이를 해결하기 위해 현장 전문가가 TMS의 결과를 경험과 직관에 기반하여 수정하는 과정이 필요하다. 본 연구에서는 지금까지 총 비용의 최소화에 집중하고 있는 기존 연구들과 달리 서비스에 투입되는 자원 활용의 효율성과 형평성을 동시에 높일 수 있는 방법을 제안한다. 이를 위해 Cluster-First Route-Second (CFRS)기법을 활용한다. 고객의 위치를 기준으로 네 가지 클러스터링 알고리즘(K-Means, K-Medoids, DBSCAN, Model-based)과 Fisher & Jaikumar 알고리즘을 적용하여 고객들을 군집화하였다. 이 후, 군집별 최적의 차량 경로 계획을 수립하였다. 수치 실험을 통해 본 연구에서 제안하는 CFRS 기법을 적용한 방안이 상대적으로 차량의 전체 이동거리와 평균 이동거리 및 이동시간이 더 절감될 수 있다는 사실을 확인하였다. 또한, 차량별 방문하는 고객의 수에 대한 편차가 더 낮다는 사실로부터 기본적인 차량 경로 배정 유형에 비해 본 연구에서 제안하는 방안이 상대적으로 형평성 있게 업무가 할당되었음을 확인할 수 있었다.

• 대한토목학회논문집
• /
• 제34권4호
• /
• pp.1105-1116
• /
• 2014

추계학적 강우모형 NSRPM (Neyman-Scott Rectangular Pulse Model)은 RPM (Rectangular Pulse Model)에서 반영하지 못하는 강우의 군집특성을 잘 반영하여 시간 스케일의 강우를 생성함으로서 수문학적 적용성이 뛰어난 강우모형이다. NSRPM은 5개의 모형 매개변수로 이루어져 있으며 매개변수 추정을 위하여 최적화 기법으로 널리 쓰이고 있는 수치해석 기법인 DFP (Davidon-Fletcher-Powell)기법, 직접적 탐색 기법인 유전자 알고리즘을 사용하고 있다. 그러나 DFP 기법은 입력 초기값에 민감하며 국소 최저치에 수렴하는 확률이 높은 단점이 있으며 유전자 알고리즘기법은 탐색에 소요되는 시간이 많이 걸린다는 단점이 있다. 본 연구에서 사용된 Nelder-Mead기법은 순차적 탐색기법으로 연산 속도가 빠르며 입력 초기값이 필요하지 않아 사용하기 쉬운 장점을 가지고 있다. 본 연구는 전국 지상기상관측소 59개소를 대상으로 1973-2011년 39년 동안의 시간강우 자료를 수집하고 최적화 기법 DFP 기법, 유전자 알고리즘, Nelder-Mead 기법을 이용하여 NSRPM의 매개변수를 추정하여 지속시간 1시간, 6시간, 12시간, 24시간 별 평균, 분산, 공분산에 대해서 각 기법의 정확성을 평가하였다. 본 연구결과 전반적으로 Nelder-Mead기법이 가장 높은 정확도를 보였으며 유전자 알고리즘, DFP 기법 순으로 나타났다.

• 한국정보통신학회논문지
• /
• 제20권1호
• /
• pp.58-64
• /
• 2016

본 논문에서는 블러와 조명 변화에 강인한 바코드 디코딩 방법을 제안한다. 제안하는 디코딩 방법은 블러에 강인 디코딩과 빠른 연산속도를 위해 블러 영역과 비블러영역을 나누어 임계값을 연산하는 부분 지역 임계값 이진화 방법을 사용하였다. 또한 노이즈 데이터에 의한 인식 실패를 막기 위해서 동일한 엘리먼트 개수를 가지는 라인의 픽셀 너비를 모두 합한 면적 데이터를 이용하여 군집분류를 수행하는 k-means 알고리즘 기반의 디코더를 구현하였다. 다양한 악조건 환경에서 촬영된 샘플을 이용하여 실험 결과, 평균 98.47%로 높은 성공률을 보였으며 3개의 비교 프로그램 보다 성공률이 높았다.

• 방송공학회논문지
• /
• 제22권5호
• /
• pp.643-651
• /
• 2017

스테가노그래피는 정보 은닉 기법중의 하나로, 제 3자에 의해 은닉 정보의 존재를 알지 못하게 방지한다는 점에서 정보의 해독을 막기 위한 암호 기법과는 구별된다. 본 논문에서는 영상을 미디어로 사용하는 영상 스테가노그래피 방법으로, 블록 매칭을 이용하여 이산웨이블릿 변환 영역에 정보를 삽입하는 새로운 스테가노그래피 방법을 제안한다. 제안 방법은 블록 매칭 후보군 블록의 불균등한 사용으로 인해서 발생하는 삽입 용량의 손실을 개선하여 고용량의 영상 정보를 삽입할 수 있다. 이를 위해, 블록 내부의 분산값을 고려하여 고주파수 성분을 갖는 후보군 블록은 최대한 보존하고, 저주파수 성분의 후보군 블록의 수는 k-평균 군집화 알고리즘을 이용한 압축을 통해 줄인다. 제안된 방법을 통해 기존 블록 매칭 기반 스테가노그래피 방법과 유사한 PSNR을 갖는 비밀 영상의 추출이 가능하면서 동시에 고용량의 영상 정보 삽입이 가능한 것을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제15권7호
• /
• pp.4508-4515
• /
• 2014

실시간 인체 검출에 대한 관심이 높아짐에 따라 피부색을 통한 인체 검출에 대한 연구가 활발히 진행되고 있다. 하지만 대다수 기존 피부 탐지 방법은 정적인 피부색 모델을 이용하기 때문에 색왜곡이 발생한 영상에서 낮은 탐지율을 보인다. 이에 본 논문에서는 경사도 맵과 채도의 특징, K-평균 클러스터링 알고리즘을 이용하여 피부영역을 탐지하는 기법을 제시한다. 제안하는 방법의 기본적인 절차는 경사도 맵 생성, 피부영역에서 발견되는 경사도 특징의 추출, 피부의 채도 특징을 이용한 잡음 제거, 추출된 영역의 색상정보 군집화 수행, 클러스터 정보를 이용한 피부영역 탐지, 결과 검증 순이다. 이방법은 색상 이외의 특징을 이용하여 조명, 인종, 나이, 개인차 등에 상관없이 강건하게 피부를 탐지하는 것에 중점을 두고 있다. 실험을 통하여 기존의 주요 방법들 보다 탐지 결과가 10% 이상 높게 나타남을 확인할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.537-542
• /
• 2017

공격적인 성향의 운전은 자동차 사고의 주요한 원인이 된다. 기존 연구에서는 공격적 성향의 운전을 검출하기 위해, 주로 청년을 대상으로 연구가 이뤄졌으며 기계학습의 순수한 Clustering 또는 Classification 기법을 통해 이뤄졌다. 그러나 노인들은 취약한 신체적 조건에 의해 젊은 운전자와는 다른 운전 강도를 가지고 있어 기존의 방식으로는 검출이 불가능 하며, 데이터를 보정하는 등의 새로운 방법이 필요하다. 그리하여, 본 연구에서는 기존의 클러스터링 기법(K-means, Expectation - maximization algorithm)에, 새롭게 제안하는 ECA(Enhanced Clustering method for Acceleration data)기법을 추가하여, 주행 차량에 위치한 스마트폰으로부터 수집된 가속도 데이터를 분석하고 공격적인 운전 형태를 검출해 낸다. ECA는 모든 피험자의 데이터에서 K-means와 EM을 통해 검출된 군집군의 데이터 중 높은 강도의 데이터를 선별하여, 특징을 스케일링한 값을 통해 모델링한다. 본 방식을 통해 기존의 연구의 순수한 클러스터링 방식과는 달리, 모든 청장년 및 노인 실험 참가자 개인들의 공격적인 운전 데이터가 검출되었으며, 클러스터링 기법간의 비교를 통해 K-means 기법이 보다 높은 검출 효율을 갖고 있음을 확인했다. 또한, K-means 방식을 검출한 공격적인 운전 데이터에서는 젊은 운전자가 노인운전자에 비해 1.29배의 높은 운전 강도를 가지고 있음을 발견했다. 이와 같이 본 연구에서 제안된 방식은 낮은 운전 강도를 갖고 있는 노인의 데이터에서 공격적인 운전을 검출 가능하게 되었으며, 특히. 제안된 방법은 노인 운전자를 위한 맞춤형 안전운전 시스템을 구축이 가능하며, 추후 다양한 연구을 통해 이상 운전 상태를 검출하고 조기 경보하는데 활용이 가능할 것이다.

• 응용통계연구
• /
• 제16권2호
• /
• pp.321-333
• /
• 2003

자기조직화 지도(SOM)은 T. 코호넨의 주도하에 개발된 비지도 학습 신경망 모형이다. 그 동안 패턴인식과 문서검색 분야에 주로 응용되어 왔기 때문에 통계학 분야에서는 덜 알려졌으나, 최근 K-평균 군집화에 대한 대안적 데이터 마이닝 기법으로 활용되기 시작하였다. 본 연구에서는 SOM의 한 버전인 PC-SOM(주성분 자기조직화 지도)을 제안하고 활용 예를 제시하고자 한다. PC-SOM은 1차원적 SOM 알고리즘을 반복 수행하여 2차원, 3차원 등의 SOM을 얻는 방법이기 때문에 기존 SOM과는 달리 사전 Map의 크기를 확정할 필요가 없다. 또한, 기존 SOM에 비하여 향상된 시각화를 가능하게 한다.

• 한국측량학회지
• /
• 제37권4호
• /
• pp.219-231
• /
• 2019

간판은 유형마다 간판의 규격이 정해져 있으나 실제 설치된 간판은 형태와 크기가 일정하지 않다. 또한, 간판은 간판 내부의 색상에 대한 규정이 정해져 있지 않기 때문에 다양한 색상을 갖고 있다. 간판을 인식하기 위한 방법은 도로표지판과 차량번호판을 인식하는 유사한 방법으로 생각할 수 있으나 간판의 특성으로 인해 도로표지판과 차량번호판과 유사한 방법으로 간판을 인식할 수 없는 한계점이 있다. 이에 본 연구에서는 딥러닝 기반의 Faster R-CNN 알고리즘을 이용하여 불법 및 노후 간판의 주요 대상이 되는 판류형 간판을 인식하고 간판의 영역을 자동으로 추출하는 방법론을 제안하였다. 스마트폰 카메라를 이용하여 촬영한 간판 영상을 통해 판류형 간판을 인식하는 과정은 2가지의 순서로 나뉜다. 먼저, 다양한 유형의 간판 영상에서 판류형 간판을 인식하기 위해 딥러닝을 이용하여 간판의 유형을 인식하였으며 그 결과는 약 71%의 정확도로 나타났다. 다음으로 판류형 간판의 경계영역을 인식하기 위해 간판 영역 인식 알고리즘을 적용하였을 때 85%의 정확도로 판류형 간판의 경계영역을 인식하였다.