• Asia pacific journal of information systems
• /
• 제19권2호
• /
• pp.157-178
• /
• 2009

Corporate credit rating is a very important factor in the market for corporate debt. Information concerning corporate operations is often disseminated to market participants through the changes in credit ratings that are published by professional rating agencies, such as Standard and Poor's (S&P) and Moody's Investor Service. Since these agencies generally require a large fee for the service, and the periodically provided ratings sometimes do not reflect the default risk of the company at the time, it may be advantageous for bond-market participants to be able to classify credit ratings before the agencies actually publish them. As a result, it is very important for companies (especially, financial companies) to develop a proper model of credit rating. From a technical perspective, the credit rating constitutes a typical, multiclass, classification problem because rating agencies generally have ten or more categories of ratings. For example, S&P's ratings range from AAA for the highest-quality bonds to D for the lowest-quality bonds. The professional rating agencies emphasize the importance of analysts' subjective judgments in the determination of credit ratings. However, in practice, a mathematical model that uses the financial variables of companies plays an important role in determining credit ratings, since it is convenient to apply and cost efficient. These financial variables include the ratios that represent a company's leverage status, liquidity status, and profitability status. Several statistical and artificial intelligence (AI) techniques have been applied as tools for predicting credit ratings. Among them, artificial neural networks are most prevalent in the area of finance because of their broad applicability to many business problems and their preeminent ability to adapt. However, artificial neural networks also have many defects, including the difficulty in determining the values of the control parameters and the number of processing elements in the layer as well as the risk of over-fitting. Of late, because of their robustness and high accuracy, support vector machines (SVMs) have become popular as a solution for problems with generating accurate prediction. An SVM's solution may be globally optimal because SVMs seek to minimize structural risk. On the other hand, artificial neural network models may tend to find locally optimal solutions because they seek to minimize empirical risk. In addition, no parameters need to be tuned in SVMs, barring the upper bound for non-separable cases in linear SVMs. Since SVMs were originally devised for binary classification, however they are not intrinsically geared for multiclass classifications as in credit ratings. Thus, researchers have tried to extend the original SVM to multiclass classification. Hitherto, a variety of techniques to extend standard SVMs to multiclass SVMs (MSVMs) has been proposed in the literature Only a few types of MSVM are, however, tested using prior studies that apply MSVMs to credit ratings studies. In this study, we examined six different techniques of MSVMs: (1) One-Against-One, (2) One-Against-AIL (3) DAGSVM, (4) ECOC, (5) Method of Weston and Watkins, and (6) Method of Crammer and Singer. In addition, we examined the prediction accuracy of some modified version of conventional MSVM techniques. To find the most appropriate technique of MSVMs for corporate bond rating, we applied all the techniques of MSVMs to a real-world case of credit rating in Korea. The best application is in corporate bond rating, which is the most frequently studied area of credit rating for specific debt issues or other financial obligations. For our study the research data were collected from National Information and Credit Evaluation, Inc., a major bond-rating company in Korea. The data set is comprised of the bond-ratings for the year 2002 and various financial variables for 1,295 companies from the manufacturing industry in Korea. We compared the results of these techniques with one another, and with those of traditional methods for credit ratings, such as multiple discriminant analysis (MDA), multinomial logistic regression (MLOGIT), and artificial neural networks (ANNs). As a result, we found that DAGSVM with an ordered list was the best approach for the prediction of bond rating. In addition, we found that the modified version of ECOC approach can yield higher prediction accuracy for the cases showing clear patterns.

• 한국의학물리학회지:의학물리
• /
• 제10권1호
• /
• pp.17-22
• /
• 1999

임상에서 사용되는 가속기의 설계특성변화가 빔 출력변화에 미치는 영향을 알아봄으로써 보다 효율적인 정도관리를 수행하고자 한다. 선형가속기를 구성하고 있는 여러 가지 요소 중에서 빔 조정 인자들인 이온원부의 입사전류 (INJ-I), 이온원부의 입사전압 (INJ-E), 가속전압 (PFN), 휨자석 전류 (BMI), 펄스반복주파수 (PRF)를 선택하여 디지털 메바트론 제어프로그램 상에서 선형가속기가 자동 제어되는 허용범위를 조사한 후 그 영역내에서 전류값들을 변화시켜가면서 선량에 어떠한 영향을 미치는지 알아보았다. 이온함을 사용하여 홉수선량을 측정하고 오실로스코프를 사용하여 빔 출력의 파형을 분석하였으며 방사선 계측장치로 대칭성과 평평도를 계측하였다. 방사선 가속 장치는 선형가속기 (Mevatron MD, Siemens, Germany)를 이용하였으며, 계측장치로는 RFAplus (Scanditronix, Sweden)를 사용하였다. 그리고 가속기의 설계특성변화 즉 , 빔 조정 인자들의 변화가 선량분포특성에 변화를 주는 것을 측정하기 위해 0.6cc 이온함(Capintec PR06C, USA), 미소전위계(Capintec192, USA)와 오실로스코프 (Tektronix, USA)를 사용하였다. 선형가속기의 선량률과 에너지변화에 영향을 미치는 인자들인 INJ-I, INJ-E, PFN, BMI, PRF의 전압과 전류값들을 변화시켰을 때 인자들마다 차이는 있었지만, 이온함을 사용하여 측정했을 때와 오실로스코프로 출력펄스의 변화를 보았을 때는 선량률의 변화를 확인할 수 있었다. 그러나 RFAplus로 에너지와 대칭성 등에 관한 그래프를 그렸을 때는 거의 동일한 결과를 나타내었다. 인자 INJ-I, INJ-E, PFN, BMI, PRF 들의 D10/D20은 0∼0.02, 대칭성은 0.1-0.2%, 평평도는 0.1∼0.4%의 미세한 변화를 보였다. 디지털화 된 각 인자들의 전류와 전압값들을 변화시킬 때 선량률에는 미세한 영향을 미치게 되지만, 기계자체에서 기준값에 맞추기 위해 자동 제어가 되어 선량분포에는 크게 영향을 미치지는 못하는 것으로 평가되어졌으나 빔 조정 인자들의 특성을 파악함으로써 정도관리의 기초자료를 확보하였다.

• 한국통신학회논문지
• /
• 제27권12C호
• /
• pp.1288-1298
• /
• 2002

타원곡선 암호시스템을 GF(2$^{m}$ )상에서 고속으로 구현하기 위해서는 빠른 나눗셈기가 필요하다. 빠른 나눗셈 연산을 위해선 비트-패러럴 구조가 적합하나 타원곡선 암호시스템이 충분한 안전도를 가지기 위해서는 m의 크기가 최소한 163보다 커야 한다. 즉 비트-패러럴 구조는 0(m$^2$)의 면적 복잡도를 가지기 때문에 이러한 응용에는 적합하지 않다. 따라서, 본 논문에서는 CF(2$^{m}$ )상에서 표준기저 표기법을 사용하여 모듈러 나눗셈 A(x)/B(x) mod G(x)를 고속으로 수행하는 새로운 비트-시리얼 시스톨릭 나눗셈기를 제안한다. 효율적인 나눗셈기 구조를 얻기 위해, 새로운 바이너리 최대공약수(GCD) 알고리즘을 유도하고, 이로부터 자료의존 그래프를 얻은 후, 비트-시리얼 시스톨릭 나눗셈기를 설계한다. 본 논문에서 제안한 나눗셈기는 0(m)의 시간 및 면적 복잡도를 가지며, 연속된 입력 데이터에 대하여, 초기 5m-2 사이클의 지연 후, m 사이클 마다 나눗셈의 결과를 출력한다. 제안된 나눗셈기를 동일한 입출력 구조를 가지는 기존의 연구 결과들과 비교 분석한 결과 칩 면적 및 계산 지연시간 모두에 있어 상당한 개선을 보인다. 따라서 제안된 나눗셈기는 적은 하드웨어를 사용하면서 고속으로 나눗셈 연산을 수행할 수 있기 때문에 타원곡선 암호화시스템의 나눗셈 연산기로 매우 적합하다. 또한 제안한 구조는 기약 다항식(irreducible polynomial) 선택에 있어 어떤 제약도 두지 않고, 단 방향의 신호흐름을 가지면서, 매우 규칙적이기 때문에 필드 크기 m에 대해 높은 유연성 및 확장성을 제공한다.였다. an extraction system, a new optical nonlinear joint transform correlator(NJTC) is introduced to extract the hidden data from a stego image in real-time, in which optical correlation between the stego image and each of the stego keys is performed and from these correlation outputs the hidden data can be asily exacted in real-time. Especially, it is found that the SNRs of the correlation outputs in the proposed optical NJTC-based extraction system has been improved to 7㏈ on average by comparison with those of the conventional JTC system under the condition of having a nonlinear parameter less than k=0.4. This good experimental results might suggest a possibility of implementation of an opto-digital multiple information hiding and real-time extracting system. 촉각에 있는 지각신경세포가 뇌의 촉각엽으로 뻗어 들어가 위의 5가지 신경연접중 어느 형을 형성하는지를 관찰하기 위하여 좌측 촉각의

• 생명과학회지
• /
• 제26권8호
• /
• pp.904-910
• /
• 2016

가축의 경제형질은 대부분 복합형질 상태이며, 많은 유전자와 생물대사회로에 의해 조절된다. 시스템 생물학은 생명현상을 하나의 복합체로 가정하고, 형질에 관여하는 유전자들에 대한 기능적 관계를 분석하는 학문이다. 유전자 네트워크는 시스템 생물학의 하나의 연구분야로써, 유전자 기능의 상관관계를 지도화하여 오믹스 데이터를 통합 분석하여 해석한다. 유전자 네트워크는 단백질-단백질 상호작용, 공발현, 조절인자, 유전자형 기반으로 다양한 유전자의 기능적 상호작용을 표현할 수 있다. 또한, 네트워크를 구성하기 위해서는 유전자 간 연결 정도에 가중치를 두거나, 인접한 유전자 수 계산 등의 네트워크 토폴로지 알고리즘이 적용된다. 가축에서는 이러한 연구가 단형질에 대한 유전자 발현, 단백질 상호작용 등에 국한되어 있는 실정이다. 본 논문에서는 유전자 공발현 네트워크와 단백질-단백질 상호작용 네트워크 분석법을 확립하고 소의 102개 경제형질에 대하여 유전자 네트워크 분석 결과에 대한 데이터베이스를 구축하였다. 102개의 경제형질은 Animal Trait Ontology (ATO) 명명법에 의하여 분류하여 제공하였다. 각 형질에 포함된 유전자 리스트는 Animal QTL database에서 제공하는 양적유전형질좌위의 물리적 위치에 존재하는 유전자군을 추출하였다. 유전자 공발현 네트워크는 R의 WGCNA 패키지를 활용하였으며, 단백질-단백질 상호작용 네트워크는 Human Protein Reference Database에서 사람과 소의 orthologous group에 포함된 유전자를 대상으로 단백질 상호작용 관계를 규명하였다. 네트워크 분석 결과는 관계형 테이블로 구축하였으며, 구축한 데이터베이스를 관련 연구진에게 공유하기 위하여 웹 기반의 유전자 네트워크 가시화 시스템을 구현하였다(http://www.nabc.go.kr/cg). 웹 데이터베이스 구현을 위하여 Ontle 프로그램을 활용하여 다양한 방식으로 유전자 네트워크 가시화 작업을 수행하였다. 이 시스템을 통하여 사용자는 관련 형질의 후보 유전자군 탐색, 유전자 네트워크 분석 결과, 유전자 사이의 기능적 연결관계를 손쉽게 살펴볼 수 있게 될 것이다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.25-38
• /
• 2019

정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.

• 한국작물학회지
• /
• 제23권2호
• /
• pp.1-24
• /
• 1978

과맥의 조숙단간다수성 품종육성에 관한 기초자요를 얻고저 고맥에서 주로 교배모본으로 많이 사용되어온 애원과 001, 사국과 4002, 산수과, 영성과, 향천과 001, 장주백과, 백동, 청맥, 세도하다가, 목포 4002등 10품종을 1974연에 diallel cross하여 1975연부터 1976연까지 작물시험장 목포지장 시험포장에서 양친, F_1과 F_2를 재배하여 출수기, 간장 및 주당수량을 조사하여 그들의 유전율, 조합능역과 유전에 대하여 분석검토한 결과를 요약하면 다음과 같다. 1. 광의의 유전율은 출수기, 간장 및 수량이 각각 0.7831, 0.7599, 0.6061로서 비교적 높았고 협의의 유전율은 출수기가 F_1에서는 0.3972, F_2에서는 0.7789였으며 간장은 F_1에서 0.6567, F_2에서 0.6414로 매우 높아서 초기세대에서 선발이 유효할 것이나 주당수량은 F_1이 0.3776, F_2에서 0.4170으로 비교적 낮았다. 2. 출수기에 대한 GCA는 F_1 및 F_2에서 애원과 001, 사국과 4002, 산수과, 영성과는 조생방향으로 기타품종은 만생방향으로 높았으며 F_1의 GCA는 F_2 보다 높았다. SCA는 사국과 4002$\times$목포 애원과 001\times산수과, 사국과 4002\times산수과, 사국과 4002\times영성과 조합은 F_1과 F_2에서 모두 조생 방향으로 높았다. 간장의 GCA는 F_1 및 F_2에서 모두 목포 4002, 영성과, 산수과, 사국과 4002는 단간방향으로 높았으며 기타품종은 장간방향으로 높았고 F_1의 GCA는 F_2보다 높았다. SCA는 가장 단간인 목포 4002와 애완과 001, 산수과 및 영성과와의 조합에서 단간방향으로 높았다. 4. GCA는 F_1 주당수량이 높은 백동, 향천과 001 산수과, 영성과, 사국과 4002등이 다수방향으로 높았고 기타품종은 저수방향으로 높았으며 F_1의 GCA는 F_2보다 다소켰다. SCA가 가장 큰 조합은 목포 4002를 편친으로 한 사국과 4002, 세도하다가, 청맥과의 조합이었다. 5. F_1 및 F_2의 평균출수기는 mid-parent보다 조생이였으며 F_1이 F_2보다 조생이었고 이러한 경향은 조생품종일수록 높고 만생품종일수록 낮았다. 6. 출수기의 유전은 조생방향으로 부분우성이며 대립유전자의 작용이 크고 품종간의 우열관계는 애원과 001, 사국과 42경, 향천과 001, 목포 4002가 다른 품종에 대하여 열성으로 나타났다. 7. F_2에서 출수기유전은 45조함중 33조함은 소수 유전자 개념으로는 설명할 수 없고 1개조함은 조생 대 만생이 3 : 1, 1개 조합은 만생 대 조생이 3 : 1 로 분리하며 4개 조합은 조생 대 만생이 9 : 7, 6개 조합은 만생 대 조생이 9 : 7로 분리하는 것으로 나타났다. 8. F_2에서 출수기에 대하여 조생개체의 초월분리가 많은 조합은 영성과\times백동, 애원과 001\times세도하다가. 산수과\times향천과 001, 애원과 001\times향천과 001, 사국과 4002, \times향천과 001, 향천과 001\times세도하다가, 애원과 001\times사국과 4003, 애원관 001\times영성과 등이였다. 9. F_1 및 F_2의 평균간장은 양친의 간장 범위내에서 mid-parent보다 F_1 및 F_2가 다소 큰 영향을 보였으며 이러한 경향은 단간품종에서 크고 장간품종에서 적었다. 10. 간장유전은 부분우성이며 대립유전자의 지배를 받고 상가적 유전자의 작용이 큰 것으로 나타났으며 극단간인 목포 4002는 열성, 장간인 백동은 우성인 것으로 나타났다. 11. 간長에 대한 $F_2에서의$ 분리양상을 보면 대부분의 조함에서 정규분포를 보여 유전자의 상가적작용이 클 것으로 보이며 단간 또는 장간으로 초월분리를 보인 조합이 많았다. 애원과 001, 사국과 4002, 영성과, 세도하다가 등의 중간\times중간조합에서 단간개체의 분리가 많았다. 12. F_1 및 F_2의 평균주당수양은 mid-paren에 비하여 F_1에서 6% F_2에서 5% 높았으며 주당수량이 많은 품종에서는 증수율이 낮고 주당수량이 적은 품종에서는 증수율이 높았다. 13. 주당수량에 대하여는 Wr, Vr graph에서 비대입유전자작용이 컷고 초월우성을 보였으며 품종간의 우열관계는 목포 4002의 저수성이 열성을 나타났으나 유전현상의 정확한 추정은 국난하였다.