Earticle

In this paper, we introduce a domain-independent classification framework based on both k-nearest neighbor and Naive Bayesian classification algorithms. The architecture of our system is simple and modularized in that each sub-module of the system could be changed or improved efficiently. Moreover, it provides various feature selection mechanisms to be applied to optimize the general-purpose classifiers for a specific domain. As for the enhanced classification performance, our system provides conditional probability boosting (CPB) mechanism which could be used in various domains. In the mood classification domain, our optimized framework using the CPB algorithm showed 1% of improvement in precision and 2% in recall compared with the baseline.

Digital technology has been changing everyday life of ordinary people let alone the structure of world industry. The elderly care service is also going through changes influenced by the unavoidable impact from torrents of digital technologies. There are numerous reports and news about the digital technologies increasing the efficiency and effectiveness of care service yet lacking systematic understanding of the sources of such improvement. This study aims to present a new classification framework for digital elderly care service innovation to fully utilize the power of digital technologies drawing on insights from innovation studies and service studies. First, 4 features of digital technologies are identified as sources of new value in service innovation. The co-creation of value by users and producers in service and technology development is discussed to illuminate users' contributions to service innovation. Communication of needs and ideas with producers and application of new technologies into everyday practice of life are identified as the source of new value which can be attributed to the elderly. Customization along with efficiency gains is the key to digital elderly care service innovation. The classification framework, thus, incorporates the needs of the elderly as one axis of criteria in the conventional technology-centered framework. The new classification framework would help give due weight to user-driven or demand-driven innovation in the elderly care service R&D activities.

Spectrum sharing in the spatial domain among the plurality of wireless communication systems should be addressed due to its exhaustion. We previously conceptualized a spectrum superposing enabled by subcarrier transmission power assignment (STPA) and blind adaptive array (BAA), where co-channel interference can be suppressed even without a priori information of interferer. However, it requires knowledge of input signal-to-interference power ratio (SIR) to realize completely blind operation. This paper proposes a blind SIR estimation framework by convolutional neural network (CNN) using power spectrum images. Simulation verifies the proposed scheme can maximize throughput performance based on SIR classification results with 97% accuracy.

Personal Color Analysis helps people choose colors that suit them by examining skin tone, hair color, and eye color. However, traditional approaches are time-consuming, heavily dependent on the consultant's judgment, and difficult to scale. Furthermore, assessment results may vary depending on lighting, facial conditions, or age-related skin tone changes. Recent studies have explored automated personal color analysis using deep learning techniques. Yet existing methods still achieve an accuracy of only approximately 55.4%. To address these limitations, this study proposes a hierarchical deep learning framework for seasonal skin tone classification. Our method uses real and synthetic facial images, emphasizes facial skin regions, and adopts a two-stage classification process to improve feature representation and classification accuracy. The system achieves 70.01% accuracy for seasonal classification, which is 14.61 percentage points higher than that of previous methods. It is suitable for real-time use in fashion and cosmetics.

The object classification using the images' contents is a big challenge in computer vision. The superpixels' information can be used to detect and classify objects in an image based on locations. In this paper, we proposed a methodology to detect and classify the image's pixels' locations using enhanced bag of words (BOW). It calculates the initial positions of each segment of an image using superpixels and then ranks it according to the region score. Further, this information is used to extract local and global features using a hybrid approach of Scale Invariant Feature Transform (SIFT) and GIST, respectively. To enhance the classification accuracy, the feature fusion technique is applied to combine local and global features vectors through weight parameter. The support vector machine classifier is a supervised algorithm is used for classification in order to analyze the proposed methodology. The Pascal Visual Object Classes Challenge 2007 (VOC2007) dataset is used in the experiment to test the results. The proposed approach gave the results in high-quality class for independent objects' locations with a mean average best overlap (MABO) of 0.833 at 1,500 locations resulting in a better detection rate. The results are compared with previous approaches and it is proved that it gave the better classification results for the non-rigid classes.

Tropical forests face degradation due to conventional logging practices. Reduced Impact Logging (RIL) offers a sustainable alternative, aligning with UN SDG 15: Life on Land. This study developed a scalable RIL classification system to evaluate logging sustainability in tropical rainforests using ten parameters, and a structured field sheet with clear instructions was created to guide concession evaluations. The parameters were scored on an ordinal scale of 0 to 2, summing to a maximum of 20. A minimum threshold of 14 distinguishes RIL from Conventional Harvesting (CH), categorizing operations into six levels: Conventional Harvesting (＜14), Beginning RIL (14), Level 1 RIL (15), Level 2 RIL (16), Level 3 RIL (17), or Complete RIL (18-20). Unlike binary compliance frameworks such as FAO standards, this system introduces graduated ordinal scoring, a six-level classification hierarchy, and a mobile application, advances absent across all prior frameworks including the carbon-focused RIL-C approach of Ellis et al. (2019) and the Grünberg et al. (2023) systematic review of logging sustainability criteria. A web application called RIL Scoring App was developed with React.js, ExpressJS, LocalStorage, and EmailJS, hosted at https://ril-scoring-app.netlify.app/. Field assessments in Cameroon’s Forest Management Units (FMUs 11-002, 11-005, 11-006), using nine operational parameters, yielded scores of 8-9/18, classifying all three as Conventional Harvesting. Statistical validity was confirmed through non-parametric tests showing no significant score differences across FMUs (Kruskal-Wallis: p=0.947; Friedman: p=0.717), and perfect Spearman correlation between FMU 11-002 and 11-006 (r=1.000) further validated scoring consistency. Critical gaps were identified in log suspension and logyard management, while logging map preparation and timber identification scored consistently high. Challenges including governance gaps and high training costs necessitate subsidised programs and policy reforms. By standardising RIL evaluation, this framework offers a scalable model to balance timber production with sustainable forest management.

의료 영상 분류(MIC)는 병리학적 패턴 식별을 통해 임상의의 컴퓨터 보조 진단을 지원하는 핵심 역할을 수행한다. 본 연구에서는 정밀 의료 영상 분류를 위한 주의력 강화 시너지 신경망(AM-SNN) 프레임워크를 제안한 다. 본 모델은 공개 데이터셋 두 가지(흉부 질환 검출용 ChestX-ray 데이터셋 및 유방암 조직병리학적 영상 분류 용 BreakHis 데이터셋)에서 평가되었다. 실험 결과, 제안된 프레임워크가 기존 CNN 기반 아키텍처 대비 우수한 성능을 달성함을 입증하였다. 또한 두 이질적 데이터셋 전반에서 관찰된 일관된 성능 향상은 제안 모델이 특정 질환 유형에 국한되지 않고 다양한 의료 영상 모달리티에서 강력한 일반화 능력을 발휘함을 시사한다. 어텐션 메 커니즘과 시너지적 협업 학습의 통합은 모델 해석성을 향상시키면서 더 차별화된 특징 추출을 가능케 한다.

Medical image classification (MIC) plays a crucial role in computer-aided diagnosis by assisting clinicians in identifying pathological patterns. In this study, we propose an attention-enhanced synergic neural network (AM-SNN) framework for fine-grained medical image classification. The model was evaluated on two publicly available datasets: theChestX-ray dataset for thoracic disease detection and the BreakHis dataset for breast cancer histopathological image classification. Experimental results demonstrate that the proposed framework achieves superior performance compared to conventional CNN-based architectures. Furthermore, the consistent improvements observed across two heterogeneous datasets indicate that the proposed model is not limited to a specific disease type but exhibits strong generalization capability in different medical imaging modalities. The integration of attention mechanisms and synergic collaborative learning enables more discriminative feature extraction while improving model interpretability.

공간정보시스템(GIS)은 스마트시티, 디지털트윈 등 다양한 분야의 핵심 정보 인프라로 활용되고 있으나, 기존 보안 취약성 관리체계는 GIS의 고유한 특성을 충분히 반영하지 못한다. 본 논문에서는 공간데이터, 좌표참조체계(CRS), 위상관계, 공간분석, 메타데이터 및 GIS 서비스를 기준으로 CWE, CVE 및 CVSS의 GIS 적용성을 평가하였다. 이를 기반으로 기존 국제표준과의 연계성을 유지하면서 GIS 특성을 반영할 수 있는 3계층 보안 취약성 분류 프레임워크를 제안하였다. 또한 GeoServer에서 공개된 실제 CVE 9건을 대상으로 실증분석을 수행하여 모든 취약점이 제안 프레임워크에 매핑될 수 있음을 확인하였다. 제안 프레임워크는 기존 취약성 관리체계를 보완하여 GIS 특화 보안 취약성 관리와 향후 위험도 평가 및 보안 거버넌스 연구의 기반으로 활용될 수 있다.

Geographic Information Systems (GIS) are widely used in smart cities, digital twins, and other critical domains. However, existing vulnerability management systems do not sufficiently reflect the unique characteristics of GIS. This study evaluates the applicability of CWE, CVE, and CVSS to GIS based on six criteria, including spatial data, CRS, topology, spatial analysis, metadata, and GIS services. Based on the results, a three-level GIS security vulnerability classification framework is proposed while maintaining compatibility with existing standards. An empirical analysis of nine publicly disclosed GeoServer CVEs confirmed that all vulnerabilities could be mapped to the proposed framework. The results demonstrate that the framework complements existing vulnerability management systems by providing GIS-specific security contexts and can serve as a foundation for GIS security risk assessment and governance.

본 논문은 제조 산업의 운영 기술(OT) 환경에 최적화된 보안 프레임워크를 제안한다. 최근 IT 와 OT 시스템의 융합이 가속화됨에 따라 제조 산업은 사이버 위협에 취약해지고 있으며, 이는 생산 중단, 설비 손상, 물리적 사고로 이어질 수 있다. ISO/IEC 27001:2022, ISA/IEC 62443-3- 3, NIST CSF 2.0과 같은 국제 표준은 일정 수준의 보안 지침을 제공하지만, 실시간성과 물리적 제약이 존재하는 OT 환경에 그대로 적용하기에는 한계가 있다. 이에 본 연구는 세 가지 보안 표 준을 통합하여 위험 기반 보안 관리, 공급망 보안, 운영 연속성 확보, 성숙도 기반 개선을 핵심 구성요소로 하는 통합 OT 보안 표준을 제안 하였다. 문헌 조사, 사례 분석, 전문가 자문을 통해 공통 통제 항목을 도출하고, 해당 분야의 전문가들을 통한 설문조사 와 AHP 기법을 통해 프레임 워크의 타당성과 통제 항목의 우선순위를 검증하였다. 본 연구에서 제시하는 프레임워크는 OT 보안의 체계적 접근을 가능하게 하며, 제조 산업의 보안 수준 향상 및 글로벌 규제 준수에 기여 할 수 있다. 다만, 실질적인 산업 적용을 위한 추가 실증 연구가 필요하다.

As IT/OT convergence accelerates, cyber threats to the manufacturing industry are increasing. However, existing standards like ISO/IEC 27001 and ISA/IEC 62443 have limited applicability due to the real-time requirements and physical constraints of OT environments. To address this issue, this study designs an integrated OT security framework that combines these three standards, focusing on risk-based management, supply chain security, and operational continuity. Common control elements, derived from literature reviews and expert consultation, were validated for their effectiveness and priority using the Delphi method and the Analytic Hierarchy Process (AHP). The proposed framework supports systematic security enhancement and regulatory compliance, but further research is needed to verify its practicality in real-world industrial settings.

본 논문은 현재 전자거래에서 폭넓게 활용되고 있는 디지털인증 기술에 대하여 초점을 집중하고 있다. 즉, 현재 다양하게 활용되고 있는 디지털인증 기술들을 체계적으로 분류하기 위한 프레임워크의 개발과 적용 그리고 시사점에 대하여 고찰하였다. 먼저, 본 연구에서는 디지털 인증의 상황적인 흐름을 제공자에서부터 사용자까지 소프트웨어, 하드웨어, 네트워크 측면으로 구분하여 제시하였다. 이어서, 디지털인증의 다섯 가지 구성요소와 주요 요소기술 클래스 그리고 인증유형과 수준에 근거하여 디지털인증 분류 프레임워크를 개발하였다. 본 연구에서 개발된 디지털인증 분류 프레임워크를 베리사인의 디지털 인증 메커니즘에 적용하여 그 유용성을 검증하였다. 실제 사례에 본 연구에서 개발한 디지털 인증 분류 프레임워크를 적용한 결과 디지털 인증 기술의 세부적인 분류와 응용을 이해하는데 유효하다는 것을 알 수 있었다. 마지막으로 본 연구의 강점과 약점 그리고 시사점 및 향후 연구 방향에 대하여 논의하였다.

In this paper, we review digital certificate technologies and their applications in e-commerce. Current digital certificate technologies are evaluated and their importance is explained. The configuration of certificate flows from providers to users through software, hardware, and network technologies is described. These five domains and the configuration of digital certificate flows guide our review of the characteristics of digital certificates. We then develop a framework for the classification of digital certificates that integrate these five domains with VeriSign’s types and levels of assurance. In order to demonstrate the adequacy of our digital certificate classification framework, we populated it with VeriSign’s digital certificates. Within each domain, VeriSign’s classes of digital certificates are classified in accordance with the VeriSign type and level of assurance. The results of our analysis suggest that the framework is a useful step in developing a taxonomy of digital certificate technologies. The strengths and weaknesses of the study are discussed, and opportunities for further research are identified and discussed.

본 연구는 빠르게 변화하는 디지털 기술과 상대적으로 느린 교육 발전 간의 격차를 해소하기 위해 디지털 리터러시 역량의 체계적 이해와 교수·학습 방법을 개 발하는 것을 목적으로 한다. 디지털 리터러시는 기술과 교육을 연결하는 가교로서 두 요소의 상호작용을 촉진하는 핵심적 역할을 한다. 이를 위해 연구는 연결주의 학습이론에 기반하여 디지털 리터러시 분류체계를 분석하고, 이를 바탕으로 역량모델을 개발하는 절차적 접근을 취하였다. 연구 절차는 분류체계의 구조적 분석, 역량모델 개발, 교육목표와 학습성과 연계, 교수학습 방법 구안의 4단계를 포함한다. 선행연구의 분석을 통해 8가지 핵심 역량요소를 식별하고, 각 역량을 기초, 중 급, 고급의 3수준으로 세분화하였다. 특히 입력, 처리, 출력, 확장 등 단계적 성장을 반영하는 역량모델을 설계하여 학습자 중심의 교육 설계를 가능하게 하였다. 개 발된 역량모델은 구체적인 교육목표 설정과 학습성과 도출에 활용되어 학습 방향성을 명확히 제시하였다. 나아가, 프로젝트 기반 학습, 문제 기반 학습, 협력 학습 등의 다양한 교수·학습 전략을 도입하여 실질적 학습 효과를 극대화하였다. 본 연구는 디지털 환경에서 학습자의 디지털 리터러시 역량을 효과적으로 개발하고, 미 래 교육의 혁신적 토대를 마련하는 데 기여할 것이다.

This study aims to bridge the gap between rapidly evolving digital technology and the relatively slower development of education by systematically understanding digital literacy competencies and developing effective teaching and learning methods. Digital literacy serves as a bridge linking technology and education, playing a critical role in facilitating their interaction. To achieve this, the study adopts a procedural approach by analyzing the digital literacy classification system based on connectivist learning theory and developing a competency model accordingly. The research process involves four steps: structural analysis of the classification system, development of the competency model, integration with educational goals and learning outcomes, and the design of teaching and learning methods. Through the analysis of previous studies, eight key competency elements were identified, and each was classified into three levels: basic, intermediate, and advanced. Specifically, the competency model was designed to reflect progressive growth stages, including input, processing, output, and expansion, enabling learner-centered educational design. The developed competency model was utilized to set concrete educational goals and derive learning outcomes, providing a clear learning direction. Furthermore, various teaching and learning strategies, such as project-based learning, problem-based learning, and collaborative learning, were implemented to maximize practical learning outcomes. This research contributes to effectively developing learners' digital literacy competencies in digital environments and establishing an innovative foundation for future education.

본 연구에서는 기존의 광고정보연구에서 사용된 Resnik과 Stern(1977)의 분류체계를 보완하고 광고표현양식과 제품유형을 포함한 분석틀을 확장하여 2004년에 집행된 잡지광고의 정보내용을 분석하였다. Resnik과 Stern의 14개 단서를 포함한 총 25개 단서로 구성된 정보분류체계를 사용하여 분석한 결과 전반적으로 한 광고물에 포함된 평균 정보량은 3.86개이며 1개 이상의 정보유형을 포함한 광고물의 비율이 97.5%에 해당되었고 과반수 이상의 광고물에서 3-5개의 정보단서가 사용된 것으로 나타났다. 잡지 광고에 주로 사용된 정보유형은 웹사이트 정보와 구입 또는 구입처 관련 정보가 가장 많았으며 다음으로 제품의 기능과 성분 또는 내용 관련 정보들이 주로 많이 사용되었다. 또한 광고표현양식(비주얼과 카피 관계유형)과 제품유형(정보처리/소비가치) 에 따라 광고에서 제공된 정보량과 정보내용이 유의미한 차이를 보였다. 본 연구결과는 2000년대 이후에 집행된 우리나라 잡지광고의 정보성 수준을 보여주는 자료이며 보다 확장된 분석체계를 개발하고 소비자 인식 차원에서 광고 정보성을 검증하기 위한 후속연구의 필요성 등을 중심으로 논의가 이루어졌다.

This study presents an analysis of information content in Korean magazine advertisements in 2004. This study proposes an extended framework which consists of 25 information cues including 14 cues of Resnik and Stern's(1977) classification. The results show that number of information cues in magazine ads examined is 3.86 on average and 97.5% of the ads contain more than one ad. It is also found that more than half of the ads contain three to five information cues. The type of information featured most is website information followed by availability, performance, and components/contents. It is observed that the amount and type of information featured in the ads differ significantly depending on visual-copy relationships and product types in terms of information processing and consumption value. This study provides an updated data of the amount and type of information in Korean magazine ads. Implications of the findings are discussed in relation to the need for further research on developing an extended framework and assessing informativeness of magazine ads.

최근 온라인 자동차보험에 대한 고객의 관심이 급증하고 있다. 그 이유는 경제성 측면에서 온라인 자동차보험이 소비자들에게 유용성을 제공해주기 때문이다. 오프라인에서 판매하는 자동차보험은 서비스 상품으로 온라인에서 판매하는 자동차보험 상품에 비해 상대적으로 높은 가격을 형성하고 있다. 이러한 특징에 힘입어 가격이 저렴한 온라인 자동차보험은 소비자들에게 큰 인기를 얻고 있다. 그렇기 때문에 소비자들은 온라인 자동차보험 상품 가격에 많은 관심을 가지고 있고, 자동차보험 상품 구입에 신중한 선택을 하고 있다. 본 연구에서는 소비자들이 온라인 자동차보험에 대해 느끼는 인지된 이익과 가격 수용성을 중심으로 2X2 매트릭스로 구성해 온라인 자동차보험 고객군을 온라인 수용형, 경제성 추구형, 편리 추구형, 신중 접근형으로 구분하였다. 이에 따라 본 연구에서는 온라인 자동차보험 웹사이트의 인지된 이용 용이성, 유용성, 태도, 구매의도에 사이의 관계를 분석하였다. 본 연구결과는 온라인에서 자동차보험 상품을 판매하는 기업들에게 소비자의 온라인 자동차보험 구매의도를 강화하기 위한 고객관계관리 전략 수립에 있어 유용한 시사점을 제공해 줄 것이다.

Recently, the interesting of customers in online auto insurance is rapidly increasing. The one of major reasons is economical benefit. offline auto insurance products as a service formed high price. However, online auto insurance relatively formed low price. Thanks to these characteristics of online auto insurance has gained great popularity. Therefore, in purchasing online auto insurance, consumers carefully buy products of auto insurance. In this study, we classified the 2x2 matrix (online preference group, economic pursuit group, convenience oriented group, and carefulness approach group) in online auto insurance consumers focusing on the perceived benefits and price acceptance. From an economic point of view of consumers around the perceived benefits and price acceptance, we analyzed the relationships among easy of use, usefulness, attitude, and purchase intention in automobile e-shopping mall. The results of this study will provide the useful implications for the planing CRM(customer relationship management) strategy for improving purchase intention of customers to online insurance companies.

독일의 식물학자이며 원예가, 조경가인 리하르트 한젠(Richard Hansen, 1912~2001)은 정원을 여러해살이풀이 생존하는 서식처로 설정하고 정원 서식처 유형을 정의함으로써 독자적 이론을 구축하였다. 본 연구는 한젠의 업적을 집대성한 『여러해살이풀과 정원 서식처(1981)』에서 특별하게 설정한 여러해살이풀의 분류 체계를 분석하여 한젠이 실험으로 체득한 여러해살이풀의 적응 환경과 정원에 도입하기 위한 조건들을 이해하였다. 한젠은 숲, 숲 가장자리, 개방지, 암석정원, 꽃밭, 물가, 물로 정원 서식처를 규정하여 정원으로 수용가능한 다양한 경관을 포괄하였다. 또한 7가지 정원 서식처 기반 여러해살이풀의 분류 특성을 도출한 결과, 첫째, 한젠은 서식처별 소분류에 동일한 기준을 적용하지 않고, 각 서식처 특성에 맞추어 다양하고 상세한 조건을 설정하였다. 둘째, 한젠의 예리한 식물 관찰의 성취로서 설정된 분류 항목명에서 생육 환경, 식물 특성, 적용 방법이 분류 기준의 세 가지 속성으로 드러났다. 셋째, 한젠은 다양한 지역의 식물과 원예종을 포괄하였는데, 복수의 정원 서식처에 반복 제시된 빈카, 중국노루오줌, 아주가, 칼루나 불가리스, 누운자반풀, 버들 용담 등은 쓰임새가 많은 식물로 확인되었다. 분류 항목명으로 설정한 숲 서식처의 고사리·비비추·그라스, 숲 가장자리의 수선화, 꽃밭의 튤립·백합·히아신스·니포피아·그라스, 암석정원의 용담, 개방지의 그라스·에리카·칼루나, 물 서식처의 수련은 정원 서식처별 주요 식물로 간주할 수 있다. 넷째, 숲, 숲 가장자리, 암석정원, 물가, 물 서식처의 특수 조건에 적합한 식물을 제시하였고, 숲, 암석정원, 꽃밭, 물 서식처에는 식물 애호가를 위한 식물을 제시하여 정원 사용자의 관심을 반영하여 식물 선택의 다양성을 확장하였다.

Richard Hansen (1912-2001), a German botanist, horticulturist, and landscape gardener, developed his own unique theory by defining the garden as a habitat for perennials and classifying types of garden habitats. This study analyzed the perennial classification system specially established in 『Perennials and Their Garden Habitats (1981)』, Hansen's comprehensive work, in order to understand the adaptive environments of perennials he discovered through experimentation and the conditions necessary for their introduction into gardens. Hansen categorized garden habitats into woodland, woodland's edge, open ground, rock gardens, borders, water's edge, and water, thereby encompassing a wide range of landscapes adaptable to gardens. From the analysis of the seven habitat-based perennial classification features, several points can be highlighted. First, Hansen did not apply uniform criteria to subdivisions of each habitat but instead established diverse and detailed conditions tailored to the characteristics of each habitat. Second, the names of the classification categories, which reflect Hansen's keen achievements in plant observation, revealed three attributes as the basis for classification: growing environment, plant characteristics, and application methods. Third, Hansen included plants from diverse regions as well as cultivated varieties. Among these, plants such as Vinca minor, Ajuga reptans, Omphalodes verna, and Gentiana asclepiadea, which appeared repeatedly across multiple habitats, were identified as highly versatile species. Plants designated in the classification as characteristic of particular habitats included ferns, Hosta, and grasses in the woodland habitat; daffodils in the woodland's edge; tulips, lilies, hyacinths, Kniphofia and grasses in the borders; gentians in the rock gardens; grasses, Ericaand Calluna in the open ground; and water lilies in aquatic habitats. These can be regarded as the key plants of each respective habitat. Fourth, Hansen proposed plants suited to the special conditions of woodland, woodland's edge, rock gardens, water's edge, and water habitats except for borders, while in the woodland, rock garden, and border habitats he introduced plants specifically appealing to plant enthusiasts, thereby reflecting the interests of gardeners and expanding the diversity of plant selection.

본 연구는 갯벌의 생태계 및 환경 현황, 갯벌 주변의 사회경제적 이용현황, 지역주민 설문조사 등의 다양한 자료를 활용하여 갯벌을 관리유형별로 구분하였고 이에 대한 기본 관리방안을 도출하는 것을 목적으로 한다. 이를 위해 인간의 사회경제활동과 환경과의 관계를 규명하기 위해 채택한 압력-상태-대응 구조(PSR 구조)를 활용하였고, 갯벌 유형을 보호습지대상지역, 습지개선지역, 이용조정지역으로 구분하였다. PSR 평가체계를 활용하여 보호습지대상지역은 34개, 습지개선지역은 26개, 이용조정지역은 9개의 단위 갯벌로 나타났다. 갯벌 관리의 기본방향은 갯벌 유형에 따라 지역의 특성을 고려하여 구체적인 방안을 달리하여야 할 것이다. 보호습지대상지역은 습지보호지역 지정시 우선적으로 검토되어야 하며 갯벌목록 및 모니터링을 통해 지속적인 연구와 관리계획 수립이 이루어져야할 것이다. 습지개선지역은 자연상태로 개선이 가능한 곳으로 판단되는 지역이고 이를 위해 압력요인 완화와 복원이 이루어져야 할 것이다. 이용조정지역은 보전 및 개선의 필요성이 낮은 지역으로 심각한 위협을 줄 수 있는 이용행위의 조정이 필요한 지역이다. 그러나, 기본적으로 갯벌의 보전과 장기적으로 지속가능한 이용에 우선순위를 두어 관리방안을 마련하는 것이 중요하다.

This study proposes an integrated multi-task learning model that performs both lesion segmentation and lesion-type classification simultaneously in breast ultrasound images. Conventional single-task approaches handle segmentation and classification independently, often leading to information isolation and a failure to leverage complementary features between the tasks. To overcome these limitations, we adopt a two-stage U-Net architecture with a ResNet-101 backbone and introduce the Hierarchical Gating Module (HGM) as the core component of our framework. HGM hierarchically reuses the coarse segmentation probability map generated in Stage 1 to modulate multi-scale encoder features in Stage 2, thereby maximizing the synergistic interaction between segmentation and classification. Experiments conducted on the BUSI breast ultrasound dataset demonstrate that the proposed HGMNet achieves superior performance compared to existing models, recording a Dice coefficient of 0.7431 for segmentation and an accuracy of 0.8500 for classification. These results indicate that the proposed model can effectively integrate the two tasks within a single unified network, thereby enhancing both the accuracy and reliability of breast ultrasound–based diagnosis.

본 논문은 높은 레이블링 비용과 도메인 간 센서 노이즈로 인해 일반화에 어려움을 겪는 반려동물 행동 인식 문제를 해결하기 위해, 가속도·자이로·지자계 센서를 독립 도메인으로 취급하는 강화학습 기반 적응형 다중 교사 및 반지도 학습 프레임워크인 RAMS를 제안한다. 수집된 원시 데이터의 품질을 확보하기 위해 IQR 기반 이상치 탐지와 3차 스플라인 보간법을 포함한 4단계 전처리를 수행하며, 기존의 고정 가중치 방식이 초래하는 학습 불안정성을 해결하기 위해 학생 모델의 상태에 따라 교사별 증류 비중을 실시간으로 최적화하는 PPO 기반 A2C 에이전트를 도입하였다. 또한 부족한 학습 데이터를 보완하기 위해 의사 라벨 기반 반지도 학습을 결합하되 웜업 스케줄링과 높은 임계값(=0.9) 설정을 통해 비라벨 데이터의 노이즈가 학습에 미치는 부정적 영향을 효과적으로 통제하였다. 실험 결과, 제안 방법은 기존 DQN 및 A2C 방식 대비 우수한 수렴 안정성을 보였으며, 반지도 학습 결합 시 최종적으로 90.23%의 Accuracy와 89.39%의 Macro F1-score를 달성하여 단독 모델 및 기존 방식 대비 유의미한 성능 향상을 입증하였다.

This paper proposes RAMS(Reinforcement-based Adaptive Multi-teacher Semi-supervised Learning), a Reinforcement-based Adaptive Multi-teacher and Semi-supervised framework, to address challenges in pet behavior recognition such as high labeling costs and inter-domain sensor noise. To ensure the quality of raw sensor data, we implement a four-stage preprocessing pipeline featuring IQR-based outlier detection and cubic spline interpolation. To overcome the training instability inherent in conventional fixed-weight methods, we introduce a PPO-based A2C agent that optimizes distillation weights in real-time based on the state of the student model. Furthermore, we incorporate pseudo-label-based semi-supervised learning, employing warm-up scheduling and a high confidence threshold (=0.9) to effectively mitigate the negative impact of noise from unlabeled data. Experimental results demonstrate that the proposed RAMS framework achieves superior convergence stability compared to existing DQN and A2C methods. By integrating semi-supervised learning, the system ultimately reached an accuracy of 90.23% and a Macro F1-score of 89.39%, proving its significant performance advantages over standalone models and conventional approaches.