Earticle

In order to reduce environmental pollution, it is necessary to increase the recycling rate of waste. For this, the separation of recyclables is of utmost importance. The paper conducted a study to automatically discriminate containers by material for beverage containers among recyclables. We developed an algorithm that automatically recognizes containers by four materials: metal, glass, plastic, and paper by measuring the vibration signal generated when the beverage container collides with the bottom plate of the collection box. The amplitude distribution, time series information, and frequency information of the vibration signal were used to extract the characteristics indicating the characteristic difference of the vibration signal for each material, and a classifier was developed through machine learning using these characteristics.

하천퇴적물은 유역내 다양한 오염원으로부터 발생하는 중금속, 유기물 등 오염물질의 수용체일 뿐만 아니라 수질 오 염 및 수생태 악영향을 유발할 수 있는 2차적 오염원이기에 중요한 관리대상이라고 할 수 있다. 오염된 하천퇴적물의 효과적인 관리를 위해서는 오염원에 대한 식별과 이와 연계된 관리대책의 수립이 우선되어야 한다. 본 연구는 하천퇴 적물내 측정된 다양한 이화학적 오염항목 분포 특성에 기반하여 퇴적물의 주요 오염원을 식별하기 위한 방법으로서 기계학습모델의 적용성을 평가하였다. 기계학습 모델의 성능 평가를 위해 전국 4대강 수계내 주요 폐금속광산 및 산 업단지 인근에서 수집된 총 356개의 하천퇴적물에 대한 중금속 10개 항목(Cd, Cu, Pb, Ni, As, Zn, Cr, Hg, Li, Al) 과 토양항목 3개(모래, 실트, 점토 비율) 수질항목 5개(함수율, 강열감량, 총유기탄소, 총질소, 총인)를 포함한 총 18개 오염항목에 대한 분석자료를 활용하였다. 기계학습 분류 모델로서 선형판별분석(linear discriminant analysis, LDA)과 서포트벡터머신(support vector machine, SVM) 분류기를 사용하여 폐금속광산(‘광산’)과 산업단지(‘산단’) 인근에서 의 하천퇴적물 시료의 분류 성능을 평가한 결과, 채취 지점 및 시기별 4가지 경우(비강우시 광산, 강우시 광산, 비강 우시 산단, 및 강우시 산단)에 대한 퇴적물 시료의 분류 성능이 우수하였으며, 특히 비선형 모델인 SVM(88.1%)이 선 형모델인 LDA(79.5%) 보다 퇴적물을 분류하는데 있어 보다 우수한 성능을 나타냈다. SVM 앙상블 기반 비배타적 다중라벨분류기 모델을 이용하여 각 시료채취 지점 상류 유역 1km 반경 내 지배적인 토지이용 및 오염원을 다중 타 겟값으로 다중분류 예측을 수행한 결과, 폐금속광산과 산업단지의 분류는 비교적 높은 정확도로 수행하였으나, 도시 와 농업지역 등 다른 비점오염원에 대한 분류정확도는 56~60%범위로 비교적 낮게 나타났다. 이는 다중라벨 분류모 델의 복잡성에 비해 데이터셋의 크기가 상대적으로 작아서 발생한 과적합에 기인한 것으로 향후 보다 많은 측정자료 가 확보될 경우 기계학습 모델을 적용한 오염원 분류의 정확도를 보다 향상시킬 수 있을 것으로 판단된다.

Stream sediments are an important component of water quality management because they are receptors of various pollutants such as heavy metals and organic matters emitted from upland sources and can be secondary pollution sources, adversely affecting water environment. To effectively manage the stream sediments, identification of primary sources of sediment contamination and source-associated control strategies will be required. We evaluated the performance of machine learning models in identifying primary sources of sediment contamination based on the physico-chemical properties of stream sediments. A total of 356 stream sediment data sets of 18 quality parameters including 10 heavy metal species(Cd, Cu, Pb, Ni, As, Zn, Cr, Hg, Li, and Al), 3 soil parameters(clay, silt, and sand fractions), and 5 water quality parameters(water content, loss on ignition, total organic carbon, total nitrogen, and total phosphorous) were collected near abandoned metal mines and industrial complexes across the four major river basins in Korea. Two machine learning algorithms, linear discriminant analysis (LDA) and support vector machine (SVM) classifiers were used to classify the sediments into four cases of different combinations of the sampling period and locations (i.e., mine in dry season, mine in wet season, industrial complex in dry season, and　industrial complex in wet season). Both models showed good performance in the classification, with SVM outperformed LDA; the accuracy values of LDA and SVM were 79.5% and 88.1%, respectively. An SVM ensemble model was used for multi-label classification of the multiple contamination sources inlcuding landuses in the upland areas within 1 km radius from the sampling sites. The results showed that the multi-label classifier was comparable performance with sinlgle-label SVM in classifying mines and industrial complexes, but was less accurate in classifying dominant land uses (50~60%). The poor performance of the multi-label SVM is likely due to the overfitting caused by small data sets compared to the complexity of the model. A larger data set might increase the performance of the machine learning models in identifying contamination sources.

본 연구에서는 NHK 개정판에 나타난 일본어 조수사의 악센트를 NHK 기존판과 비교하여 그 변화 양상을 1) 제1악센트형 추가, 2) 제2악센트형 추가, 3) 제2악센트형 탈락(통합), 4) 악센트형 순위 변경, 5) 악센트형 변형의 5가지 유형으로 분류하여 고찰해 보았다. 각 유형별 특징을 정리하면 다음과 같다. 1) 제1악센트형 추가는 대부분 기존 악센트형보다 악센트핵이 -1박 이동한 형태로 나타났는데, 총10개의 조수사 중 7개(70%), 전체 29개 어휘 중 23개(79.3%) 어휘에서 이런 변화가 나타났다. 2) 제2악센트형 추가는 기존 악센트형보다 악센트핵이 -1박 앞으로 이동한 형태로 나타나는 조수사가 총18개 중 7개(38.9%)였고, 어휘수로는 총 70개 중 39개(55.7%)였다. 그리고 기존 악센트형보다 악센트핵이 -2박 이동한 형태의 제2악센트형이 추가된 조수사는 12개(66.7%)였고, 어휘수로는 28개(40%)였다. 결국 제2악센트형의 추가는 –1 박 이동하거나 –2박 이동한 것이 대부분을 차지하고 있다고 볼 수 있다. 3) 제2악센트형 탈락(통합) 유형에는 3개의 조수사에서 13개 어휘가 해당되는데, 모두탈락한 제2악센트형이 제1악센트형보다 1박 뒤에 악센트핵이 위치하는 것들로만 되어 있다는 점에서 볼 때, 제2악센트형이 –1박 이동함으로써 제1악센트형과 같은 악센트형이 되어 자연스럽게 제1악센트형으로 통합된 것으로 볼 수 있다. 4) 악센트형 순위 변경에는 6개 조수사에서 18개 어휘가 해당되는데, 기존 평판형 악센트가 제1악센트형에서 제2악센트형으로 이동하는 일종의 역평판형화가 일어나고 있었다. 이러한 역평판형화 현상을 포함한 악센트형의 순위 변경도 기존판에서 제1악센트형의 악센트핵이 –1박 이동한 것과 –2박 이동한 것이 개정판에서 제1악센트형으로자리잡는 결과로 나타났다. 5) 악센트형 변형에는 6개 조수사에서 9개 어휘가 해당되는데, 악센트핵이 –1박 이동한것과 -2박 이동한 것이 다수를 차지했다. 결론적으로 일본어 조수사 악센트의 변화 양상은 악센트핵의 이동으로 설명 가능한데, 대부분의 변화가 악센트핵이 –1박 또는 –2박 이동하는 양상으로 나타나고 있음을 알 수 있었다. 본 연구에서는 조수사의 악센트 변화 양상을 5가지로 체계화하여 고찰하였고, 정량적방법을 통해 변화 양상을 악센트핵의 이동이라는 관점에서 규칙화하려고 하였다는 점에서의의가 있다고 할 수 있다. 향후 악센트핵의 이동이 다른 품사의 어휘에서도 공통적으로 나타나는지 고찰해볼 필요가 있겠다.

This research explored the accent change of Japanese classifiers, comparing the two versions: first version of NHK and its second edition. More specifically, the accent changes were divided into five categories: the first accent type, the second accent type, the elision of the second accent, accent order change, and accent alternation. The research found that the change of the Japanese classifiers can be explained by the breakaway of the accent nuclei, and could possibly explanation of the relation between the accent nuclei and classification of the position. Accordingly, more further studies can focus on the possibilities of whether or not the position movement of the accent nuclei can occur even in other parts of speech in Japanese.

본고는 일반적으로 명사의 수량을 나타내는 ‘个’의 용법과 달리 중국어 학습자들에게 조금은 생소한 ‘V(了)+个+X’구문과 이 구문에서의 ‘个’에 대해서 살펴보았다. 본고의 제 2장에서는 ‘V(了)+个+X’구문에 대한 학자들의 다양한 견해, ‘个’의 문법화 과정을 살펴보았다. 학자들의 견해에 따르면 ‘个’는 연결사, 양사, 조사, 두 개 품사의 성질을 다가졌다 보는 등 다양한 의견을 보였다. 필자는 ‘V(了)+个+X’구문에서 ‘个’가 양을 나타내는양사로서의 성질이 점차 약화되었지만, 여전히 ‘个’를 양사로 보았다. 제 3장은 ‘V(了)+个+X’구문의 형식과 의미, 활용에 관한 특징을 간단히 살펴보았다. 본 구문의 형식에 관한 특징으로 첫째, ‘V+个’뒤에 출현하는 X성분은 구체적으로 VP, AP, NP로나누어 분석하였다. VP성분은 ‘이합동사, 관용구․고정구, 자동사, 주술구’ 등의 형식이 왔다. AP성분은 ‘단음절성질형용사, 이음절 성질형용사, 상태형용사, 형용사중첩, 숫자로 조합된 사자성어, 의성어, 사자성어, 不／没식’ 등이 왔다. NP성분은 ‘구별사, 명사, 수량구’ 등의 형식이다. 둘째, ‘V(了)+个+X’구문의 의미와 X의 기능을 분석하였다. X는 V의 대상빈어(受事宾语), 정도․상태빈어(程度情状宾语), 결과빈어(结果宾语)의 역할을 하였다. 또 ‘V+个+X’구문에서‘V+个’사이에 ‘了, 得, 着, 他’등의 성분이 올 수 있음을 보았다. 셋째, ‘V+个+X’구문과 ‘V+得 +X’구문이 호환이 가능한지를 보았다. 또 ‘个’를 생략했을 때 문장 성립이 가능한지와 의미의변화가 있는지도 살펴보았다. 본고의 제 4장은 결론으로 본고에서 다룬 내용들의 정리와 함께 본고의 초보적인 분석들을토대로 향후 연구에서 상세히 다룰 것을 밝히고 있다.

This article is concerning V(了)+个+X construction and ‘个’. In the 2nd chapter, various opinions in preceding researches by other scholars and grammaticalization of ‘个’ were examined. The form of V(了)+个+X construction and meaning were also examined in the 3rd chapter. For example, what is to be X was devided into AP and NP. Although ‘个’ has weakened character of claasifier, is was taken as classifier in this article. ‘个’ plays the role of making X substantive, materialize, and describe condition or degree etc. X was devided into object, condition object, and result object of V. ‘V+个+X’ construction and ‘V+得+X’ construction are interchangeable, but they have difference in the meaning.

High-risk pregnancy endangers both mother and baby, with one maternal death every two minutes in 2023. This study has proposed three Gradient Boosting models?GB-Base, GB-SMOTE, and ZOA-GB?using the West Lombok Pregnancy Risk Prediction Dataset. GB-Base and GB-SMOTE have achieved 90.46% and 90.28% accuracy, while ZOA-GB, using 10 selected features, has reached 88.89%. GB-SMOTE has shown the best performance with an F-score of 84.41%. SHAP has identified Maternal Age, Hemoglobin, and Parity as key features, and DiCE has validated feature-driven prediction control. The study is limited by a single-source dataset, the absence of external-validation, and unexplored optimizers.

In this paper, an evaluation of machine learning classifiers to be applied in wafer defect detection is described. The objective is to establish the best machine learning classifier for Wafer Defect Detection application. k-Nearest Neighbours (k-NN), Logistic Regression, Stochastic Gradient Descent, and Support Vector Machine were evaluated with 3 defects categories and one non-defect category. The key metrics for the evaluation are classification accuracy, classification precision and classification recall. 855 images were used to train, test and validate the classifier. Each image went through the embedding process by InceptionV3 algorithms before the evaluated classifier classifies the images.

Wireless networks have evolved over the years and they have become some of the most prominent communication media. These networks generally transmit large volumes of information at any given time. This has engendered a number of security threats and privacy concerns. This paper presents a Deep Long Short-Term Memory (DLSTM) based classifier for wireless intrusion detection system (IDS). Using the NSL-KDD dataset, we compare the DLSTM IDS to existing methods such as Deep Feed Forward Neural Networks, Support Vector Machines, k-Nearest Neighbors, Random Forests and Naive Bayes. The experimental results suggest that the DLSTM IDS outperformed existing approaches.

It is obvious that IoT devices are widely used more and more in many areas. However, due to limited resources (e.g., memory, CPU), the security mechanisms on many IoT devices such as IP-Camera, router are low. Therefore, botnets are an emerging threat to compromise IoT devices recently. To tackle this, a novel method for IoT botnets detection plays a crucial role. In this paper, we have some contributions for IoT botnet detection: first, we present a novel high-level PSI-rooted subgraph-based feature for the detection of IoT botnets; second, we generate a limited number of features that have precise behavioral descriptions, which require smaller space and reduce processing time; third, The evaluation results show the effectiveness and robustness of PSI-rooted subgraph-based features, as with five machine classifiers consisting of Random Forest, Decision Tree, Bagging, k-Nearest Neighbor, and Support Vector Machine, each classifier achieves more than 97% detection rate and low time-consuming. Moreover, compared to other work, our proposed method obtains better performance. Finally, we publicize all our materials on Github, which will benefit future research (e.g., IoT botnet detection approach).

In electric vehicles, the core is a secondary cell battery. Raw material is pulverized by the grinding disc in the Classifier Separator Mill (CSM) and rises through the Classifier Wheel. Both require characteristics to withstand high-speed rotation, including abrasion, corrosion, and shock. Our study analyzes the impact of RPM and heat source on temperature, convergence, and durability. In conclusion, high heat increases flow, while high RPM reduces the maximum temperature but may harm durability. Proper RPM settings enhance durability.

본 논문에서는 시선 추적을 통한 간접 인터페이스 시스템을 제안한다. 웹 카메라를 사용하여 컴퓨터 입력 시스템을 대체하고 얼굴과 눈 영역의 추출은 OpenCV 라이브러리를 사용하였다. 제안하는 시스템에서는 시선의 방향에 따라 마우스의 이동을 제어하고, 눈 깜박임을 활용하여 마우스 클릭 이벤트를 수행한다. 키보드의 각 입력버튼이 모니터 상에 사각형태로 구현된 가상 키보드를 활용하여 간접 인터페이스를 구현하였다. 가상 키보드의 각 버튼의 크기가 25화소 이상일 경우, 95% 이상의 정확도로 키보드의 입력이 실현 가능하였다.

This paper describes on the indirect interface system which can assign the computer instructions via a eye typing, without using a mouse click event or a keyboard stroke. The web camera was used as a input system. The face and eye regions were extracted by the Open source Computer Vision Library (OpenCV). It automatically controls a mouse-movement by calculating the position on the monitor where the eyesight focuses on, and simulates a mouse-click event by detecting the eye blinking action. We use the Tracebox which consist of same length and width on the monitor to simulate a keyboard entry. Over 95% tracing accuracy was achieved when the size of a Tracebox per each character exceeds 25 pixels.

In this paper, we present a new approach to time series forecasting, especially predicting stock data. Despite there have been lots of attempts for predicting future stock prices by using machine learning, performances have not been fine since many noises exist in stock data. In this work, we develop a novel method that using auxiliary classifier generative adversarial network to predict future stock prices. Basically, generative adversarial network suffers noise as an input of generator. This means generative adversarial network can be trained efficiently with the noisy data. In practice, our new method shows remarkable results compared to conventional other methods.

Security breach has been recorded in high volume and has compromised several Information Systems and critical applications as well. An Intrusion Detection is the process of analyzing the events occurring in an information system in order to detect different security threats and vulnerabilities. Research and development communities are putting their extra effort for optimizing Intrusion Detection System performance as network data traffic including vulnerabilities are found to be complex and have shown dynamic properties. The idea to explore if certain classifier perform better for certain attack classes constitutes the motivation for this research work. In this research, performance of a comprehensive set of potential classifiers using Knowledge Discovery and Data (KDD99) dataset has been evaluated. Based on evaluated results, maximum accurate classifier for high attack detection rate and low false alarm rate has been chosen and suitable classifier has been proposed. The comparison of simulation result indicates that noticeable performance improvement can be achieved with the proposed classifier to detect different kinds of network attacks and security vulnerabilities.

The role of prediction in language comprehension has been tested in few languages, and how much prediction has been used across different language groups remains unclear. This study therefore expands the investigation of the role of prediction by examining the relation between performance on an artificial grammar learning task with an adjacent dependency rule and performance on a Korean self-paced reading task including a predictive relation between classifiers and their associated nouns. Forty-two Korean native speakers took part in the experiment. Results show a significant relation between scores on the two tasks. These results suggest that better ability to make predictions, as measured by the artificial grammar learning task, facilitates comprehension of the predictive dependency between preposed Korean classifiers and the following associated nouns. Moreover, different degrees of predictive ability may help explain individual differences in language processing.

본 연구는 119 구급대원들의 중증도 분류에 대한 전반적인 인식상태를 분석함으로써 중증도 분류관 의 시스템을 도입하기 위한 기초자료로 활용하고자 한다. 대상자는 C지역 119구급대원으로 2017년 10월 10일 부터 10월 30일까지 자료수집을 하여 최종 332부를 분석 하였다. 수집된 자료는 SPSS 21.0 통계 프로그램을 통해 빈도분석, 교차분석, 독립표본 t검정, ANOVA, 로지스틱 회귀분석을 이용 하였다. 연구결과는 첫 번째, 중증도 분류에 대한 교육 경험은 77%가 있었고, 재난현장에서의 중증도 분류의 시행에 대한 인식은 34.3%가 부정적이다. 두 번째, 중증도 분류 시행에 대한 자신감과 부담감 은 소방계급 및 구급경력이 높을수록 모두 증가하였다. 세 번째, 증증도 분류관 참여에 영향을 미치는 요인으로는 응급환자평가, 신속한 상황 전파방법, 중증도 분류 방법 이해도 순으로 보였다. 마지막으 로 중증도 분류관의 참여의지는 중증도 분류관의 필요성을 느끼거나, 재난 및 다수사상자 교육에 참여의지가 있는 구급대원 일수록 높았다. 따라서 체계적인 중증도 분류에 대한 교육의 기회를 제공 함과 동시에 교육을 이수한 119 구급대원들을 활용하기 위한 “중중도 분류관”을 도입함으로써 중증 도 분류를 적극적으로 시행한다면 재난시 효과적인 중증도 분류 운영체계를 구축하게 될 것이다.

The purpose of this study is to analyze the general perceptions of 119 paramedics in triage about the system of severity classifier and use it as basic data for its introduction in Korea. A total of 332 surveys were collected from 119 paramedics in C area from October 10 to October 30, 2017 and analyzed using SPSS 21.0. The results of the study suggest that the degree of involvement in severity classifiers is higher for those who see the need of a severity classifier or who are willing to participate in disaster and multiple casualty education. Therefore, the introduction and active implementation of a severity classifier would construct an effective severity classification operation system, which provides educational opportunities for systematic triage and 119 paramedics.

본 논문에서는 열차 선로 모니터링을 위한 열차의 위치 및 이동을 추정하는 비전 기반 기법을 제안한다. 퍼지 분류기를 이용하여 열차의 상태를 판별하며, 프레임 차와 배경 감산을 각각 열차의 움직임과 존재를 판결하기 위해서 사용하고, 퍼지 분류기의 언어 변수로 사용된다. 실험 결과에서 제안하는 기법은 열차의 위치와 움직임을 정확히 추정하는 것을 볼 수 있다. 그러므로 제안하는 기법은 군중 밀도를 추정하거나 안전 감시를 수행하는 열차 모니터링 시스템에 활용될 수 있을 것이다.

We propose a vision-based method that estimates train position and movement for railway monitoring in which we use a fuzzy classifier to determine train states. The proposed method employs frame difference and background subtraction for estimating train motion and presence, respectively. These features are used as the linguistic variables of the fuzzy classifier. Experimental results show that the proposed method can correctly estimate train position and movement. Therefore the method can be used for railway monitoring systems which estimate crowd density or protect safety.

Naive Bayesian classifiers 네이브 베이지안 분류기는 샘플 데이터로부터 쉽게 구현될 수 있는 강력하고도 많이 사용되는 형식의 분류기다. 그러나 강한 조건부 독립성으로 인하여 효율이 저하되는 분류 결과를 초래한다. 일 반적으로 네이브 베이지안 분류기는 연속성을 가진 특징 데이터의 우도를 처리하기 위해 가우시안 분산을 사용한다. 속성들의 확률밀도는 항상 가우시안 분산에 적합한 것만은 아니다. 또 다른 형식의 분류기는 지도학습을 통해 퍼지 규칙과 퍼지집합을 학습할 수 있는 퍼지신경망이다. 퍼지신경망과 네이브 베이지안 분류기간에는 구조적 유사성을 가지고 있기 때문에 퍼지신경망으로 학습된 분산 그래프를 네이브 베이지안 분류기에 적용하고자 하는 방안이 본 연 구의 목적이다. 따라서 네이브 베이지안 분류기에 가우시안 분산 그래프를 사용한 결과와 퍼지 분산 그래프를 사용 한 결과를 비교하였다. 이를 위해 leukemia와 colon의 DNA 마이크로어레이 데이터를 적용하여 분류하였다. 네이브 베이지안 분류기에 퍼지 분산 그래프를 사용한 결과 가우시안 분산 그래프를 사용한 결과보다 더 신뢰성이 있음을 보여주었다.

Naive Bayesian classifiers are a powerful and well-known type of classifiers that can be easily induced from a dataset of sample cases. However, the strong conditional independence assumptions can sometimes lead to weak classification performance. Normally, naive Bayesian classifiers use Gaussian distributions to handle continuous attributes and to represent the likelihood of the features conditioned on the classes. The probability density of attributes, however, is not always well fitted by a Gaussian distribution. Another eminent type of classifier is the neuro-fuzzy classifier, which can learn fuzzy rules and fuzzy sets using supervised learning. Since there are specific structural similarities between a neuro-fuzzy classifier and a naive Bayesian classifier, the purpose of this study is to apply learning distribution graphs constructed by a neuro-fuzzy network to naive Bayesian classifiers. We compare the Gaussian distribution graphs with the fuzzy distribution graphs for the naive Bayesian classifier. We applied these two types of distribution graphs to classify leukemia and colon DNA microarray data sets. The results demonstrate that a naive Bayesian classifier with fuzzy distribution graphs is more reliable than that with Gaussian distribution graphs.

본 연구에서는 레이저유도붕괴분광(Laser Induced Breakdown Spectroscopy, LIBS)을 이용하여 방사형 기저함수 신경회로망(Radial Basis Function Neural Networks, RBFNNs) 분류기 설계방법론을 개발하고 실제 폐소형가전제품의 플라스틱 분류 시스템에 적용하였다. ABS, PP, PS와 같은 검정색 플라스틱을 구별하기 위해, 지능형 알고리즘 중 하나인 방사형 기저함수 신경회로망 분류기를 설계하였다. 획득한 입력변수는 주성분 분석법(Principal Component Analysis, PCA)을 이용하여 축소시켰으며, 군집화기법 중 하나인K-means 클러스터링 방법을 이용해 여러 그룹으로 분할하였다. 전체 데이터는 학습 데이터와 테스트 데이터를 4:1의 비율로 나누었으며, 제안된 분류기의 성능 및 신뢰도를 평가하기 위하여 5-FCV(5-Fold Cross Validation) 기법을 사용하였다. 입력변수와 클러스터의 개수가 각각 5개인 경우, 제안된 분류기의 분류 성능은 96.78%로 나타났다. 또한, 제안된 분류기는 다른 분류기들과 비교하였을 경우 분류 성능의 관점에서 우수성을 보여주었다.

In this study, the design methodology of Radial Basis Function Neural Networks is developed with the aid of Laser Induced Breakdown Spectroscopy and also applied to the practical plastics sorting system. To identify black plastics such as ABS, PP, and PS, RBFNNs classifier as a kind of intelligent algorithms is designed. The dimensionality of the obtained input variables are reduced by using PCA and divided into several groups by using K-means clustering which is a kind of clustering techniques. The entire data is split into training data and test data according to the ratio of 4:1. The 5-fold cross validation method is used to evaluate the performance as well as reliability of the proposed classifier. In case of input variables and clusters equal to 5 respectively, the classification performance of the proposed classifier is obtained as 96.78%. Also, the proposed classifier showed superiority in the viewpoint of classification performance where compared to other classifiers.

이 연구에서는 자동 색인을 통해 쉽게 얻을 수 있는 자질의 문헌빈도와 장서빈도를 이용하여 자동분류에서 자질 선정 기법을 kNN 분류기에 적용하였을 때, 어떠한 분류성능을 보이는지 알아보고자 하였다. 실험집단으로 한국일보-20000(HKIB-20000)의 일부를 이용하였다. 실험 결과 첫째, 장서빈도를 이용하여 고빈도 자질을 선정하고 저빈도 자질을 제거한 자질선정 방법이 문헌빈도보다 더 좋은 성능을 가져오는 것으로 나타났다. 둘째, 문헌빈도와 장서빈도 모두 저빈도 자질을 우선으로 선정하는 방법은 좋은 분류성능을 가져오지 못했다. 셋째, 장서빈도와 같은 단순빈도에서 자질 선정 구간을 조정하는 것이 문헌빈도와 장서빈도의 조합보다 더 좋은 성능을 가져오는 것으로 나타났다.

This study investigated the classification performance of a kNN classifier using the feature selection methods based on document frequency(DF) and collection frequency(CF). The results of the experiments, which used HKIB-20000 data, were as follows. First, the feature selection methods that used high-frequency terms and removed low-frequency terms by the CF criterion achieved better classification performance than those using the DF criterion. Second, neither DF nor CF methods performed well when low-frequency terms were selected first in the feature selection process. Last, combining CF and DF criteria did not result in better classification performance than using the single feature selection criterion of DF or CF.

대부분의 화력발전소에서 전기집진기의 각각의 호파에서 포집된 fly ash는 하나의 라인으로 수송되어 플라이 애시 원분 사이로에 저장된다. 필요량은 분급장치에 의해 공급되어 기류식 분급기에 의해 정제회와 조분으로 분리되어 각각의 사이로 등에 저장된다. 그러나 각각의 전기집진기의 호파에 포집된 fly ash는 전기집진기의 후단 호파일수록 비표면적이 커지는 등 fly ash의 성상이 다르므로 전기집진기 호파 위치 자체가 분급 효과가 있는 것으로 생각할 수 있다. 본 연구는 화력발전소의 전기집진기 각각의 호파에서 채취한 fly ash의 물리적, 화학적, 광물학적 성질을 조사하고 전기집진기의 분급기로서의 가능성을 검토하였다. 그 결과 새로운 fly ash 분급 프로세스로 전기집진기의 호파의 위치별 채취를 제안하고 분급능력이 있다는 것을 확인하였다. 그리고 기류식 분급기로는 얻을 수 없는 고품질 fly ash를 획득하는 것도 가능하였다.

In most coal fired power plants, fly ashes collected from each of hoppers in the electrostatic precipitator are transported and stored in a silo. However the properties of the fly ashes collected from each of hoppers in electrostatic precipitator varies with the distance of the collection field from the boiler. The more distance hopper gets fly ash with larger specific surface area. Therefore, in electrostatic precipitator the hopper itself is expected to have the effect of classifying fly ashes. This study examines the physical, chemical and mineralogical properties of fly ash, collected from each of hoppers attached to an electrostatic precipitator in the coal fired power plant and looks into the possibility of the electrostatic precipitator being used as a classifier. Also, the study reviewed the possibility of acquiring high quality fly ash

멀티채널 지그재그분급기로 장석 미립자의 분급을 수행함으로 분급기에 따른 분급효율을 알아보았다. 실험결과 wheel의 회전속도를 조절함으로써 10 mm 이하까지 분리입도를 조절하는 것이 가능함을 알 수 있었다. 분급효율은 멀티플렉스형 원심분급기보다 높았다. 균일한 기체흐름장에서 분리입도를 식으로 유도하고 이에 영향을 미치는 입자형상계수로 동적 형상계수 대신 면적형상계수를 고려하였다. 그 결과 식으로 구해진 분리입도와 실제 분리입도는 형상계수를 고려하지 않은 경우보다 잘 일치하였다. 면적형상계수는 동적형상계수를 평면적으로 단순화한 것이므로, 형상계수로 2차원적 형상계수를 도입하는 것은 가능한 것으로 사료된다.

The classification of feldspar powders was carried out with multi channel zig zag air classifier and the formula of classified particle cut size and the efficiency of classification was abtained. It was possible for multi channel zig zag classifier to classify almost all particles below 10 mm by controlling wheel velocity. Classification efficiency of zig zag was better than one of multiflex centrifugal classifier. The formula of classified particles cut size in air flow of uniform speed field was deduced and area equivalent shape factor was considered instead of dynamic shape factor as a shape factor which influenced size determination. Experimental cut size data agreed with cut size affected by area equivalent shape factor which is aspect ratio rather than cut size of particles whose shape is sphere. This result showed that dynamic shape factor was simplified area equivalent shape factor, so dynamic shape factor may be able to be replaced by 2 dimensional area equivalent shape factor.