Earticle

The purpose of this study was to explore the feasibility of a urination management system by developing a smart band-based algorithm that recognizes the urination interval of women. We designed a device that recognizes the time and interval of urination based on the patient’s spe-cific posture and posture changes. The technology used for recognition applied the Radial Basis Function kernel-based Support Vector Ma-chine, a teaching and learning method that facilitates multidimensional analysis by simultaneously judging the characteristics of complex learning data. In order to evaluate the performance of the proposed recognition technique, we compared actual urination and device- sensed urination. An experiment was performed to evaluate the perfor-mance of the recognition technology proposed in this study. The effica-cy of smart band monitoring urination was evaluated in 10 female pa-tients without urination problems. The entire experiment was performed over a total of 3 days. The average age of the participants was 28.73 years (26–34 years), and there were no signs of dysuria. The final accuracy of the algorithm was calculated based on clinical guidelines for urologists. The experiment showed a high average accuracy of 91.0%, proving the robustness of the proposed algorithm. This urination behavior recogni-tion technique shows high accuracy and can be applied in clinical set-tings to characterize urination patterns in female patients. As wearable devices develop and become more common, algorithms that detect specific sequential body movement patterns that reflect specific physi-ological behaviors could become a new methodology to study human physiological behavior.

알츠하이머 병의 효과적이고 정확한 진단은 현재 중요한 관심사이다. 알츠하이머 병 (Alzheimer 's disease, AD) 은 기억력과 행동 또는 행동과 같은 뇌의 작용 기능에 영향을 미치며 결국 노인들에게 치매를 유발하는 신경 전달 물질, 뇌 세포 및 뇌 신경을 주로 공격하는 신경퇴행성 뇌무질서가 높게 진행된다. 그것은 치료가 불가능한 심한 신 경학적 뇌 질환이지만, 알츠하이머 병의 조기 발견은 적절한 치료와 뇌 조직 손상 예방에 도움이 될 수 있다. 알츠하 이머 병의 탐지 및 분류는 어렵다. 이 논문에서는 뇌 MRI 데이터 분석을 이용한 새로운 알츠하이머 병 진단 및 분 류 모델을 제안한다. 고해상도 3 차원 sMRI 이미지는 100 명의 AD 환자와 316 명의 정상인 (HC)으로부터 수집 되었다. 대뇌 피질의 세션화를 위해 자동화 된 Freesurfer 소프트웨어 패키지를 사용한다. 따라서 총 66 개의 대 뇌 피질의 뇌 세분화 특징이 자동으로 추출한다. 그 후, 주성분 분석 (PCA)이 차원 감소 목적으로 사용되고 SVM (Support Vector Machine) 및 FNN (Feed Forward Neural Network)을 적용하여 분류 프로세스를 수행한 다. OASIS 데이터셋에 대한 실험은 특징 선택 접근법을 사용하는 SVM이 AD 및 HC 대상의 분류 정확도를 크게 향상시킬 수 있음을 보여준다.

Effective and accurate diagnosis of Alzheimer’s disease is currently of significant interest. Alzheimer’s disease (AD) is a highly progressive, neurodegenerative brain disorderliness that mainly attacks neurotransmitters, brain cells and brain nerves, affecting the working functions of brain such as its memory and actions or behaviours, finally causing dementia on ageing people. It is a severe neurological brain disorder, which is not curable, but earlier detection of Alzheimer’s disease can be helpful for proper treatment and prevent brain tissue damage. Detection and classification of Alzheimer’s disease are challenging. In this paper, a new Alzheimer’s disease detection and classification model using brain MRI data analysis are presented. High-resolution three-dimensional sMRI images were acquired from 100 AD subjects and 316 Healthy controls (HC). To segment the sub-cortical brain, a fully automated Freesurfer software package is calculated. Finally, 66 sub-cortical brain segmentation features are automatically extracted. After that, Principal component analysis (PCA) is used for dimensionality reduction purpose and a classification process is performed by applying Support vector machine (SVM) and Feed Forward neural network (FNN). Experimental results on the OASIS dataset show that SVM with feature selection approach could significantly improve classification accuracy of AD and HC subjects.

본 연구는 자동차 구매 계약에 대하여 해약 예측 성능이 우수한 최적의 머신러닝 모델을 구현하는 것으로 국내 수입 자동차 딜러사에서 판매, 고객, 재고 관리를 위해 사용하고 있는 영업지원시스템(SFA)에 축적되어 있는 계약, 해약, 판매 정보를 머신러닝 모델에 적용하여 해약 가능성을 예측하였다. 영업지원시스템(SFA)의 2015년부터 2020년까지의 계약, 해약, 판매 데이터 27,208건을 추출하여 분석 프로그램 파이썬 주피터 노트북으로 데이터 전처리 및 검증 후에 로지스틱 회귀, 서포트 벡터 머신, 램덤 포레스트, 가우시안 NB, 인공신경망 모델에 적용 및 학습하고 신규 데이터를 이용하여 최종 결과를 예측하였다. 학습 데이터 셋은 1개의 인덱스와 13개의 독립변수, 1개의 목표변수로 각각의 머신러닝 모델 성능을 분석하였으며 성능 평가 척도인 정확도, 정밀도, 재현율, F1-Score, AUC 값으로 최적의 머신러닝 모델을 구현하였다. 본 연구 결과, 차량 구매 계약 정보를 머신 러닝 모델에 적용하여 해약 예측의 가능성을 확인하였으며 머신러닝 모델 중에 서포트 벡터 머신과 딥 러닝 기반 인공 신경망이 예측 성능이 우수한 것으로 확인되었다. 학문적 의의로는 수입차 영업지원시스템(SFA)의 축적된 데이터를 머신러닝 기술과 통합하여 일반화된 예측 모델 개발 및 활용 가능성을 제시하였으며, 계약 고객에 대한 해약 예측을 통하여 잠재적인 해약 고객을 집중적으로 관리함으로써 판매 실패를 미연에 방지하고 매출 향상에 기여할 수 있는 실무적인 시사점을 제시하였다.

Pine wilt disease (PWD) has recently caused substantial pine tree losses in South Korea. PWD is considered a severe problem due to the importance of pine trees to Korean people, so this problem must be handled appropriately. Previously, we examined the history of PWD and found that it had already spread to some regions of South Korea; these became our study area. Early detection of PWD is required. We used drone remote sensing techniques to detect trees with similar symptoms to trees infected with PWD. Drone remote sensing was employed because it yields high-quality images and can easily reach the locations of pine trees. To differentiate healthy pine trees from those with PWD, we produced a land cover (LC) map from drone images collected from the villages of Anbi and Wonchang by classifying them using several methods, i.e., a pixel-based and object-based image analysis (OBIA). Furthermore, compared the accuracy of two types of global positioning system (GPS) data, collected using drone and hand-held devices, for identifying the locations of trees with PWD. We then divided the drone images into six LC classes for each study area and found that the object-based classification was more accurate than the pixel-based classification at classifying trees with PWD. In terms of the GPS data, we used two type of hand-held GPS device. GPS device 1 is corrected, while the GPS device 2 is uncorrected device. The data collected from hand-held GPS device 1 was better than those collected using hand-held GPS device 2 in Wonchang. However, in Anbi, we obtained better results from GPS device 2 than from GPS device 1. In Anbi, the error in the data from GPS device 1 was 7.08 meters, while that of the GPS device 2 data was 0.14 meters. In conclusion, object-based classification is superior to the pixel-based classification, even both method can distinguish between healthy trees and those with PWD based on LC data. On the other hand, there were some differences between the hand-held and drone GPS datasets from both areas.

기업부도예측은 재무 분야에 있어 중요한 연구주제 중 하나로 1960년대 이후부터 꾸준히 연구되어져 왔다. 국내의 경우, IMF 사태 이후 기업부도예측에 관한 중요성이 강조되고 있다. 이에 본 연구에서는 보다 정확한 기업부도예측을 위해 높은 예측력과 동시에 과적합화의 문제를 해결한다고 알려진 SVM(Support Vector Machine)을 기반으로 퍼지이론(fuzzy theory)을 활용해 입력변수를 확장하고, 유전자 알고리즘(GA, Genetic Algorithm)을 이용해 유사 혹은 유사최적의 입력변수집합과 파라미터를 탐색하는 새로운 융합모형을 제시한다. 제안모형의 유용성을 검증하기 위하여 H은행의 비외감 중공업 기업 데이터를 이용하여 실험을 수행하였으며, 비교모형으로는 로짓분석, 판별분석, 의사결정나무, 사례기반추론, 인공신경망, SVM을 선정하였다. 실험결과, 제안모형이 모든 비교모형들에 비해 우수한 예측력을 보이는 것으로 나타났다. 본 연구는 우수한 예측 성능을 가진 다기법 융합 모형을 새롭게 제안하여, 부도예측 분야에 학술적, 실무적으로 기여할 수 있을 것으로 기대된다.

Bankruptcy prediction has been one of the important research topics in finance since 1960s. In Korea, it has gotten attention from researchers since IMF crisis in 1998. This study aims at proposing a novel model for better bankruptcy prediction by converging three techniques – support vector machine(SVM), fuzzy theory, and genetic algorithm(GA). Our convergence model is basically based on SVM, a classification algorithm enables to predict accurately and to avoid overfitting. It also incorporates fuzzy theory to extend the dimensions of the input variables, and GA to optimize the controlling parameters and feature subset selection. To validate the usefulness of the proposed model, we applied it to H Bank’s non-external auditing companies’ data. We also experimented six comparative models to validate the superiority of the proposed model. As a result, our model was found to show the best prediction accuracy among the models. Our study is expected to contribute to the relevant literature and practitioners on bankruptcy prediction.

Recently, the field of emotional ICT which recognizes human's emotion is a rapidly growing interest. For example, various products applying emotion are being released and Softbank's robot, Pepper, is the one of those. This robot can recognize human's emotion through facial expressions and have conversations accordingly. By reading emotion through facial expressions, communication with humans become more natural. In addition, the emotional interface between machines and humans in various areas are applied to show a more intimate interface such as emotional application games that respond differently based on the emotion. In this paper, a system applying special effects on images based on recognition of six emotions from the facial expressions is proposed. A more friendly content can be produced by applying an appropriate emotional effect on the image loaded by the user with the user's facial expression. The result of this paper can be very appropriate to game scenarios and developing game program stages with the recognition of human emotion.

본 연구는 여러 단어로 구성된 기억 단서에 의해 유발된 뇌파를 이용하여 목격 여부를 우연 수준 이상으로 구별할 수 있는지 알아보기 위해 수행되었다. Ham, Kim과 Jeong(2018)의 연구에서 수집한 사건관련전위 자료(n=69)를 재분석하여 선형 서포트 벡터 머신(support vector machine, SVM) 분류 모델의 정확성을 평가했다. 참가자들마다 절도 범죄를 재연한 동영상에서 목격할 수 있었던 물건과 목격하지 않은 물건을 정확하게 분류한 적중 시행과 정확 기각 시행의 뇌파가 분석에 이용되었다. 선형 SVM 커널을 이용하여 뇌파를 분류한 결과, 기억 단서 제시 후 800∼850ms 구간에서 분류 정확률 평균이 57.43%로 가장 높았다. 이런 결과는 기억 단서가 제시되었을 때 이 단서와 관련된 세부적인 정보 인출이 이뤄지는 것으로 여겨지는 구간의 뇌파를 분석하여 목격 여부를 구별할 수 있음을 시사한다. 마지막으로 수사 현장에서 뇌파를 활용할 때 고려해야 할 점에 대해 논의하였다.

The focus of this study was discriminating the eyewitness memory using single-trial electroencephalogram (EEG) evoked by memory cues composed of multiple words. We reanalyzed the event-related potentials (ERP) data (n=69) from Ham, Kim, & Jeong (2018) studies, and two-class classification was conducted to distinguish correctly witnessed objects vs unwitnessed objects trials using linear support vector machine (SVM) algorithm. The single-trial classification analysis showed the post-stimulus EEG activity between 800 to 850 ms was the most accurate interval for the memory classification (57.43%). This result suggests that the EEG during memory retrieval can be used to determine whether or not it is witnessed. Finally, we discussed some points to consider when using EEG for eyewitness memory classification.

고품위 석회암은 다양한 산업에서 활용되고 있는 고부가가치 자원으로 광체의 안정적인 확보, 채광기술의 효율적인 개선이 요구되고 있다. 본 연구에서는 석회암 광산 현장에서의 신속한 품위 측정 기술 개발을위하여 가시광/근적외선 영역의 스펙트럼을 이용한 CaO 품위 평가 기법을 개발하였다. 개발한 기법은 측정대상 암석을 support vector machine을 이용하여 스펙트럼이 가장 유사한 석회암으로 구분하고, 대상의 CaO 품위를 분류된 석회암의 평균 품위로 평가한다. 제안한 기법을 갑산층 고품위 석회암 광산의 암석에 적용한결과 암석의 재분류 정확도는 59%, 품위의 평균 제곱근 오차는 1.96%로 나타났다. 개발된 기법은 광산에 대한경험이 풍부한 작업자가 없는 경우 석회암의 CaO 품위 추정에 유용하게 활용될 수 있을 것으로 판단된다.

High-calcium limestone is a highly valuable geological material since it has been used as an industrial source material for various applications. Therefore, maintenance of a sustainable ore reserves and development of cost-effective mining techniques are necessary. This study presents a CaO estimation technique using visible/near-infrared reflectance spectrum and support vector machine for rapid in-situ CaO analysis in limestone mining. The proposed method classifies rock samples based on the spectral properties of training datasets using support vector machine and estimates the CaO content as average of CaO of classified results. The developed method was applied to limestone rocks collected from high-calcium limestone mines of Gabsan Formation in Korea. The data analysis results show that the success rate of reclassification is 59% and the root mean square error of estimation is 1.96%, hence it is concluded that the developed method is able to analyze the CaO content in a limestone mine even if experienced mining geologists are unavailable.

SNS의 확산으로 온라인 상점에서는 상품에 대한 주관적인 의견이 내포되어 있는 고객리뷰 정보가 빠르게 생성되고 확산되어 다른 고객들에게 큰 영향을 미치고 있다. 이와 더불어, 고객들의 긍정적 또는 부정적 의견을 분석하여 개선방안을 모색하려는 오피니언마이닝(opinion mining)이 주목 받고 있다. 고객리뷰에 내포된 감성정보를 가진 용어들은 감성분류를 하는데 가장 중요한 역할을 하기 때문에 영향력이 높은 용어를 선별하는 것이 가장 중요하다. 본 연구에서는 품사태깅을 이용하여 최적의 용어들을 선별하고 용어정보에 기반한 문서수준에서의 감성분류모형을 제안하고자 한다. 고객 리뷰의 감성분류모형에 대표적인 기계학습기법인 SVM을 적용하고, SVM의 입력변수 선정과정에 품 사태깅 방식과 용어추출기법을 다르게 조합하고 사용하여 긍정적/부정적 문서를 분류하였다. 본 연구 에서 제안한 감성분류모형의 성과를 검증하기 위해 아마존(Amazon.com)의 영화와 도서에 대한 고객리 뷰 80,000개를 수집하여 불필요한 용어들을 제거한 후 품사태깅을 통해 용어를 추출하였다. 추출된 용어는 문서빈도, TF-IDF, 정보획득량, 카이제곱 통계량의 값을 산출하여 값을 통해 용어들을 순위화하 고, 각 상위 20개에 해당하는 최적의 용어를 선정한 후 SVM을 이용하였다. 제안된 감성분류모형을 통해 기존 연구에서 언급한 형용사만을 사용한 예측변수와 4품사를 사용한 예측변수에서의 실험결과 를 통해 비교 분석하였다. 카이제곱 통계량 기반의 감성분류모형이 다른 모형보다 예측성과가 가장 우수하게 나타나는 것을 확인할 수 있었다. 본 연구에서 제안된 문서수준에서의 용어기반 감성분류모 형을 이용함으로써 온라인 상점에서의 서비스 개선과 경쟁력 확보에 많은 도움이 될 것으로 기대된다.

Customer reviews which include subjective opinions for the product or service in online store have been generated rapidly and their influence on customers has become immense due to the widespread usage of SNS. In addition, a number of studies have focused on opinion mining to analyze the positive and negative opinions and get a better solution for customer support and sales. It is very important to select the key terms which reflected the customers’ sentiment on the reviews for opinion mining. We proposed a document-level terms-based sentiment classification model by select in the optimal terms with part of speech tag. SVMs (Support vector machines) are utilized to build a predictor for opinion mining and we used the combination of POS tag and four terms extraction methods for the feature selection of SVM. To validate the proposed opinion mining model, we applied it to the customer reviews on Amazon. We eliminated the unmeaning terms known as the stopwords and extracted the useful terms by using part of speech tagging approach after crawling 80,000 reviews. The extracted terms gained from document frequency, TF-IDF, information gain, chi-squared statistic were ranked and 20 ranked terms were used to the feature of SVM model. Our experimental results show that the performance of SVM model with four POS tags is superior to the benchmarked model, which are built by extracting only adjective terms. In addition, the SVM model based on Chi-squared statistic for opinion mining shows the most superior performance among SVM models with 4 different kinds of terms extraction method. Our proposed opinion mining model is expected to improve customer service and gain competitive advantage in online store.

기업 경쟁력 강화의 중요한 이슈인 대량 개별화(mass-customization)의 실행을 위하여 통합 고객관계 관리 프로세스로서의 CRM(customer relationship management)에 대한 관심과 활용에 대한 필요성은 점점 더 높아지고 있다. 특히, 기존 고객들의 구매 정보를 기반으로 고객의 구매 패턴을 파악하고 의도를 예측하는 것은 오늘날 실질적인 판매 전략을 수립하는 마케팅 분야에서 상당히 큰 비중을 차지하고 있다. 고객의 구매의도 예측에는 대량의 데이터로부터 과거에 인지하지 못했던 의미 있고, 근거 있는 정보를 추출하는 데이터마이닝(datamining)이 주로 사용되고 있다. 기존의 구매의도 예측에 사용된 데이터마이닝 기법들은 주로 신경망(neural networks)과 로지스틱 회귀분석(logistic regression analysis)이었 는데, 예측 정확성 및 모형 구축의 어려움으로 인한 다양한 문제점들이 제기되고 있는 실정이다. 따라 서, 본 논문에서는 기존의 기법들이 가지고 있는 단점들을 개선하기 위하여 신경망과 로지스틱 회귀분 석 외에 연관규칙(association rule), 연관성 매트릭스(association matrix), 의사결정 나무(decision tree), 베이지안 망(bayesian network), SVM(support vector machine) 기법들을 추가로 제안하였다. 본 연구의 목적은 고객의 특정 상품에 대한 구매의도 예측을 위하여 새로운 알고리즘을 제시하기보다는 기존의 다양한 데이터마이닝 기법들을 적용시켜 봄으로써, 가장 우수한 예측 성과를 나타내는 기법을 발견하는 것이다. 연구에 사용된 자료는 기존의 연구에서는 적용되지 않았던 편의점의 영수증 데이터이다. 예측 목표상품은 카테고리화 된 ‘우유'와 ‘냉동식품'이며, 제안된 기법들의 신뢰성을 위하여 전체 데이터를 10개의 training과 test 셋으로 중복되지 않게 구분함과 동시에 10번의 교차 검증(cross validation)을 실시하였다. 실험 결과 SVM이 영수증 데이터를 이용한 고객의 특정 상품에 대한 구매의도 예측에서 가장 우수한 성과를 나타내는 것을 확인하였다

Customer segmentation prediction has attracted a lot of research interests in previous literature, and recent studies have shown that artificial neural networks (ANN) method achieved better performance than traditional statistical ones. However, ANN approaches have suffered from difficulties with generalization, producing models that can overfit the data. This paper employs a relatively new machine learning technique, support vector machines (SVM), to the customer segmentation prediction problem in an attempt to provide a model with better explanatory power. To evaluate the prediction accuracy of SVM, we compare its performance with logistic regression analysis and ANN. The experiment results with real data of insurance company show that SVM superiors to them.

도로의 결빙, 적설, 젖음 등 기상상황 및 표면 상태에 의한 안전사고 발생은 지속적으로 발생하고 있는 상황이다. 이 는 운전자 본인의 부주의 및 안전 운전의식 부족 등 개인의 역량에 기인하는 부문도 있지만, 도로관리 주체(정부 및 공 공 등)의 도로 상태 정보제공 미흡으로 인한 경우도 있어 이와 관련된 연구의 필요성이 대두되고 있는 추세이다. 본 연 구는 카메라(Stereo camera)의 영상 정보를 수집하여, 편광계수 및 웨이블릿 변환(Wavelet transform) 등을 통해 기존의 단 일 차원 분류알고리즘과 달리 다차원 분석이 가능한 SVM 분류기법을 활용하여 노면상태 판별 알고리즘을 개발하였으 며, 실제 도로상에서 4개의 상태(마른노면, 젖은노면, 적설노면, 결빙노면)에 대한 검지 인식 성공률을 실험 및 분석하였 다.

Road's accidents caused by Ice, snow, Wet of roads surface conditions and weather conditions situations that are constantly occurring. That is, driver's negligence and safe driving ability of individuals due to lack of awareness, and Road management main agent(the government and the public, etc.) due to road conditions, if there is insufficient information. So Related research needs is a trend that is required. In this study, gather Camera(Stereo camera)'s image data, and analysis polarization coefficients and wavelet transform. And unlike traditional single-dimensional classification algorithms as multi-dimensional analysis by using SVM classification techniques, develop an algorithm to determine road conditions. Four on the road conditions (dry, wet, snow, ice) recognition success rate for the detection and analysis of experiments.

Regression analysis is one of the most widely utilized methods because of its adaptability and simplicity. Recently, the machine learning (ML) approach, which is one aspect of regression methods, has been gaining attention from researchers, including social science, but there are only a few studies that compared the traditional approaches with the ML approach. This study was conducted to explore the usefulness of the ML approach by comparing the ordinary least square estimate (OLS), the stochastic gradient descent algorithm (SGD), and the support vector regression (SVR) with a model predicting and explaining the tuberculosis screening intention. The optimized models were evaluated by four aspects: computational speed, effect and importance of individual predictor, and model performance. The result demonstrated that each model yielded a similar direction of effect and importance in each predictor, and the SVR with the radial kernel had the finest model performance compared to its computational speed. Finally, this study discussed the usefulness and attentive points of the ML approach when a researcher utilizes it in the field of communication.

스마트폰과 타블렛PC가 대중화 되면서 SNS 사용자가 늘어나고 이를 통해 자신의 이야기를 공유하는 사람들이 많아졌다. 이러한 글은 주로 사용자의 감성과 관심 정보를 담고 있기 때문에 이런 분석을 통한 다양한 지능서비스의 개발에 유용하게 사용되고 있다. 이모티콘은 대표적으로 감성을 표현하는 방법이다. 많은 연구를 통해 이모티콘이 자신의 감성상태를 표현하고 감성상태의 대표성을 가지고 있다는 연구결과가 발표되었다. 다양한 형태 표현이 가능하여 표정이나 행동, 특정한 사물을 형상화한 이모티콘의 표현은 폭넓은 묘사가 가능할 뿐 아니라 유희적인 요소를 가지고 있어서 위트 있는 대화를 가능하게 한다. 그래서 이모티콘을 추천하는 것이 소셜미디어 서비스를 제공하는 업체에서 중요한 문제가 되고 있다. 본 연구에서는 사용자의 글을 텍스트마이닝으로 분석하여 특징을 추출하고, 해당 특징을 기반으로 과거 사용자들이 선택한 이모티콘의 패턴을 분석해서 해당 사용자의 글에 가장 적합한 이모티콘을 추천하는 새로운 추천 시스템을 제안한다. 추천에 들어가는 기본 예측 모형으로는 이분류 예측에 강점을 가지고 있는 Support Vector Machine을 사용한다. 향후 실제 소셜미디어로부터 수집된 데이터를 이용하여 제안모형의 성능을 검증할 예정이다.