Earticle

현재 컴퓨터교육에서 알고리즘 교육의 중요성은 강조되고 있지만 주어진 문제를 알고리즘으로 표현하고 표현된 알고리즘을 해석하는 방법에는 비교적 연구가 미약하였다. 본 연구에서는 알고리즘의 표현 도구 중 순서도에 대해 초등학교 저학년 대상으로 놀이 활동 기반 학습 방법을 개발하고 실제 수업에 적용하여 학습 가능성을 진단하여 보았다. 학습 놀이는 순차형 놀이, 선택형 놀이, 반복형 놀이와 퍼즐 맞추기 게임으로 4가지이며 퍼즐 맞추기 게임은 학습 놀이 내용을 순서도 카드를 활용하여 실제 순서도로 재구성하는 게임이다. 순서도 학습 후 성취도 평가에서는 학습 놀이 기반으로 수업을 진행한 집단이 ICT기반으로 학습한 집단보다 상대적으로 평균은 약 7.5% 높게 나타났으며 두 집단 모두 학습 후 평균이 10점 만점에 9점 이상을 보였다. 이는 순서도 교육이 초등학교 저학년도 학습 가능하며 특히 놀이 활동을 통한 교육이 효과적이라는 것을 보여준 것이다.

Today computer education puts an emphasis on algorithm education. There are little researches about how to express the given problem in algorithm and how to interpret the expressed algorithm. In this study play-based learning methods dealing with flow chart which is one of the expressing tools of algorithm are developed for lower graders of elementary school. Then we diagnosed the learning possibility of the tool after applying the methods in a classroom environment. There are four types of learning game activities; sequential play, selective play, repetitive play and puzzle play. Puzzle play is a game that students need to reconstruct the learned content to a real flow chart by using flow chart cards. The result of an achievement test after teaching students flow chart showed that the group who took the play-based lesson got their average score with about 7.5% higher than the group who took the ICT-based lesson. Both the groups got their average scroe of more than 9 out of 10 after the lesson. This result shows that flow chart lessons are adaptable for the lower graders of elementary school. It also shows that play-based education can be exceptionally effective.

최근 소프트웨어 활용교육 중심에서 프로그래밍을 비롯한 컴퓨터과학을 기반으로 한 사고력 향상 중심의 컴퓨터 교육이 강조되고 있다. 시각화 자료를 이용하거나 활동 중심의 언플러그드 활동 중심의 알고리즘 교육을 기반으로 초등 알고리즘 교육에 대한 여러 연구가 이루어지고 있다. 그러나 아직 초등학생의 특성을 살린 학습자료나 수업 방법이 부족하여 실제 학교 현장에 도입하기에 여러 가지 어려움이 있다. 이에 본 연구에서 관련 선행 연구를 분석하여, 초등학생들의 발달단계에 적합한 활동중심의 검색 알고리즘 수업을 설계하였다. 본 연구에서 개발한 수업 설계를 통하여 학생들의 사고력을 향상시킬 수 있는 알고리즘 관련 수업이 더욱 확대되기를 기대한다.

Currently computer education has been emphasized improving thinking skill instead of practical education of applied software. There are various studies that are to teach algorithm with visualization learning materials or activitives-centered unplugged class. However, algorithm classes for elementary school have various difficulties. One of the reasons is insufficient learning materials and teaching methods. Therefore we designed a activities-centered algorithm class for elementary school students. We hope this study will contribute to the study of algorithm classes for improving kids’ thinking skill.

최근 입체영상 기술은 신 성장 동력 산업으로서 잠재성 있는 블루오션으로 자리매김하고 있으며, 가상 및 증강현실 기술의 발전과 함께 관심이 꾸준히 증가하고 있다. 입체영상 표현방 식은 양안시차, 편광안경 등 다양한 형태의 기술이 개발되어 활용되고 있으나, 눈의 피해나, 두통, 혼선, 해상도 저하 등 한계점을 지닌다. 본 논문에서는 기존의 한계점을 극복하고자 중첩된 투명 디스플레이를 활용한 새로운 방식의 입체영상 표현 기법을 제시하였으며, Grabcut 알고리즘을 활용한 전경 추출 실험과 아크릴과 스마트 디바이스를 활용한 새로운 방식의 입체감 표현 실험을 통해 적용 가능성을 확인하였다. 또한, 이미지 프로세싱 소요 시간 등 분석을 통해 실시간 스트리밍 적용도 가능함을 검증하였다.

Recently, stereoscopic technology has become a potential for blue ocean as a new growth power industry, and interest in it has been steadily increasing with the development of virtual and augmented reality technologies. Various methods such as binocular parallax and polarized glasses have been developed and used for stereoscopic image expression, but they have limitations such as eye damage, headache, crosstalk and resolution degradation. In this paper, we present a new method of stereoscopic image representation that can overcome the limitations and verify its applicability through basic experiments for object extraction and real - time image representation.

In this paper a new algorithm of learning and evolving artificial neural networks using gene expression programming (GEP) is presented. Compared with other traditional algorithms, this new algorithm has more advantages in self-learning and self-organizing, and can find optimal solutions of artificial neural networks more efficiently and elegantly. Simulation experiments show that the algorithm of evolving weights or thresholds can easily find the perfect architecture of artificial neural networks, and obviously improves previous traditional evolving methods of artificial neural networks because the GEP algorithm imitates the evolution of the natural neural system of biology according to genotype schemes of biology to crossover and mutate the genes or chromosomes to generate the next generation, and the optimal architecture of artificial neural networks with evolved weights or thresholds is finally achieved.

Background: To identify the risk factors and assess the role of survivin in predicting progessivity precancerous cervical lesions. Materials and Methods: This case-control study was conducted from October 2009 until May 2010. We obtained 74 samples, classified according to the degree of cervical intraepithelial neoplasia (CIN): 19 samples for CIN 1, 18 samples for CIN 2, 18 samples for CIN 3, and 19 samples as controls. Demographic profiles and risk factors assesment, histopathologic examination, HPV DNA tests, immunocytochemistry (ICC) and immunohistochemistry (IHC) staining for survivin expression were performed on all samples. Data was analyzed with bivariate and multivariate analysis. Results: Multivariate analysis revealed significant risk factors for developing precancerous cervical lesions are age <41 years, women with ${\geq}2$ sexual partners, course of education ${\geq}13$ years, use of oral contraceptives, positive high-risk HPV DNA, and high survivin expression by ICC or IHC staining. These factors were fit to a prediction model and we obtained a scoring system to predict the progressivity of CIN lesions. Conclusions: Determination of survivin expression by immunocytochemistry staining, along with other significant risk factors, can be used in a scoring system to predict the progressivity of CIN lesions. Application of this scoring system may be beneficial in determining the action of therapy towards the patient.

Background: Lung cancer remains one of the most common cancers in the world, both in terms of new cases (about 13% of total per year) and deaths (nearly one cancer death in five), because of the high case fatality. Errors in lung cancer type or malignant growth determination lead to degraded treatment efficacy, because anticancer strategy depends on tumor morphology. Materials and Methods: We have made an attempt to evaluate effectiveness of machine learning algorithms in the task of lung cancer classification based on gene expression levels. We processed four publicly available data sets. The Dana-Farber Cancer Institute data set contains 203 samples and the task was to classify four cancer types and sound tissue samples. With the University of Michigan data set of 96 samples, the task was to execute a binary classification of adenocarcinoma and non-neoplastic tissues. The University of Toronto data set contains 39 samples and the task was to detect recurrence, while with the Brigham and Women's Hospital data set of 181 samples it was to make a binary classification of malignant pleural mesothelioma and adenocarcinoma. We used the k-nearest neighbor algorithm (k=1, k=5, k=10), naive Bayes classifier with assumption of both a normal distribution of attributes and a distribution through histograms, support vector machine and C4.5 decision tree. Effectiveness of machine learning algorithms was evaluated with the Matthews correlation coefficient. Results: The support vector machine method showed best results among data sets from the Dana-Farber Cancer Institute and Brigham and Women's Hospital. All algorithms with the exception of the C4.5 decision tree showed maximum potential effectiveness in the University of Michigan data set. However, the C4.5 decision tree showed best results for the University of Toronto data set. Conclusions: Machine learning algorithms can be used for lung cancer morphology classification and similar tasks based on gene expression level evaluation.

우리나라에서는 지속적인 자연재해로 각기 다른 필요성과 목적에 따라 다양한 형태의 홍수 침수 관련 지도가 작성되어 왔다. 연구 성과로 작성된 계획 빈도 및 상위 2개 빈도의 호우피해예상도를 실측 강우와 연계하여 재난관리단계별 대응단계에 활용하기 위해 실시간 피해위험구역을 표출하고자 한다. 본 연구는 실시간으로 피해위험구역을 표출하기 위해 실측 강우와 연계된 호우피해예상도에 공간 보간 알고리즘을 적용하고자 한다. 호우피해예상도란 돌발호우나 태풍으로 인하여 홍수가 발생하면 인명 및 재산피해를 최소화하기 위해 홍수지역을 미리 예측 가능하도록 제작된 지도이다. 지형자료(DEM), 하천 중심선(Stream Centerline), 하천 횡단면(Cross-Section Line), 제방고(Bank), 수문기상 자료(Hydrological Data), 조도계수(Roughness) 등을 사용하여 하천법 제 21조와 하천법시행령 제 17조를 근거로 작성된다. 본 연구에서는 호우피해예상도에 IDW(Inverse Distance Weighted, 역거리가중법) 보간, TIN(Triangulated Irregular Network system, 불규칙삼각망) 보간, Kriging 보간 방법 적용 알고리즘을 제시하고자 하였다. 호우피해예상도에 보간 알고리즘을 적용하기 위해 보간 방법에 따른 적용사례를 분석하였으며 그 결과, 보간 알고리즘을 적용한 호우피해예상도 보간을 통하여 계획빈도 및 상위 2개 빈도 이외의 빈도(하위빈도-계획빈도, 계획빈도-상위빈도 구간)에 대한 호우피해예상도의 피해위험구역 구현 방안을 제시하였다. 호우피해예상도에 IDW, TIN, Kriging 보간 알고리즘을 적용하여 계획빈도 및 상위빈도 이외의 빈도에 대한 피해위험구역을 표출 할 수 있다. 표출된 계획빈도 및 상위빈도 이외의 빈도를 지점확률강우량-빈도에 대한 Matching table을 통하여 실측 강우와 연계 가능하다. 본 연구 결과는 추후 풍수해피해예측시스템에 활용하여 재난관리단계별 예방 및 대응 단계에 활용 할 수 있을 것으로 판단된다.

다량의 유전자 발현 정보를 담고 있는 DNA 마이크로어레이 기술의 발달로 인해 대량의 생물정보를 한번의 실험을 통해 분석할 수 있게 되었다. 유전자 발현 데이터를 분석하는 방법 중 하나인 클러스터링은 비슷한 기능을 가진 유전자들을 그룹별로 묶어서 그룹 레의 유전자들의 기능을 밝히거나 미지의 유전자를 분석하는데 이용되고 있다 본 논문에서는 유전자 발현 데이터를 클러스터링 하여 그로부터 유전 정보를 찾아내기 위한 방법으로 GG (Gath-Geva) 알고리즘을 제시한다. 퍼지 클러스터링 알고리즘중 하나인 GG 알고리즘은 대표적인 퍼지 클러스터링 방법인 퍼지 c-means 와 GK (Gustafson-Kessel) 알고리즘을 개선한 것으로. 차원이 크고 분포가 애매하여 클러스터링이 어려운 유전자 발현 데이터의 클러스터링에 적합한 알고리즘이다. 혈청(Serum) 유전자 데이터와 효모(Yeast) 세포주기 데이터를 CG 알고리즘 이용해 클러스터링 해 보고, 그 결과를 퍼지 c-means 알고리즘, GK알고리즘과 비교해 본 결과, GG 알고리즘이 유전자 발현 데이터의 클러스터링에 더 적합함을 확인하였다.

본 논문에서는 얼굴의 구조적 특성과 누적 히스토그램을 이용하여 다양한 정보를 포함하고 있는 얼굴의 6가지 표정을 인식하는 알고리즘을 기술하였다. 표정 인식을 위해 특징점 추출 전처리 과정으로 입력 영상으로부터 에지 추출, 이진화, 잡음 제거, 모폴로지 기법을 이용한 팽창, 레이블링 순으로 적용한다. 본 논문은 레이블 영역의 크기를 이용해 1차 특징점 영역을 추출하고 가로방향의 누적 히스토그램 값과 대칭성의 구조적인 관계를 이용하여 2차 특징점 추출 과정을 거쳐 정확하게 눈과 입을 찾아낸다. 또한 표정 변화를 정량적으로 측정하기 위해 추출된 특징점들의 눈과 입의 크기, 미간 사이의 거리 그리고 눈에서 입까지의 거리 정보를 이용하여 표정을 인식한다. 1, 2차 특징점 추출 과정을 거치므로 추출률이 매우 높고 특징점들의 표정에 따른 변화 거리를 이용하므로 표정 인식률이 높다. 본 논문은 안경 착용 영상과 같이 복잡한 얼굴 영상에서도 표정 인식이 가능하다.

본 연구에서는 19대 대선 TV토론에 나타난 각 후보자들의 등장빈도, 표정, 응시방향이 방송뉴스에 어떻게 프레임되어 보도되었는지 연구하였다. 본 연구에서는 방법론적으로 심층 학습(deep learning)기반 동영상 처리 알고리즘을 통해 후보자들의 등장빈도, 표정과 응시방향을 분석하였다. TV토론에 등장하는 5명의 후보들의 이미지에 대한 자동 학습으로, 이들의 얼굴을 인식, 분류할 수 있게 한 후, 이들의 표정과 응시방향 역시 자동으로 컴퓨터가 자동으로 인식할 수 있도록 하였다. 이렇게 개발된 자동분석 알고리즘을 방송뉴스 이미지와 TV토론 영상에 적용 및 비교분석하여, 방송뉴스가 TV토론을 어떻게 보도했는지, 균형성과 진실성 측면에서 분석하였다. 방송뉴스의 분석결과, 채널별로 후보들이 등장한 빈도는 모두 다르게 나타났다. 대체적으로 심상정 후보가 많이 보도되었고, 문재인 후보가 가장 적게 보도되었다. 표정과 응시에 대한 보도에서도 후보자별 편차가 존재했다. 문재인 후보의 경우, 만족스러운 표정의 비중이 높았고, 안철수 후보의 경우 짜증스러운 표정이 대체적으로 비중 있게 보도되었다. TV토론과 방송뉴스의 영상비교분석 결과, 표정의 경우 유승민 후보를 제외한 다른 후보들의 경우 TV토론과 방송뉴스 보도 간 상관관계가 전혀 존재하지 않았다. 문재인 후보와 홍준표 후보는 6회의 TV토론에 걸쳐 분노, 짜증 또는 무표정 등 부정적인 표정이 사라지고 만족감을 나타내는 표정이 실제 토론에서 지은 것보다 더 많이 보도되었다. 응시방향의 경우 홍준표 후보는 정면 응시가 뉴스 보도에 더 많이 반영된 반면, 안철수 후보는 주로 아래 응시, 그리고 유승민 후보는 주로 위를 응시하는 시선이 뉴스 보도에서 더 많이 반영되었다.

In this study, we studied how the frequency of appearance, facial expressions, and gaze directions of candidates appearing in the 19th presidential election TV debate were framed and reported on broadcast news. Methodologically, the frequency of appearance, facial expression, and gaze direction of candidates were analyzed through a video processing algorithm based on deep learning. By automatically learning the images of the five candidates appearing in the TV debate, their faces were recognized and classified, and their facial expressions and gaze directions were also automatically recognized by the computer. The automatic analysis algorithm developed was applied to analyze how the broadcast news reported the TV discussion in terms of balance and truthfulness. The results showed that candidates were not equally represented in news stories. There were variations among candidates in terms of their representation of facial expressions and gaze in news stories. The results are discussed in detail in the study.