Earticle

본 연구에서 탄도 미사일(로켓)과 드론을 분류하는 문제에 대해서 다루었다. 효율적인 방공작전을 위하여 미사일과 드론에 따라서 조치해야하는 상황이 다르기 때문에 미사일과 드론을 분류하는 문제는 중요하다. 우리는 머신러닝 모델 중에 서포트 벡터 모델을 이용하여 각 비행 특성을 고려하여 미사일 또는 드론의 분류 방법을 제안하였다. 미사일과 드론 데이터를 수집하 기 위해서 오픈 미사일 시뮬레이터실험과 실제 드론 비행을 실시하여 직접 데이터를 구축하였다. 실험결과는 서포트벡터 머신 을 통해서 미사일과 드론에 대하여 100% 정확도로 분류 가능한 것을 볼 수가 있었다.

This study addresses the problem of classifying ballistic missiles (rockets) and drones. The classification of missiles an d drones is important because different actions need to be taken for effective air defense operations depending on whether the object is a missile or a drone. We propose a method for classifying missiles and drones by considering their flight cha racteristics using a support vector machine (SVM) model. To collect missile and drone data, we constructed a dataset thro ugh open missile simulator experiments and actual drone flights. The experimental results show that the support vector m achine can classify missiles and drones with 100% accuracy.

본 연구는 외국인 유학생의 학업 중도포기 예측 모델 개발을 목적으로 한다. 이를 위해 재한 베트남인 유학생의 중도포기에 영향을 미치는 요인들을 탐색하고, 기계학습을 활용하여 학생들의 중도포기 가능성을 예측하였다. 먼저 학생들의 학습자 성향을 밝히기 위한 조사를 실시하였으며 그 결과 행동조절, 학습 동기, 과제 난이도, 상호작용, 자기효능감 등 5개의 요인이 추출되었다. 이 요인들을 독립변수로, 그리고 중도포기 관련 항목들을 종속변수로 설정하여 정확도가 높은 예측 모델을 탐색하였다. 로지스틱 회귀분석과 서포트벡터머신을 적용한 결과 70%가 넘는 정확도를 보이는 예측 모델들이 구축되었다. 이는 본 연구에서 추출한 변인들이 외국인 유학생의 중도포기와 상관관계가 있음을 보여주는 동시에 당면한 교수-학습 문제들을 사전에 충분히 예방할 수 있음을 시사한다. 이러한 연구 결과를 바탕으로 중도포기 징후가 있는 학습자를 사전에 중점 관리하는 방안들이 모색될 필요가 있다.

This study aims to develop a model for predicting academic dropout among foreign students. In view of this, the factors impacting Vietnamese students’ dropout rates in Korea were explored, and machine learning was used to predict the likelihood of dropout. First, a survey was conducted to ascertain students' learning preferences. Five factors were extracted: behavior control, learning motivation, task difficulty, interaction, and self-efficacy. A predictive model with high accuracy was developed by considering these factors as independent variables and items related to dropout as dependent variables. After using logistic regression analysis and support vector machines, predictive models with over 70% accuracy were developed. This shows that the variables extracted in this study are correlated with the dropout of foreign students, while also providing evidence that the current issues with teaching and learning can be well avoided in advance. These research results indicate that it is essential to focus on managing students who are showing early signs of dropping out.

본 논문은 개인 사용자의 트윗을 분석하여 사용자의 감정 흐름을 모니터링할 수 있는 새로운 방법을 제안한다. 본 논문에서는 사용자의 감성 흐름을 정확하게 예측하기 위해서 기존의 텍스트 위주의 시스템과 달리 본 연구에서는 사용자가 쓴 텍스트와 영상 등으로부터 감성을 인식하는 멀티 모달 분석 기법이 개발된다. 제안된 방법에서는 먼저 어휘분석 및 문맥을 이용한 텍스트분석기와 학습기반의 영상감성인식기를 이용하여 텍스트 및 영상 트윗에 숨겨진 개별 감성을 추출한다. 이후 이들은 규칙기반 통합 방법에 의해 날짜별로 통합되고, 마지막으로 개인의 감성흐름을 보다 직관적으로 관측할 수 있도록 감성흐름그래프로 시각화한다. 제안된 방법의 효용성을 평가하기 위해 두 단계의 실험이 수행되었다. 먼저 4만여 개의 트윗으로부터 제안된 방법의 정확도 평가 실험이 수행되고, 최신 트윗 분석 기술과 비교 분석되었다. 두 번째 실험에서는 40명의 우울증을 가진 사용자와 일반사용자를 구분할 수 있는지에 대한 실험이 수행된 결과, 제안된 기술이 실제 사용자의 감성흐름을 모니터하는데 효율적임을 증명하였다.

In this paper, we propose a novel method for monitoring mood trend of Twitter users by analyzing their daily tweets for a long period. Then, to more accurately understand their tweets, we analyze all types of content in tweets, i.e., texts and emoticons, and images, thus develop a multimodal sentiment analysis method. In the proposed method, two single-modal analyses first are performed to extract the users’ moods hidden in texts and images: a lexicon-based and learning-based text classifier and a learning-based image classifier. Thereafter, the extracted moods from the respective analyses are combined into a tweet mood and aggregated a daily mood. As a result, the proposed method generates a user daily mood flow graph, which allows us for monitoring the mood trend of users more intuitively. For evaluation, we perform two sets of experiment. First, we collect the data sets of 40,447 data. We evaluate our method via comparing the state-of-the-art techniques. In our experiments, we demonstrate that the proposed multimodal analysis method outperforms other baselines and our own methods using text-based tweets or images only. Furthermore, to evaluate the potential of the proposed method in monitoring users’ mood trend, we tested the proposed method with 40 depressive users and 40 normal users. It proves that the proposed method can be effectively used in finding depressed users.

본 논문에서는 전력선통신 시스템에서 인공지능 기반 스펙트럼 할당 기법을 제안한다. 송신 신호의 주파수 대역은 스펙트럼 할당기법을 통해서 조정이 가능하고, 이를 통해 간섭을 피할 수 있다. 이에 따라 전력선 통신 시스템의 성능과 스펙트럼 효율이 향상된다. 시뮬레이션 결과를 통해 제안된 스펙트럼 할당 기법을 통해 스펙트럼 효율 향상과 통신 시스템의 성능이 향상된다는 것을 증명하였다.

In this paper, we propose an artificial intelligence based spectrum allocation scheme for power line communication system. The frequency band of the transmitted signal can be adjusted through the spectrum allocation technique, thereby avoiding interference. This improves the performance of the transmission signal and the spectral efficiency. Through the simulation results, we show that the proposed spectrum allocation technique improves the spectral efficiency and improve the communication performance.

본 논문에서는 기계학습 방법에 기반을 둔 119 긴급 신고 전화 전사 데이터에 대한 구급, 구조, 화재 상 황 분류 알고리즘을 개발하였다. 신고전화에서 빈번하게 발생하는 비정형 발화 패턴을 효율적으로 정규화 하고 자연어 문장 처리 기법에서 일반적으로 사용하는 방법을 적용하여 신고전화 텍스트 데이터를 기계학 습에서 사용할 수 있는 특징 벡터로 재구성하였다. 2743개의 신고전화에 대해 선형 서포트 벡터 머신을 이 용하여 상황 분류를 수행한 결과, 92% 의 정확도를 얻을 수 있었다.

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.