크라우드소싱을 통한 참여형 기상기록정보의 수집에 관한 연구

이재능 명지대학교 기록정보과학전문대학원 2019 국내석사

A Study on Collecting Participatory Meteorological Record and Information through Crowdsourcing Lee Jae Neung Major of Archives & Information Science Graduate School of Records, Archives & Information Science, Myongji University Directed by Professor Lee Seung Hwi Meteorology influences not only our daily life but also the whole of our industry, including manufacture ∙ construction ∙ distribution ∙ insurance ∙ agriculture etc. Moreover, it has become a crucial consideration in the establishment and execution of national policy. However, due to the influence of global warming, meteorological phenomena such as rainfall or snowstorm are hard to predict accurately even with current scientific technology. In order to predict local meteorological phenomena, a more dense meteorological network is needed. This research has started from the recognition of this problem. It has been confirmed that, as an alternative, meteorological information collection through crowd-sourcing has been the focus, since it shows more potential in accurate and local weather forecast by collecting meteorological observation data from a spatially more dense region than the existing meteorological network. First of all, this research investigates each of the present condition, problem, and alternative of the following meteorological network: national meteorological information intelligence that provides meteorological information, private meteorological enterprises which target specific consumers, and private enterprises that provide meteorological information through crowd-sourcing. 크라우드소싱을 통한 참여형 기상기록정보의 수집에 관한 연구 이재능 명지대학교 기록정보과학전문대학원 기록관리 전공 지도교수 이승휘 기상은 우리의 일상 생활을 비롯하여 제조∙건설∙유통∙보험∙농업 등 산업 전체에 영향을 미치며, 더 나아가 국가의 정책 수립과 이를 이행해 나가는데 있어서 중요한 고려 사항 중 하나가 되었다. 그러나 지구 온난화의 영향으로 기습 강우나 폭설 등의 기상현상은 현재의 과학 기술로도 정확하게 예측하기 어려우며 이와 같은 국지적으로 일어나는 기상현상을 예측하기 위해 지금보다 더 조밀한 기상 관측망이 필요하다. 기상학계에서는 이에 대한 대안으로 크라우드소싱을 통한 기상정보수집을 주목하고 있음을 확인하였다. 이는 기존의 기상 관측망 보다 더 조밀한 공간적 범위로부터 기상 관측 데이터를 수집함으로 정확하고 국지적인 기상예보의 대한 가능성을 보여주고 있다. 이에 본 연구에서는 첫째, 기상정보제공 기관인 국가기상정보기관, 특정수요자 대상의 민간 기상 기업, 크라우드소싱을 통한 기상정보를 제공하는 민간 기업의 각각의 기상관측망의 현황과 문제점을 밝혔다. 둘째, 실제 아마추어 기상관측기기를 설치하여 기상 크라우드소싱에 참여하였다. 셋째, 향후 크라우드소싱을 활용한 기상기록정보 수집과 활용 방안에 관한 전망을 제시하였다. 크라우드소싱을 통한 기상정보의 수집은 기상관측데이터의 객관성과 신뢰성에 관한 문제가 큰 약점으로 언급되고 있지만 이를 해결하기 위한 연구와 기술 개발이 지속적으로 이루어지고 있음을 고려한다면 향후 현재보다 더 상세하고 정확한 국지적인 예보가 가능할 것으로 보인다. 또한 일반 대중이 기상관측정보를 생산할 뿐 아니라 기상예보과정에 참여할 수 있다는 점에서 의미가 둘 수 있다.

宋代 科擧制度와 學校振興

이재능 延世大學校 1994 국내석사

韓半島 統一 以後 韓國의 軍事戰略

이재능 延世大學校 行政大學院 1997 국내석사

디젤 엔진 흡기 시스템의 유동특성에 관한 실험적 연구

이재능 亞洲大學校 大學院 1996 국내석사

MATI法의 沈下量 減小效果에 關한 統計的 硏究

이재능 고려대학교 대학원 1980 국내석사

MAT工法의 沈下量 減少效果에 關한 統計的 硏究

이재능 高麗大學校 1980 국내석사

독립성분분석기반 딥 네트워크 설계 및 사용자 인식의 응용

이재능 조선대학교 2019 국내박사

본 논문에서는 독립성분분석기반 딥 네트워크인 ICANet1의 체계적인 구조를 제안하고, ICANet2 모델로 발전시킨다. 기존에 제안된 PCANet은 deep learning의 비해 계산량이 작고, 속도가 빠르다. 하지만 데이터의 변형에 따라 성능이 낮아지는 단점이 있다. 문제점을 해결하기 위해 ICANet알고리즘을 제안한다. ICANet알고리즘에는 2가지 구조가 있다. ICANet1 알고리즘의 첫 번째 단계는 평균제거단계이고, 중심영상을 구한다. 그 다음은 중심영상을 이용하여 공분산을 구하고, 그 값을 통해 고유벡터를 얻고, 마지막으로 고유벡터는 독립성분분석 필터의 입력으로 사용된다. 여기서 센터링 (centering) 과 화이트닝 (whitening) 단계가 실행되고, 가중치 업데이트를 통해 최적 독립성분 행렬이 얻어진다. 이 행렬을 이용하여 평균제거단계를 통해 얻어진 패딩영상과 합성곱이 계산된다. 이것이 바로 ICANet2의 첫 번째 단계이다. ICANet2의 경우에는 고유벡터를 사용하지 않고, PCA의 특징벡터를 이용한다. PCA 특징벡터의 상관관계를 제거하기 위해, ICA알고리즘을 이용하여 통계적 독립인 벡터를 찾는다. 통계적 독립 벡터를 이용함으로써 PCA의 단점을 개선 할 수 있고, 이를 통해 성능을 개선할 수 있다. ICANet의 2번째 단계는 1단계와 거의 동일하며, 1단계에서 얻은 데이터를 사용하기 때문에 차원의 수만 감소된다. 2단계에서 얻은 합성곱 데이터를 이용하여 출력 단계의 입력으로 사용된다. 여기서 해싱코드 단계와 히스토그램을 이용해서 독립성분분석 네트워크 특징을 얻을 수 있다. 최종 히스토그램에서 얻어진 특징 값은 벡터 화하여 분류기의 입력으로 사용된다. ICANet을 사용함으로써, 딥러닝 보다 구조가 얕기 때문에 성능은 떨어 질 수 있으나, 인식속도에서 월등한 면을 보여주고, 특히 모바일에서도 사용이 가능 할 것으로 기대된다. 분류기는 유클리드 거리, 제곱유클리드 거리, 도시블록 거리, 민코프스키 거리, 코사인거리, 상관관계 거리 그리고 스피어만 거리, SVM를 이용하여 성능을 나타낸다. 제안된 방법의 성능을 검증하기 위해 FERET 얼굴데이터, CU-FACE 데이터, CU-ECG 데이터, 노이즈 ECG 데이터베이스를 사용하였다. 실험결과 시간에 영향을 받은 Dup1, Dup2데이터의 경우 ICANet1, 2가 PCANet보다 좋은 성능을 가져왔다. 또한 잡음 심전도 데이터를 사용했을 때 PCANet보다 향상된 성능을 나타냈다. 이로써 ICANet알고리즘의 유효성을 증명하였다. In this paper, we propose a systematic structure of ICANet1, a deep network based on independent component analysis, and develop it into ICANet2 model. The proposed PCANet has smaller computational complexity and faster speed than deep learning. However, there is a disadvantage in that the performance is lowered according to the modification of data. The ICANet algorithm is proposed to solve the problem. There are two structures for the ICANet algorithm. The first stage of the ICANet1 algorithm is a step of mean removal and obtaining a central image. Next, the covariance is obtained by using the center image, the Eigenvector is obtained through the value, and finally, the Eigenvector is used as the input of the independent component analysis filter. Here, centering and whitening steps are performed, and an optimal independent component matrix ​​ is obtained by updating the weights. Using this matrix, a padding image obtained through the averaging step and convolution are calculated. This is the first step in ICANet2. ICANet2 does not use Eigenvectors but uses PCA feature vectors. To remove the correlation among the PCA feature vectors, the ICA algorithm is used to find that are statistically independent. The use of statistically independent vectors can help overcome the disadvantages of the PCA and improve the performance. The second stage of the ICANet is almost identical to the first stage, and because it uses the data from the first stage, only the number of dimensions is reduced. It is used as an input to the output stage using the resultant product data from Step 2. Here, the feature values ​​of the independent component analysis network can be obtained by using the hashing code step and the histogram. The feature values ​​ obtained from the final histogram are vectorized and used as an input to the classifier. By using ICANet, the performance is lower than that of deep learning, but it is expected to be superior to recognition speed, especially for mobile. The classifier shows performance using Euclidean distance, squared Euclidean distance, city block distance, Minkowski distance, cosine distance, correlation distance, and Spearman distance, SVM. To verify the performance of the proposed method, we used the FERET face, the CU-FACE, the CU-ECG, and the noise ECG database. Experimental results show that ICANet1 and 2 have better performance than PCANet for Dup1 and Dup2 data affected by time. In addition, when noise ECG data were used, it showed better performance than PCANet. This proved the validity of the ICANet algorithm.

실시간 승마 코칭을 위한 3차원 모션분석과 승마 보법분류

이재능 조선대학교 2015 국내석사

This paper constructed a professional horse-rider database by wearing a motion-capture suit attached with 16 inertial sensors, then made a visual comparative analysis through a few methods (graphical and statistical) on the values of all motion features (elbow angle, knee angle, knee-elbow distance, backbone angle and hip position) classified depending on horse types (using two horses named Warm-blood and Thoroughbred) and footpace types (at a trot and a canter) and obtained by various methods of calculating Euclidean distance, the second cosine, maximum and minimum values, and made a comparative analysis depending on motion features of a horse-rider by using MVN studio software. also we classified footpace type for real-time coaching, we obtained classification rate. in the study, the experimental results confirmed the validity of the proposed method of obtaining the motion feature database of a horse-rider in the wireless sensor network environment and making an analytical system.

音樂敎師 養成對象者의 音樂才能에 關한 調査硏究

김정식 慶熙大學校 1974 국내석사

함수의 체계성 분석 및 지도 방법의 연구

최재능 공주대학교 대학원 1998 국내석사