http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 서양모 (검색결과 7 건)
- 무료
- 기관 내 무료
- 유료
-
서양모,김원균 대한공간정보학회 2015 Spatial Information Research Vol.23 No.6
In this study, define the concept of spatial big data and special feature of spatial big data, examine information visualization methodology for increase the insight into the data. Also presented problems and solutions in the visualization process. Spatial big data is defined as a result of quantitative expansion from spatial information and qualitative expansion from big data. Characteristics of spatial big data id defined as 6V (Volume, Variety, Velocity, Value, Veracity, Visualization), As the utilization and service aspects of spatial big data at issue, visualization of spatial big data has received attention for provide insight into the spatial big data to improve the data value. Methods of information visualization is organized in a variety of ways through Matthias, Ben, information design textbook, etc, but visualization of the spatial big data will go through the process of organizing data in the target because of the vast amounts of raw data, need to extract information from data for want delivered to user. The extracted information is used efficient visual representation of the characteristic, The large amounts of data representing visually can not provide accurate information to user, need to data reduction methods such as filtering, sampling, data binning, clustering. 본 연구에서는 공간빅데이터의 개념과 특징을 정의하고 데이터에 대한 통찰력을 높일 수 있는 정보 시각화 방법론을 조사하였다. 또한 시각화 과정에서 발생할 수 있는 문제점 및 해결방법을 제시하였다. 공간빅데이터를 공간정보의 정량적인 확장의 결과와 빅데이터의 정성적인 확장의 결과로 정의하였다. 공간빅데이터는 6V(Volume, Variety, Velocity, Value, Veracity, Visualization)의 특징을 갖고 있으며, 최근 활용・서비스 측면이 이슈화 되면서 공간빅데이터에 대한 통찰력을 제공하여 데이터의 활용 가치를 높이기 위해 공간빅데이터의 시각화가 주목받고 있다. 정보 시각화의 방법은 Matthias, Ben, 정보디자인교과서 등을 통하여 다양한 방법으로 정의 되어 있으나 공간빅데이터의 시각화는 방대한 양의 원시 데이터를 대상으로 하기 때문에 데이터의 조직화 과정을 거쳐야 하며 이를 통해 사용자에게 전달하려는 정보를 추출해야 하는 차이점이 있다. 추출된 정보는 특성에 따른 적합한 시각적 표현 방법을 사용해야 하며, 많은 양의 데이터를 시각적으로 표현하는 것은 사용자에게 정확한 정보를 제공 할 수 없으므로 필터링, 샘플링, 데이터 비닝, 클러스터링 등을 이용하여 데이터를 축소하여 표현하는 방법이 필요하다.
-
서양모,김원균,Seo, Yang Mo,Kim, Won Kyun 한국공간정보학회 2015 한국공간정보학회지 Vol.23 No.6
본 연구에서는 공간빅데이터의 개념과 특징을 정의하고 데이터에 대한 통찰력을 높일 수 있는 정보 시각화 방법론을 조사하였다. 또한 시각화 과정에서 발생할 수 있는 문제점 및 해결방법을 제시하였다. 공간빅데이터를 공간정보의 정량적인 확장의 결과와 빅데이터의 정성적인 확장의 결과로 정의하였다. 공간빅데이터는 6V(Volume, Variety, Velocity, Value, Veracity, Visualization)의 특징을 갖고 있으며, 최근 활용 서비스 측면이 이슈화 되면서 공간빅데이터에 대한 통찰력을 제공하여 데이터의 활용 가치를 높이기 위해 공간빅데이터의 시각화가 주목받고 있다. 정보 시각화의 방법은 Matthias, Ben, 정보디자인교과서 등을 통하여 다양한 방법으로 정의 되어 있으나 공간빅데이터의 시각화는 방대한 양의 원시 데이터를 대상으로 하기 때문에 데이터의 조직화 과정을 거쳐야 하며 이를 통해 사용자에게 전달하려는 정보를 추출해야 하는 차이점이 있다. 추출된 정보는 특성에 따른 적합한 시각적 표현 방법을 사용해야 하며, 많은 양의 데이터를 시각적으로 표현하는 것은 사용자에게 정확한 정보를 제공 할 수 없으므로 필터링, 샘플링, 데이터 비닝, 클러스터링 등을 이용하여 데이터를 축소하여 표현하는 방법이 필요하다. In this study, define the concept of spatial big data and special feature of spatial big data, examine information visualization methodology for increase the insight into the data. Also presented problems and solutions in the visualization process. Spatial big data is defined as a result of quantitative expansion from spatial information and qualitative expansion from big data. Characteristics of spatial big data id defined as 6V (Volume, Variety, Velocity, Value, Veracity, Visualization), As the utilization and service aspects of spatial big data at issue, visualization of spatial big data has received attention for provide insight into the spatial big data to improve the data value. Methods of information visualization is organized in a variety of ways through Matthias, Ben, information design textbook, etc, but visualization of the spatial big data will go through the process of organizing data in the target because of the vast amounts of raw data, need to extract information from data for want delivered to user. The extracted information is used efficient visual representation of the characteristic, The large amounts of data representing visually can not provide accurate information to user, need to data reduction methods such as filtering, sampling, data binning, clustering.
-
기상 데이터를 활용한 LSTM 기반 미세먼지 농도 예측 방법 비교
서양모(Seo, Yang-Mo),염재홍(Yom, Jae-Hong) 한국측량학회 2019 한국측량학회 학술대회자료집 Vol.2019 No.4
미세먼지로 인한 대기오염이 심각해짐에 따라 정책의 수립 및 시행을 위해 정확한 미세먼지 농도를 예측하는 것이 중요해지고 있으며, 다양한 방법을 이용한 미세먼지 오염도 예측 연구들이 수행 되고 있다. 본 연구에서는 에어 코리아의 대기오염측정망에서 측정한 PM10의 이력 데이터와 기상청에서 제공하는 지역별상세관측자료(AWS) 데이터를 활용하여 LSTM(Long Short Term Memory)모델의 입력 시퀀스 형태에 따른 다양한 미세먼지 농도 예측 모델을 구성하고, 각 모델 별 학습을 통하여 최소의 오차(RMSE, MAPE)를 갖는 파라미터를 선정, 각 모델의 예측 결과를 비교하였다.
-
OpenStreetMap Data와 CCTV 번호판 인식 Data를 이용한 위치 기반 차량의 이동경로 추적 시스템
서양모(Seo, Yang-Mo),염재홍(Yom, Jae-Hong),최효석(Choe, Hyo-Seok) 한국측량학회 2011 한국측량학회 학술대회자료집 Vol.2011 No.4
Recently, the number of CCTV use has increased and has been used in various fileds such as crime preventation, disaster monitoring, facility management and transportation menagement. CCTV systems using vehicle license plate recognition has a high efficiency in crime-solving especially with license plate recongnition. Despite the increase in usage, the huge accumulation of data has hindered it"s efficitent use, but are limited used. The primary purpose of this study is to present an efficient way of handling CCTV data in a vehicle tracking and visualization system using of OpenStreetMap data and vehicle license plate data of obtained through CCTV.
-
와이블 고장모형 하에서의 이중샘플링 T2 관리도의경제적-통계적 설계 (이중샘플링 T2 관리도의 경제적-통계적 설계)
서양모 ( Yang Mo Seo ),홍성옥 ( Seong Ok Hong ),이민구 ( Min Koo Lee ) 한국품질경영학회 2015 품질경영학회지 Vol.43 No.4
Purpose: Double sampling T2 chart is a useful tool for detecting a relatively small shift in process mean when the process is controlled by multiple variables. This paper finds the optimal design of the double sampling T2 chart in both economical and statistical sense under Weibull failure model.Methods: The expected cost function is mathematically derived using recursive equation approach. The optimal designs are found using a genetic algorithm for numerical examples and compared to those of single sampling T2 chart. Sensitivity analysis is performed to see the parameter effects.Results: The proposed design outperforms the optimal design of the single sampling T2 chart in terms of the expected cost per unit time and Type-I error rate for all the numerical examples considered.Conclusion: Double sampling T2 chart can be designed to satisfy both economic and statistical requirements under Weibull failure model and the resulting design is better than the single sampling counterpart.
-
-
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
