http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
RBM surface 임플란트의 골형성에 대한 EPMA 분석
정환종,임성빈,정진형,홍기석,Jung, Hwan-Jong,Yim, Sung-Bin,Chung, Chin-Hyung,Hong, Ki-Seok 대한치주과학회 2008 Journal of Periodontal & Implant Science Vol.38 No.3
Purpose: To evaluate bone formation on the implant surface between machined fixture and RBM surface fixture through analyzing of distribution and concentration of Ca and P by EPMA. Material and Methods: Fixtures had divided in 2 group: Machined(Group I), RBM (Group II). Total 4 fixtures were implanted on rabbit which sacrificed on 2 week and 4 week for the histological specimens. By these specimens EPMA value were measured, compared and analysed by each group to figure out the evidence of clinical use of RBM implant. Result: After 2 weeks and 4 weeks, it was analyzed that bone formation area, distribution and concentration of Ca and P by EPMA. In distribution and concentration of P Group II was higher than Group I, but there were no statistical significances. In new bone formation area, Group II was more higher than Group I with statistically significances. Both of group, after 4 weeks area is little bit higher than after 2 weeks area but there is no statistically significances. Conclusion: RBM implant was better than machined implant on the early bone formation.
빅데이터 클러스터링을 위한 K-Means 초기 중심 선정 연구
김영주 ( Yeong-ju Kim ),허유경 ( Yu-gyeong Heo ),백종상 ( Jong-sang Back ),정환종 ( Hwan-jong Jeong ),이성로 ( Sung-ro Lee ),정민아 ( Min-a Jung ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.2
K-Means 알고리즘은 구현이 쉽고,패턴수가 n일 때 시간 복잡도가 0(n)인 장점을 가져 대용량 데이터에서 널리 이용된다. 그러나,K-Means 알고리즘은 초기 클러스터 중심을 어떻게 선정하는가에 따라 할당-재계산 횟수,클러스터링 결과를 결정짓는다. 본 논문에서는 K-Means 알고리즘에서 클러스터 초기 중심 선정 연구를 살펴보고 계통임의추출법을 적용하여 K-Means 초기 중심 선정 방법을 제안한다. 제안한 방법은 대용량 데이터의 클러스터링 시간을 감소하고 정확도를 향상시킬 수 있다.