gCRM을 위한 공간 데이터 통합관리 시스템의 설계 및 구현

김삼근,문일환,안재근,Kim, Sam-Geun,Moon, Il-Hwan,Ahn, Jae-Geun 한국정보처리학회 2011 정보처리학회논문지D Vol.18 No.1

최근 기업 데이터의 약 80%가 공간적인 요소를 포함하고 있다는 사실이 크게 부각됨에 따라 고객 관계 관리(Customer Relationship Management, CRM) 시스템에 공간 데이터를 활용하고자 하는 새로운 분석 방법에 대한 요구가 증가하고 있다. 하지만 전통적인 CRM 시스템은 공간 데이터를 관리하거나 공간 데이터를 이용한 사용자 환경을 제공하기에 부적합하다. 본 논문에서는 레거시 CRM 시스템과 객체 지향 데이터베이스를 이용하여 엔터프라이즈 데이터와 공간 데이터의 통합관리가 가능하고 gCRM(geographic CRM)을 위한 시각화 및 분석기능을 지원하는 공간 데이터 통합관리 시스템을 설계 및 구현하였다. 본 논문에서 제시한 시스템 구축을 통하여 기 구축된 CRM 시스템에 공간 데이터 관리 및 분석이 가능한 gCRM을 효과적으로 적용할 수 있음을 확인하였다. Recently, the necessity of new methods of spatial data integration and analysis in CRM has been increased since it is acknowledged that about eighty percent of all data stored in corporate databases has a spatial component. But conventional CRM systems are either incapable of managing spatial data or are not user-friendly when doing so. This paper has designed and implemented spatially-enabled integration management system that can manage consistently both enterprise and spatial data through a legacy CRM system and object-oriented database and additionally support spatial analysis and map visualization for a gCRM. Through implementation, it is demonstrated that the proposed system can facilitate effectively spatial data management and analysis in a legacy CRM system.

웹 환경에서 인공신경망을 이용한 증상 진단 시스템

김삼근,김병천,Kim, Sam-Geun,Kim, Byeong-Cheon 한국정보처리학회 2002 정보처리학회논문지B Vol.9 No.4

최근 자신의 건강에 관한 관심이 고조됨에 따라 웹 상에서 많은 증상 진단 사이트들이 대두되고 있다. 그러나 기존의 건강정보 사이트들은 사용자에게 매우 제한된 기능만을 제공하고 있다. 본 논문에서는 신경망의 학습 효과를(전문가의 지식이 아니라) 진단 과정에 통합되도록 함으로써 유연한 증상-진단 도구를 제안한다. 즉 사용자(흑은 전문가)가 웹 상에서 단계별로 지정한 증상들을 바탕으로 하여 신경망 모델에 적용함으로써 보다 유연하게 사용자의 질병을 예측할 수 있는 새로운 알고리즘을 개발한다. 제안한 알고리즘은 두 가지 중요한 특징을 가진다 : 1) 일반 사용자들은 조기에 자신의 질병에 대한 진단을 받을 수 있고, 2) 전문가는 예상 질병 목록과 함께 각 질병의 가능성(확률)을 참조함으로써 진단의 정확성을 높일 수 있다는 점이다. Being recently increased interests of our healthcare, a host of symptoms-diagnostic sites has been introduced on the World Wide Web. But conventional healthcare sites provide users with only a very restricted functions. In this paper, we propose the use of Artificial Neural Networks (ANNs) as a flexible symptoms-diagnostic tool that enables learning effects of ANNs (not expert's knowledge) to be incorporated into the diagnostic process. We develop a novel algorithm for predicting patient\`s disease that satisfy user (or expert)-specified symptoms on WWW. Our algorithm provides two important benefits : 1) enables users (patients) to be taken early diagnostic, and 2) enables experts to perform confidently diagnostic by referencing the predicted diseases-list with its respective possibility.

RFID 기반 문화재 복원용 임목 이력 정보 시스템의 설계 및 구현

김삼근(Sam-Geun Kim),문일환(Il-Hwan Moon),박재표(Jae-Pyo Park) 한국통신학회 2010 韓國通信學會論文誌 Vol.35 No.9

모바일 컴퓨팅 환경에서 데이터의 중요도에 기반한 캐시 교체와 일관성 유지

김삼근(Sam-geun Kim),김형호(Hyung-ho Kim),안재근(Jae-geun Ahn) 한국통신학회 2011 韓國通信學會論文誌 Vol.36 No.2

재배 작물 추천을 위한 셀프서비스 비즈니스 인텔리전스 시스템

김삼근(Sam-Keun Kim),김광채(Kwang-Chae Kim),김현우(Hyeon-Woo Kim),정우진(Woo-Jin Jeong),안재근(Jae-Geun Ahn) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.3

전통적인 BI(Business Intelligence) 시스템은 제 시간에 더 나은 의사결정을 위한 도구로 널리 사용되어 왔다. 그러나 급증하는 데이터에 대한 효율적 분석을 위해 데이터 웨어하우스를 구축하는 일은 시간이 오래 걸리고 복잡하다. 특히, 데이터 웨어하우스 구축에 요구되는 ETL(Extract, Transform, Load) 프로세스는 BI 플랫폼이 클라우드 환경으로 전환되면서 훨씬 더 복잡해졌다. 이러한 ETL 이슈를 극복하기 위해 MongoDB와 같은 NoSQL 데이터베이스에 기반한 다양한 BI 솔루션들이 제안되었다. 한편, 의사 결정권자는 IT 부서나 BI 전문가의 도움 없이 데이터에 쉽게 접근할 수 있기를 원한다. 최근, 이러한 BI 이슈들을 해결하기 위한 방안으로 셀프서비스 BI가 등장하였다. 본 논문에서는 귀농귀촌인의 재배 작물 선택을 지원하기 위해 MongoDB 클라우드를 데이터 웨어하우스로 하는 농업 데이터 기반의 셀프서비스 BI 시스템을 제안한다. 제안 시스템은 의사 결정권자에게 통찰력을 제공하기 위해 MongoDB 차트를 이용한 데이터 시각화 기능, 고급 데이터 검색을 위한 리포팅 기능, 실시간 데이터 분석을 위한 모니터링 기능을 지원한다. 의사결정권자는 다양한 방식으로 데이터에 직접 접근할 수 있고, 제안 시스템의 기능들을 활용하여 셀프서비스 방식으로 데이터를 분석할 수 있다. Traditional business intelligence (BI) systems have been used widely as tools for better decision-making on time. On the other hand, building a data warehouse (DW) for the efficient analysis of rapidly growing data is time-consuming and complex. In particular, the ETL (Extract, Transform, and Load) process required to build a data warehouse has become much more complex as the BI platform moves to a cloud environment. Various BI solutions based on the NoSQL database, such as MongoDB, have been proposed to overcome these ETL issues. Decision-makers want easy access to data without the help of IT departments or BI experts. Recently, self-service BI (SSBI) has emerged as a way to solve these BI issues. This paper proposes a self-service BI system with farming data using the MongoDB cloud as DW to support the selection of new crops by return-farmers. The proposed system includes functions to provide insights to decision-makers, including data visualization using MongoDB charts, reporting for advanced data search, and monitoring for real-time data analysis. Decision makers can access data directly in various ways and can analyze data in a self-service method using the functions of the proposed system.

심층 CNN 기반 구조를 이용한 토마토 작물 병해충 분류 모델

김삼근(Sam-Keun Kim),안재근(Jae-Geun Ahn) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.5

토마토 작물은 병해충의 영향을 많이 받기 때문에 이를 예방하지 않으면 농업 경제에 막대한 손실을 초래할 수 있다. 따라서 토마토의 다양한 병해충의 진단을 빠르고 정확하게 진단하는 시스템이 요구된다. 본 논문에서는 ImageNet 데이터 셋 상에서 다양하게 사전 학습된 딥러닝 기반 CNN 모델을 적용하여 토마토의 9가지 병해충 및 정상인 경우의 클래스를 분류하는 시스템을 제안한다. PlantVillage 데이터 셋으로부터 발췌한 토마토 잎의 이미지 셋을 3가지 딥러닝 기반 CNN 구조를 갖는 ResNet, Xception, DenseNet의 입력으로 사용한다. 기본 CNN 모델 위에 톱-레벨 분류기를 추가하여 제안 모델을 구성하였으며, 훈련 데이터 셋에 대해 5-fold 교차검증 기법을 적용하여 학습시켰다. 3가지 제안 모델의 학습은 모두 기본 CNN 모델의 계층을 동결하여 학습시키는 전이 학습과 동결을 해제한 후 학습률을 매우 작은 수로 설정하여 학습시키는 미세 조정 학습 두 단계로 진행하였다. 모델 최적화 알고리즘으로는 SGD, RMSprop, Adam을 적용하였다. 실험 결과는 RMSprop 알고리즘이 적용된 DenseNet CNN 모델이 98.63%의 정확도로 가장 우수한 결과를 보였다. Tomato crops are highly affected by tomato diseases, and if not prevented, a disease can cause severe losses for the agricultural economy. Therefore, there is a need for a system that quickly and accurately diagnoses various tomato diseases. In this paper, we propose a system that classifies nine diseases as well as healthy tomato plants by applying various pretrained deep learning-based CNN models trained on an ImageNet dataset. The tomato leaf image dataset obtained from PlantVillage is provided as input to ResNet, Xception, and DenseNet, which have deep learning-based CNN architectures. The proposed models were constructed by adding a top-level classifier to the basic CNN model, and they were trained by applying a 5-fold cross-validation strategy. All three of the proposed models were trained in two stages: transfer learning (which freezes the layers of the basic CNN model and then trains only the top-level classifiers), and fine-tuned learning (which sets the learning rate to a very small number and trains after unfreezing basic CNN layers). SGD, RMSprop, and Adam were applied as optimization algorithms. The experimental results show that the DenseNet CNN model to which the RMSprop algorithm was applied output the best results, with 98.63% accuracy.

기상 데이터를 이용한 데이터 마이닝 기반의 산불 예측 모델

김삼근(Sam-Keun Kim),안재근(Jae-Geun Ahn) 한국산학기술학회 2020 한국산학기술학회논문지 Vol.21 No.8

산불은 경제, 자연환경, 건강과 같은 삶의 여러 측면에서 몇 가지 악영향을 주는 가장 핵심적인 환경위험 중의 하나이다. 산불의 조기발견, 빠른 예측, 신속한 대응은 산불 위험으로부터 재산과 생명을 구하는데 본질적인 역할을 할 수 있다. 산불의 빠른 발견을 위해 기상청에서 각 지역에 설치한 로컬 센서를 통해 획득한 기상 데이터를 이용하는 방법이 있다. 기상 조건(예: 온도, 바람)은 산불 발생에 영향을 미친다고 알려져 있다. 본 논문에서는 산불의 피해 면적을 예측하기 위해 데이터 마이닝(DM) 기법을 적용한다. 다섯 종류의 DM 모델, 예를 들어 Stochastic Gradient Descent(SGD), Support Vector Machines(SVM), Decision Tree(DT), Random Forests(RF), Deep Neural Network(DNN)과 네 가지 입력 특성 그룹(공간, 시간, 기상 데이터 이용)을 최근 5년간의 경기도 지역에서 수집한 실제 산불 발생 데이터에 적용하였다. 실험결과는 기상 데이터만을 이용한 DNN 모델이 가장 우수한 성능을 보였다. 제안한 모델은 빈도수가 높은 작은 규모의 산불 예측에 더 효과적이었다. 제안한 예측 모델을 통해 도출된 이러한 지식은 소방자원 관리를 개선하는데 특히 유용하다. Forest fires are one of the most important environmental risks that have adverse effects on many aspects of life, such as the economy, environment, and health. The early detection, quick prediction, and rapid response of forest fires can play an essential role in saving property and life from forest fire risks. For the rapid discovery of forest fires, there is a method using meteorological data obtained from local sensors installed in each area by the Meteorological Agency. Meteorological conditions (e.g., temperature, wind) influence forest fires. This study evaluated a Data Mining (DM) approach to predict the burned area of forest fires. Five DM models, e.g., Stochastic Gradient Descent (SGD), Support Vector Machines (SVM), Decision Tree (DT), Random Forests (RF), and Deep Neural Network (DNN), and four feature selection setups (using spatial, temporal, and weather attributes), were tested on recent real-world data collected from Gyeonggi-do area over the last five years. As a result of the experiment, a DNN model using only meteorological data showed the best performance. The proposed model was more effective in predicting the burned area of small forest fires, which are more frequent. This knowledge derived from the proposed prediction model is particularly useful for improving firefighting resource management.

전이 학습 기반의 모바일 작물 질병 진단을 위한 PWA

김삼근(Sam-Keun Kim),허환(Whan Hur),안재근(Jae-Geun Ahn) 한국산학기술학회 2022 한국산학기술학회논문지 Vol.23 No.2

수송문제의 치명 수요마디를 찾는 문제의 해법

안재근(Jae-Geun Ahn),김삼근(Sam-Keun Kim) 한국산학기술학회 2023 한국산학기술학회논문지 Vol.24 No.9

수송문제는 m개의 공급마디에서 n개의 수요마디로 물건을 운송하는데 있어서 가장 저렴한 값으로 운송할 수 있는 방법을 찾고자 하는 문제이다. 또한, 치명호 문제와 치명마디 문제는 해당 네트워크에서 특정 호나 특정 마디를 제거하여 네트워크의 성능을 가장 나쁘게 하는 호나 마디를 찾는 문제이다. 본 연구는 수송문제에서 특정 수요마디의 제거를 통해 네트워크의 성능을 가장 나쁘게 하는 수요지를 찾는 문제를 정의하고 이 문제에 대하여 살펴본다. 이를 위해 수요마디의 제거를 통해 성능이 나빠지는 기준 3가지를 제시하였다. 또한, 특정 수요마디가 제거된 부분수송문제를 수리모형으로 제시하고, 이 부분수송문제를 모든 수요마디에 대하여 반복적으로 적용하여 치명 수요마디를 찾는 방법을 제시하였다. 이 문제는 수송문제에서 수요량의 강제적 감소의 영향을 가장 많이 받는 수요마디가 어떤 마디인지를 구하고자 할 경우에 사용될 수 있다. 즉, 수출 규제, 수출 제한 등과 같은 글로벌 공급망의 변동에 효과적으로 대응하고자 하는 의사결정에 적용될 수 있다. One problem in transportation is finding the cheapest way to transport goods from supply nodes to demand nodes. In addition, the most vital arc problem and the most vital node problem require finding an arc or node that causes the worst performance of the network by removing a specific arc or node. In this study, we defined the problem of finding the demand point that has the worst performance of the network through the removal of a specific demand point in the transportation problem and examined it. To this end, three criteria are presented for deteriorating performance through the removal of a demand point. In addition, a partial transportation problem in which a specific demand point is removed is presented as a mathematical model, and a method is presented for finding the most vital demand point (MVDP) by repeatedly applying this partial transportation problem to all demand points. This problem can be used in a transportation problem to find out which node that is most affected by a forced decrease in demand. It can be applied to decision-making to effectively respond to changes in the global supply chain, such as trade disputes.

數學史에 나타난 非유클리트 幾何學에 關한 硏究

조등호,김삼근 안성산업대학교 1995 論文集 Vol.27 No.-

Geometry is prime mover in mathematics, and a system of mathematics got accomplished in the beginning of geometry. The geometry was developed by the ancient Greek's people, because the Greek's people had the logical thought. Under the logical thought Euclidean geometry got born, which formed the formal system of mathematics. Especially an Euclidean paralled axiom had been an object of a large number of scholars, and finally came out of discovery of Non-Euclidean geometry. In this thesis Ilooked into borning process of Non-Euclidean geometry andnecessity of Non-Euclidean thought in mathematical thought.