http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임종화(Jong-Hwa Lim),심규석(Kyuseok Shim),김철연(Chulyun Kim) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.1A
순차 패턴을 찾는 것은 데이타 마이닝 응용분야에서 중요한 문제이다. 기존의 순차 패턴 마이닝 알고리즘들은 아이템으로만 이루어진 순차 패턴만을 찾아 주었다. 하지만 아이템과 관련된 퀀터티 정보가 더욱 유용한 정보를 제공해 주는 경우가 많이 있다. 본 논문에서는 퀀터티가 있는 순차 패턴을 찾는 알고리즘을 소개한다. 기존 알고리즘을 초보적으로 확장한 알고리즘은 탐색 공간을 모두 다 검색하여 결과를 얻는 방법을 사용하기 때문에 결과적으로 나쁜 성능을 나타내었다. 이러한 단점을 없애기 위해 여과 과정과 샘플링 기반 알고리즘을 사용하여 검색해야 하는 후보 패턴의 수를 줄여줌으로써 알고리즘의 성능을 개선하였다. 실험 결과는 새로운 방법들이 초보적인 확장을 한 기존 알고리즘보다 훨씬 더 좋은 성능을 나타냄을 보여주었다.
임플란트 인상 채득 시 트레이 종류에 따른 인상체의 정확도에 관한 비교 연구
이현정,임종화,이준석,Yi, Hyun-Jung,Lim, Jong-Hwa,Lee, Joon-Seok 대한치과보철학회 2010 대한치과보철학회지 Vol.48 No.1
연구 목적: 보편화된 임플란트 치료의 장기적인 성공을 위해서는 임플란트와 상부 보철물의 연결 시 완전한 수동적 적합을 이루는 것이 중요하며, 이를 위해서는 정확하게 인상 채득하는 것이 필요하다. 이 연구에서는 임플란트 고정체 수준 인상 채득 방법 중 인상체 제거 후 인상용 코핑이 인상체에 남아있는 open tray 인상법과 구강 내에 남아있는 closed tray 인상법, 그리고 인상 채득 시 사용될 수 있는 여러 트레이에 대해 비교 연구해 보고자 하였다. 연구 재료 및 방법: 실험 모형은 하악 악궁 형태로 열중합형 아크릴릭 레진을 이용하여 제작하였고, vertical gap을 관찰할 20 mm 간격의 기준 구조물을 제작한 후 이를 이용하여 실험 모형에 임플란트 유사체를 매몰하였다. 실험군은 트레이 레진으로 제작한 개인 트레이, 폴리카보네이트 기성 트레이 그리고 금속 기성 트레이 등의 3가지 트레이를 이용하였고, closed tray 인상법과 open tray 인상법의 2가지 인상 채득법에 따라 5개 군으로 나누었다. 그리고 위치에 따른 오차를 관찰하기 위해 시편 모형을 전치부, 구치부로 다시 나누어 총 10개의 실험군을 구성하였다. 1군당 총 9개의 시편을 제작하였고, 시편에 기준 구조물을 한 쪽 지대주만 20 Ncm으로 고정시킨 후 관찰하는 1-screw test를 이용하여 반대쪽의 임플란트 유사체와 지대주와의 gap을 입체 광학 현미경을 이용하여 관찰하였다. 1시편당총6부위를 측정하였고, 3회씩 측정하여 동일한 결과를 얻었을 때 수치를 기록하여 통계 처리하였다. 결과: Closed tray 인상법 사용 시 폴리카보네이트 기성 트레이와 개인 트레이 간에 유의한 차이를 보였지만, open tray 인상법 사용 시 폴리카보네이트 기성 트레이와 개인 트레이 간에 유의한 차이를 보이지 않았다. 폴리카보네이트 기성 트레이를 이용한 인상 채득 시 open tray 인상법과 closed tray 인상법 간에 유의한 차이를 보였고 (P<.05), 폴리카보네이트 트레이를 이용한 closed tray 인상법을 개인 트레이를 이용한 open tray 인상법과 비교 시 전치부, 구치부 모두에서 유의한 차이를 보였다 (P<.05). 결론: 폴리카보네이트 기성 트레이를 사용 시에는 open tray 인상법이 더 추천되는 바이며, 생체 외 실험의 한계성에 유의해야 하며, 정확한 임플란트 고정체 수준 인상 채득에 대해 더 많은 연구가 필요하다고 사료된다. Purpose: The objective of this study was to evaluate and compare the accuracy of impression body taking by the closed and the open tray impression technique with 3 types of impression tray. Individual tray, metal stock tray and polycarbonate tray were used. Materials and methods: Nine closed tray impressions were taken by individual tray, metal stock tray and polycarbonate stock tray, respectively with polyether impression material. 9 open tray impressions were also acquired by same manner. Precision analysis on the master models was performed by attaching the reference frameworks with alternate single screws and measuring the vertical fit discrepancy of respective analogues in working cast with a stereo microscope. Data were analyzed by 1 way ANOVA and independent t-test. Results: The average fit accuracy of impression bodies was calculated. With the closed tray impression technique, there were significant statistical differences in vertical fit discrepancy according to the types of tray. The individual tray group showed the lowest value and the polycarbonate stock tray group represented the highest. With the open tray impression technique, there was no significant difference in vertical fit discrepancy. Significant statistical difference in vertical fit discrepancy was found between the open and the closed impression technique with the polycarbonate stock tray. Conclusion: From the results above, more precise impressions could be acquired by the rigid individual tray compared with the polycarbonate stock tray. It was hard to get consistent accuracy impressions by the closed tray impression technique with polycarbonate stock trays.
김철연(Chulyun Kim),임종화(Jong-Hwa Lim),Raymond T. Ng,심규석(Kyuseok Shim) 한국정보과학회 2006 정보과학회논문지 : 데이타베이스 Vol.33 No.5
순차 패턴을 찾는 것은 데이타마이닝 응용분야에서 중요한 문제이다. 기존의 순차 패턴 마이닝 알고리즘들은 아이템으로만 이루어진 순차 패턴만을 취급하였으나 경제나 과학분야와 같은 많은 분야에서는 정량 정보가 아이템과 같이 기록되어 있으며, 기존의 알고리즘이 처리하지 못하는 이러한 정량 정보는 사용자에게 보다 유용한 정보를 전달하여 줄 수 있다 본 논문에서는 정량 정보를 포함한 순차패턴 마이닝 문제를 제안하였다. 기존의 순차패턴 알고리즘에 대한 단순한 확장으로는 모든 정량에 대한 후보 패턴들을 모두 생성하기 때문에 확대된 탐색 공간을 효율적으로 탐색할 수 없음을 보이고, 이러한 단순한 확장 알고리즘의 성능을 대폭 향상시키기 위하여 정량정보에 대해 해쉬 필터링과 정량 샘플링 기법을 제안하였다. 다양한 실험 결과들은 제안된 기법들이 단순히 확장된 알고리즘과 비교하여 수행시간을 매우 단축시켜 줄 뿐만 아니라, 데이타베이스 크기에 대한 확장성 또한 향상시켜줌을 보여 준다. Discovering sequential patterns is an important problem for many applications. Existing algorithms find sequential patterns in the sense that only items are included in the patterns. However, for many applications, such as business and scientific applications, quantitative attributes are often recorded in the data, which are ignored by existing algorithms but can provide useful insight to the users. In this paper, we consider the problem of mining sequential patterns with quantities. We demonstrate that naive extensions to existing algorithms for sequential patterns are inefficient, as they mayenumerate the search space blindly. Thus, we propose hash filtering and quantity sampling techniques that significantly improve the performance of the naive extensions. Experimental results confirm that compared with the naive extensions, these schemes not only improve the execution time substantially but also show better scalability for sequential patterns with quantities.