http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
오상혁(Sanghyeok Oh),민승기(Seungki Min),김교령(Gyoryeong Kim),윤태현(Taehyun Yoon),임준규(GhunGyu Lim),이윤리(Yunli Lee),정기철(Keechul Jung) 한국멀티미디어학회 2007 한국멀티미디어학회 학술발표논문집 Vol.2007 No.1
본 논문은 데이터 글로브를 사용한 한글 지화 인식 및 지화 교육 시스템으로써 사용자가 체감형 게임 환경을 사용하여 재미있고 쉽게 지화를 학습할 수 있도록 하는 것이 목표이다. 카메라를 통한 시각 시스템에 비해서 글로브를 사용한 인식 시스템은 간단하고 구현이 쉬우며 실생활에 쉽게 적용이 가능하다는 장점이 있다. 데이터 글로브는 다섯 개의 플렉스 센서와 두 개의 틸트 센서를 사용하여 손 및 손가락 모양을 측정하고 블루투스를 사용하여 K-means를 이용한 지화 인식 시스템에 데이터를 전송한다. 지화 교육 시스템은 게임적인 요소를 추가하여 사용자가 쉽게 지화를 학습할 수 있게 한다. 글자, 단어, 짧은글 연습은 지화를 정확히 익힐 수 있게 하며, 지화 게임은 실시간 지화 사용을 유도한다.
민승기(Seungki Min),오상혁(Sanghyeok Oh),김교령(Gyoryeong Kim),윤태현(Taehyun Yoon),임준규(Chungyu Lim),Yunli Lee,정기철(Keechul Jung) 한국정보과학회 2007 한국정보과학회 학술발표논문집 Vol.34 No.1C
본 논문에서는 지화 인식에 최적화된 데이터 글러브 기반의 시스템을 제안한다. 제안된 데이터 글러브는 적은 수의 센서로 인식 속도의 향상을 기대할 수 있으며 한글의 지화 인식만을 위한 특수한 목적을 가지고 저렴하게 설계되었다. 그에 따라 한글의 지화를 사용한 많은 어플리케이션에 쉽게 적용할 수 있을 것이 기대된다. 2개의 틸트 센서는 손의 방향을 인식하고 5개의 플렉스 센서는 각 손가락의 구부러진 정도를 측정한다. 제안된 시스템에서는 k-means 알고리즘과 간단한 인덱싱 방식을 사용하여 한글의 기본적인 음소 24개를 인식하는 실험을 하였으며 인식율은 80.27% 에 이르렀다.
토양 내 오염물질 농도 예측을 위한 베이지안 벌점 스플라인
유택선(Taekseon Ryu),나종현(Jonghyun Na),김준명(Joonmyoung Kim),윤태현(Taehyun Yoon),이정호(Jeongho Lee),김한석(Han-Suk Kim),권만재(Manjae Kwon),주용성(Yongsung Joo) 한국자료분석학회 2022 Journal of the Korean Data Analysis Society Vol.24 No.5
토양오염의 진단을 위해서는 조사 부지의 토양 내 오염물질의 분포를 정확히 파악할 필요가 있다. 하지만 조사 부지에서 관측이 가능한 모든 지점을 생화학적으로 조사하는 것은 현실적으로 불가능하므로 조사 부지 내 일부 선정된 지점에서 얻은 자료를 바탕으로 공간예측모형을 통해 조사 부지의 토양 내 오염물질 농도를 예측하게 된다. 토양 자료는 자료의 특성상 자료의 크기가 충분히 크지 않은 경우가 종종 발생하고, 이에 따라 공간예측의 정확성이 크게 감소할 수 있다. 따라서 본 연구에서는 이러한 문제를 해결하고자 환경부에서 제공하는 토양측정망 자료를 사전 정보로 활용하여 조사 부지의 토양 내 오염물질 농도를 예측하는 베이지안 벌점 스플라인 모형을 제안한다. 또한, 제안 모형의 성능을 평가하기 위해 RMSE를 비롯한 여러 성능 평가 지표를 이용하여 제안 모형과 여러 비교 모형과의 표본 자료 크기 별 예측 정확성을 비교하였다. 성능 평가 결과, 제안 모형의 성능이 비교 모형들에 비해 유용한 성능을 보임을 확인할 수 있었다. 특히, 표본 자료의 크기가 비교적 작을수록 제안 모형의 성능이 비교 모형들이 비해 더욱 준수한 성능을 보였다. 따라서 조사 부지에 대한 토양 자료가 상대적으로 부족한 토양 조사의 초기 단계에서 토양 내 오염물질의 분포를 파악하고자 할 때 제안 모형의 사용을 제안한다. For the diagnosis of soil contamination, it is necessary to accurately understand the distribution of pollutants in the soil of the survey site. However, since it is practically impossible to investigate all observable points in the survey site, the concentration of pollutants in the soil of the survey site is predicted through a spatial prediction model based on data obtained from some selected points in the survey site. However, due to the nature of the soil data, the size of the data is often insufficient, which can greatly reduce the accuracy of spatial prediction. Therefore, in this study, to solve this problem, we propose a Bayesian penalized spline model that predicts the concentration of contaminants in the soil of the survey site by using the soil quality monitoring network data provided by the Ministry of Environment(MOE) in Korea as prior information. In addition, in order to evaluate the performance of the proposed model, RMSE, MAE, MAPE were used to compare the prediction accuracy by data size with several comparative models. As a result of the performance evaluation, it was confirmed that the performance of the proposed model showed better performance than the comparative models. In particular, the smaller the data size, the better the performance of the proposed model compared to the comparative models. Therefore, the use of the proposed model can be considered when trying to understand the distribution of pollutants in the soil at the initial stage of soil survey, where soil data for the survey site is relatively scarce.