http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
UML Components 방법론의 테일러링을 통한 GNSS 컴포넌트 추출
진달래(Dal-lae Jin),노혜민(Hye-Min No),유철중(Cheol-Jung Yoo),장옥배(Ok-Bae Chang),이종훈(Jong-Hun Lee) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.1B
GNSS 시스템을 구축하는데 있어서 기존의 절차지향이나 객체지향 방법에서 벗어나 컴포넌트 개발(CBD) 방법론을 이용하는 것이 재사용성, 유지 보수성, 비용 절감 및 효율성 측면에서 적합하다는 타당성이 제기되고 있다. 따라서 본 논문에서는 기존의 여러 CBD 방법론 중 GNSS 문제 도메인에 가장 적합한 UML Components 방법론을 테일러링하여 GNSS 컴포넌트 추출을 위한 프로세스를 정의한 후에, 그 프로세스에 따라 GNSS 컴포넌트를 추출한다.
LED 조명용 One-Stage PFC Flyback 컨버터에서의 출력단 리플 저감과 전해 커패시터의 제거에 관한 연구
전용성(Yong-Sung Jeon),진달래(Dal-Lae Jin),나재두(Jae-Du La),김영석(Young-Seok Kim) 대한전기학회 2012 전기학회논문지 Vol.61 No.11
In the lighting industry, a Lighting Emitting Diode (LED) is increasingly used because of many advantages and a eco-friendly product comparing with the conventional lighting. However, the LED lighting has to include various AC/DC converters because the direct current is used for the LED lighting. Among a lot of power converters, the flyback converter is widely used for the LED lighting and includes some electrolytic capacitors for the voltage regulation. But the electrolytic capacitor has shorter lifetime than the LED element. It makes the expected life-time of the converter having the electrolytic capacitor shorter than the LED element. This paper proposes the single-stage PFC flyback converter without electrolytic capacitors. To verify the performance of the proposed converter, simulated and experimental works were carried out.
송태민 ( Tae Min Song ),진달래 ( Dal Lae Jin ),송주영 ( Ju Young Song ),안지영 ( Ji Young An ),조영하 ( Young Ha Cho ) 한국보건정보통계학회 2013 보건정보통계학회지 Vol.38 No.1
Objectives: The current study provides the suicide prevention strategy by analyzing six age group from echo generation to Old-old generation. Methods: The study uses multi year data (2001-2011) of mortality from National Statistical Office. The suicide factor analysis of famous entertainers and college students was based on the pre 30 days, post 30 days and 60 days from the date of death. Results: The average number of the suicide seems similar patterns between Baby boom generation and Forgotten generation as well as between Echo generation and Old-old generation. The result from Forgotten generation shows that male suicides are 3.32 times than female suicides. Post-boomer generations shows the results of average of 8.03 kill themselves by everyday. The increasing rate from 2001 to 2011 shows that Echo generation has the highest increasing rate by 5.12 times among all the groups. Conclusions: It should be necessary to create a systematic database, to make a network of beavered family, to educate the gate keepers, to support the social care service and social safety to prevent suicide by age group. To minimize the Copycat suicide (Werther Effect), it needs to enforce the self-imposed controls of media. Finally, it need to analyze Big Data to provide the prevent suicide strategy by national level.
송태민 ( Song Tae Min ),송주영 ( Song Ju Young ),진달래 ( Jin Dal Lae ) 한국보건사회연구원 2014 保健社會硏究 Vol.34 No.3
본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수집된 소셜 빅데이터를 네트워크 분석과 데이터마이닝의 의사결정나무 분석기법을 적용하여 분석함으로써 한국의 인터넷 중독(internet addiction disorder) 관련 위험에 대한 예측모형을 개발하고자 하였다. 주제분석(text mining)과 요인분석(factor analysis)에서 인터넷 중독 감정은 일반과 중독으로 분류되어 소셜 빅데이터 문서에서 인터넷 중독여부의 의사결정이 가능한 것으로 나타났다. 인터넷 중독 폐해요인의 위험예측에 가장 영향력이 높은 요인은 `불안요인`이 높고 `유해요인`이 높은 요인으로 나타났으며, 인터넷 중독 영향요인의 위험예측에 가장 영향력이 높은 요인은 `정신건강 요인`이 높고 `친구관계요인`이 높은 조합으로 나타났다. 본 연구는 소셜 빅데이터에서 수집된 인터넷 관련 문서에 대한 네트워크 분석과 데이터마이닝 분석을 통하여 우리나라의 인터넷 중독 위험에 대한 예측모형을 제시한 점에서 정책적·분석방법론적으로 의의가 있다. 또한, 실제적인 내용을 빠르게 효과적으로 파악하여 사회조사가 지닌 한계를 보완할 수 있는 새로운 조사방법으로서의 소셜 빅데이터의 가치를 확인하였다는 점에서 조사방법론적 의의를 가진다고 할 수 있다. The purpose of this study is to develop a prediction model about risk factors related to Korean Internet Addiction Disorder, by applying network analysis and decision making-tree analysis to the social big data that are collected from online news sites, blogs, internet cafes, social network service, and internet message boards. The Big Data Document made possible to figure out the decision-making process of Internet Addiction classification through text Mining and factor analysis, which are classified into two categories as `general` and `addiction`. A Combination of highest `anxiety factor` and high `harmful factor` had the most influence on Internet addiction. Also, both highest `mental health factors` and high `relationship with friends factors` influenced the most when it comes to Internet addiction. Based on the study, data mining analysis and network analysis of Internet Social Big Data was presented as a prediction model for Internet addiction risk factor, which was considered significant in both policy and analysis methodology.