튜브 클리닝 시스템 내부의 유동 특성에 관한 수치해석적 연구

정경철(Kyung-Chul Jung),이치우(Chi-Woo Lee) 한국동력기계공학회 2014 동력시스템공학회지 Vol.18 No.1

The numerical analysis of fluid flow in the tube cleaning system is examined. The working flow used in this study is seawater, and the temperature change is not considered as the temperature change of seawater in the tube cleaning system is negligible. Also, the analysis is performed under the assumption of steady state. The screens of complicated morphologies are simplified for the analysis, and only one fourth of the tube cleaning system is modeled as the system has a symmetrical shape. The velocity inlet boundary condition is employed for the seawater inlet, whereas the outflow boundary condition is employed for two seawater outlets. In applying the outflow boundary condition for the system with more than two outlets, the flow rate can be arbitrarily assigned. In the analysis, the finite-volume method based numerical analysis tool, the pressure based solver, the standard k-ε model are utilized, and the under relaxation factor is modified appropriately. From the analysis, the distribution of velocity vectors, pressure and path lines are obtained, and the physical characteristics of fluid flow in the tube cleaning system is well-examined.

액체용기 수위측정 시스템 설계

정경권(Kyung Kwon Jung),이원석(Won-Seok Lee),김용중(Yong Joong Kim) 대한전자공학회 2021 대한전자공학회 학술대회 Vol.2021 No.6

TinyOS 기반 심박측정 시스템

정경권(Kyung Kwon Jung),이원석(Won-Seok Lee) 대한전자공학회 2016 대한전자공학회 학술대회 Vol.2016 No.11

텍스타일 기반의 협력적 필터링 기술과 디자인 요소에 따른 감성 분석을 이용한 패션 디자인 추천 에이전트 시스템

정경용(Kyung-Yong Jung),나영주(Young-Joo Na),이정현(Jung-Hyun Lee) 한국정보과학회 2004 정보과학회 컴퓨팅의 실제 논문지 Vol.10 No.2

제품의 품질 및 가격뿐만 아니라 물질적 풍요로움과 더불어 다변화 되어가는 생활 환경 속에서 소비자의 감성과 선호도를 파악하는 것은 제품 판매 전략의 중요한 성공요소가 되고 있다. 이를 위하여 제품의 기능적 측면뿐만 아니라 개개인의 정서적 감정과 선호도가 반영된 제품의 설계나 디자인 또한 요구되고 있다. 본 연구에서는 사용자의 감성과 선호도를 중심으로 소재를 개발하는 방법의 하나로 협력적 필터링 개인화 기법을 응용하여 패션 디자인 추천 에이전트 시스템(FDRAS-pro)을 제안한다. 텍스타일 기반의 협력적 필터링 기술에서, 예측에 사용될 이웃의 수를 결정하기 위해서 Representative Attribute-Neighborhood 방법을 사용한다. 사용자들간의 유사도 가중치를 계산하기 위해서 피어슨 상관계수(Pearson Correlation Coefficient)를 사용한다. 소재에 대한 사용자의 감성이나 선호도에 대한 텍스타일의 대표 감성 어휘를 추출함으로써 소재 개발을 위한 감성 어휘 데이타베이스를 구축한다. FDRAS-pro는 구축된 감성 어휘 데이타베이스를 기반으로 성향이 비슷한 사용자에게 텍스타일 디자인을 추천한다. 디자인 요소에 따른 감성 분석을 하기 위해서, 텍스타일 디자인을 9가지 디자인 요소(디자인 소재, 모티브대 배경비율, 모티브의 변화도, 해석법, 모티브의 배열, 모티브의 명료성, 명도차, 색상차, 채도차)에 따라 분석하였다. 패션 디자인 추천 시스템으로 개발하여 시스템의 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다. In the life environment changed with not only the quality and the price of the products but also the material abundance, it is the most crucial factor for the strategy of product sales to investigate consumer's sensibility and preference degree. In this perspective, it is necessary to design and merchandise the products in cope with each consumer's sensibility and needs as well as its functional aspects. In this paper, we propose the Fashion Design Recommender Agent System (FDRAS-pro) for textile design applying collaborative filtering personalization technique as one of the methods of material development centered on consumer's sensibility and preference. For a collaborative filtering system based on textile, Representative-Attribute Neighborhood is adopted to determine the number of neighbors that will be used for preferences estimation. Pearson’s Correlation Coefficient is used to calculate similarity weights among users. We build a database founded on the sensibility adjectives to develop textile designs by extracting the representative sensibility adjectives from users’ sensibility and preferences about textile designs. FDRAS-pro recommends textile designs to a customer who has a similar propensity about textile. To investigate the sensibility and emotion according to the effect of design factors, textile designs were analyzed in terms of 9 design factors, such as, motif source, motif-background ratio, motif variation, motif interpretation, motif arrangement, motif articulation, hue contrast, value contrast, chroma contrast. Finally, we plan to conduct empirical applications to verify the adequacy and the validity of our system.

선호도 재계산을 위한 연관 사용자 군집 분석과 Representative Attribute -Neighborhood를 이용한 협력적 필터링 시스템의 성능향상

정경용,김진수,김태용,이정현,Jung, Kyung-Yong,Kim, Jin-Su,Kim, Tae-Yong,Lee, Jung-Hyun 한국정보처리학회 2003 정보처리학회논문지B Vol.10 No.3

추천 시스템에 있어서 협력적 필터링 기술은 많은 연구가 되고 있다. 그러나 협력적 필터링 기술을 이용한 추천 시스템은 초기 평가 문제와 희박성 문제가 발생한다. 이를 해결하기 위해서 본 논문에서는 선호도 재 계산을 위한 연관 사용자 군집과 베이지안 추정치를 이용한 사용자 선호도 예측 방법을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서 아이템의 속성을 고려하지 않는 단점을 보완하기 위해서 선호도에 가장 크게 영향을 미치는 대표 장르를 추출하여 유사한 이웃을 찾아 낼 때 예측에 이용하는 Representative Attribute-Neighborhood 방법을 사용한다. 협력적 필터링의 알고리즘에 군집 아이템 백터 내의 특정 아이템의 선호도를 재계산 하기 위한 연관 사용자 군집 분석을 적용하여 성능 향상을 하였다. 또 초기 평가 문제와 희박성 문제를 해결하기 위하여 Association Rule Hypergraph Partitioning 알고리즘을 사용하여 사용자를 장르별로 군집한다. 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도를 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게하여 예측의 정확도를 높일 수 있다. 제안된 방법은 기존의 방법보다 높은 성능을 나타냄을 보인다. There has been much research focused on collaborative filtering technique in Recommender System. However, these studies have shown the First-Rater Problem and the Sparsity Problem. The main purpose of this Paper is to solve these Problems. In this Paper, we suggest the user's predicting preference method using Bayesian estimated value and the associative user clustering for the recalculation of preference. In addition to this method, to complement a shortcoming, which doesn't regard the attribution of item, we use Representative Attribute-Neighborhood method that is used for the prediction when we find the similar neighborhood through extracting the representative attribution, which most affect the preference. We improved the efficiency by using the associative user's clustering analysis in order to calculate the preference of specific item within the cluster item vector to the collaborative filtering algorithm. Besides, for the problem of the Sparsity and First-Rater, through using Association Rule Hypergraph Partitioning algorithm associative users are clustered according to the genre. New users are classified into one of these genres by Naive Bayes classifier. In addition, in order to get the similarity value between users belonged to the classified genre and new users, and this paper allows the different estimated value to item which user evaluated through Naive Bayes learning. As applying the preference granted the estimated value to Pearson correlation coefficient, it can make the higher accuracy because the errors that cause the missing value come less. We evaluate our method on a large collaborative filtering database of user rating and it significantly outperforms previous proposed method.

산양삼 유통 관리를 위한 NFC 데이터 로거 개발

정경권(Jung Kyung Kwon),이기섭(Lee Gi Sup),김용중(Kim Yong Joong) 한국통신학회 2023 한국통신학회 학술대회논문집 Vol.2023 No.2

자궁외임신의 보존적 치료제로 Methotrexate의 치료에 관한 임상 지침

정경아 ( Kyung Ah Jeong ),한유정 ( You Jung Han ),이소현 ( So Hyun Lee ),신은경 ( Eun Kyoung Shin ),유은희 ( Eun Hee Yoo ),전선희 ( Shun Hee Chun ),김종일 ( Chong Il Kim ),나중열 ( Joong Yol Na ),강재성 ( Jae Seong Kang ) 대한산부인과학회 2005 Obstetrics & Gynecology Science Vol.48 No.11

Quantification of Que ac 1 and Standardization of Pollen Extract from Sawtooth Oak, the Most Important Cause of Spring Pollinosis in Korea

정경용,이종선,Park Kyung Hee,Lee Jae-Hyun,Park Jung-Won 대한천식알레르기학회 2021 Allergy, Asthma & Immunology Research Vol.13 No.6

클라이언트 - 서버 모델 기반의 개인화 텍스타일 감성 디자인 추천 시스템의 성능 평가

정경용(Kyung-Yong Jung),김종훈(Jong-Hun Kim),나영주(Young-Joo Na),이정현(Jung-Hyun Lee) 한국정보과학회 2005 정보과학회 컴퓨팅의 실제 논문지 Vol.11 No.2

최근의 전자상거래 사이트들은 사용자 만족을 극대화 시키기 위해 사용자별로 개인화된 서비스를 제공하고 있다. 협력적 필터링은 개인화된 아이템 실시간 추천을 위하여 고안된 알고리즘이며 예측의 정확도와 성능을 증대시키기 위해서 다양한 보완 방법들이 제시되고 있다. 유용한 추천 시스템을 구축하기 위해서는 두 가지 문제를 동시에 고려해야 한다. 그러나, 협력적 필터링 기술에 관한 연구는 정확도 향상에 관한 연구가 주로 수행되었고 성능 문제는 간과하여 왔다. 본 연구에서는 추천 에이전트 시스템의 성능을 향상시킬 수 있는 대표 속성을 이용한 이웃 선택, 추천 텍스타일 집합, 유사 군집 요소를 협력적 필터링 기술에 추가하여 실험해 보았다. 패션 디자인 추천 에이전트 시스템(FDRAS)을 개발하여 시스템의 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다. The latest E-commerce sites provide personalized services to maximize user satisfaction for Internet user. The collaborative filtering is an algorithm for personalized item real-time recommendation. Various supplementary methods are provided for improving the accuracy of prediction and performance. It is important to consider these two things simultaneously to implement a useful recommendation system. However, established studies on collaborative filtering technique deal only with the matter of accuracy improvement and overlook the matter of performance. This study considers representative attribute-neighborhood, recommendation textile set, and similarity grouping that are expected to improve performance to the recommendation agent system. Ultimately, this paper suggests empirical applications to verify the adequacy and the validity on this system with the development of Fashion Design Recommendation Agent System (FDRAS).

Textile 기반의 협력적 필터링 개인화 기술을 이용한 패션 디자인 추천 시스템 개발

정경용(Kyung-Yong Jung),나영주(Young-Joo Na),이정현(Jung-Hyun Lee) 한국정보과학회 2003 정보과학회 컴퓨팅의 실제 논문지 Vol.9 No.5

소재 개발의 프로세스가 고객 중심으로 다변화 되어가는 생활 환경 속에서 소비자의 감성과 선호도를 파악하는 것은 제품 판매 전략의 중요한 성공요소가 되고 있다. 본 연구에서는 사용자의 감성과 선호도를 중심으로 소재를 개발하는 방법의 하나로 협력적 필터링 개인화 기법을 응용하여 패션 디자인 추천 시스템(FDRS)을 제안한다. Textile 기반의 협력적 필터링 개인화 기술에서, 사용자들간의 유사도 가중치를 계산하기 위해서 피어슨 상관 계수(Pearson Correlation Coefficient)를 사용한다. 소재에 대한 사용자의 감성이나 선호도에 대한 Textile의 대표 감성 형용사를 추출함으로써 소재 개발을 위한 감성 형용사 데이타베이스를 구축한다. 패션 디자인 추천 시스템(FDRS)은 구축된 감성 형용사 데이타베이스를 기반으로 성향이 비슷한 사용자에게 Textile 디자인을 추천한다. 패션 디자인 추천 시스템으로 개발하여 시스템의 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다. It is important for the strategy of product sales to investigate the consumer's sensitivity and preference degree in the environment that the process of material development has been changed focusing on the consumer center. In the present study, we propose the Fashion Design Recommender System (FDRS) of textile design applying collaborative filtering personalization technique as one of methods in the material development centered on consumer's sensibility and preferences. In collaborative filtering personalization technique based on textile, Pearson Correlation Coefficient is used to calculate similarity weights between users. We build the database founded on the sensibility adjective to develop textile designs by extracting the representative sensibility adjective from users' sensibility and preferences about textile designs. FDRS recommends textile designs to a consumer who has a similar propensity about textile. Ultimately, this paper suggests empirical applications to verify the adequacy and the validity on this system with the development of Fashion Design Recommender System (FDRS).