본 연구를 통해 한국산 Thyas속을 검토하였다. 이 중, T. coronata (Fabricius, 1775)는 성충 및 생식기 도해사진을 기반으로 최초로 그 분류학 적 기재문을 작성하였다. 모든 한국산 Thyas속 종에 대한 분류학적 진단형질 및 분포 정보를 함께 제공하였다.

Recently, the importance of impact-based forecasting has increased along with the socio-economic impact of severe weather have emerged. As news articles contain unconstructed information closely related to the people’s life, this study developed and evaluated a binary classification algorithm about snowfall damage information by using media articles text mining. We collected news articles during 2009 to 2021 which containing ‘heavy snow’ in its body context and labelled whether each article correspond to specific damage fields such as car accident. To develop a classifier, we proposed a probability-based classifier based on the ratio of the two conditional probabilities, which is defined as I/O Ratio in this study. During the construction process, we also adopted the n-gram approach to consider contextual meaning of each keyword. The accuracy of the classifier was 75%, supporting the possibility of application of news big data to the impact-based forecasting. We expect the performance of the classifier will be improve in the further research as the various training data is accumulated. The result of this study can be readily expanded by applying the same methodology to other disasters in the future. Furthermore, the result of this study can reduce social and economic damage of high impact weather by supporting the establishment of an integrated meteorological decision support system.

In order to reduce environmental pollution, it is necessary to increase the recycling rate of waste. For this, the separation of recyclables is of utmost importance. The paper conducted a study to automatically discriminate containers by material for beverage containers among recyclables. We developed an algorithm that automatically recognizes containers by four materials: metal, glass, plastic, and paper by measuring the vibration signal generated when the beverage container collides with the bottom plate of the collection box. The amplitude distribution, time series information, and frequency information of the vibration signal were used to extract the characteristics indicating the characteristic difference of the vibration signal for each material, and a classifier was developed through machine learning using these characteristics.

In recent years, imbalanced data is one of the most important and frequent issue for quality control in industrial field. As an example, defect rate has been drastically reduced thanks to highly developed technology and quality management, so that only few defective data can be obtained from production process. Therefore, quality classification should be performed under the condition that one class (defective dataset) is even smaller than the other class (good dataset). However, traditional multi-class classification methods are not appropriate to deal with such an imbalanced dataset, since they classify data from the difference between one class and the others that can hardly be found in imbalanced datasets. Thus, one-class classification that thoroughly learns patterns of target class is more suitable for imbalanced dataset since it only focuses on data in a target class. So far, several one-class classification methods such as one-class support vector machine, neural network and decision tree there have been suggested. One-class support vector machine and neural network can guarantee good classification rate, and decision tree can provide a set of rules that can be clearly interpreted. However, the classifiers obtained from the former two methods consist of complex mathematical functions and cannot be easily understood by users. In case of decision tree, the criterion for rule generation is ambiguous. Therefore, as an alternative, a new one-class classifier using hyper-rectangles was proposed, which performs precise classification compared to other methods and generates rules clearly understood by users as well. In this paper, we suggest an approach for improving the limitations of those previous one-class classification algorithms. Specifically, the suggested approach produces more improved one-class classifier using hyper-rectangles generated by using Gaussian function. The performance of the suggested algorithm is verified by a numerical experiment, which uses several datasets in UCI machine learning repository.

집중은 관련된 사건을 선택적으로 주의하고, 관련 없는 사건을 무시하는 인간의 중요한 인지 기능중의 하나이다. 인간의 집중 능력을 관리 이용하는 컴퓨터 기반 장치에 있어서 집중과 비집중 상태를 구분하는 것은 필수적으로 요구되는 조건이다. 본 논문에서는, 뇌파신호로부터 분류기의 입력으로 사용되는 특징을 효율적으로 추출하기 위하여 비선형 반복 패턴 분석기법과 스펙트럼 분석 기법을 새로이 결합하였고(13개 특징 추출), 서포트벡터머신, 역전파 알고리즘, 선형분리, 로지스틱 회귀 분류 기반 분류기들을 포함하는 집중-비집중 분류기들의 성능을 분석하였다. 그중에서 81 %의 정확도를 보이는 서포트벡터머신 분류기가 가장 좋은 성능을 보였다. 또한 스펙트럼 분석으로 추출한 특징만을 사용하였을 경우(76 % 정확도)가 비선형 분석 방법으로 추출한 특징만을 사용했을 경우(67 % 정확도)보다 좀 더 우수한 성능을 보였다. 비선형-스펙트럼 분석법을 복합 적용한 서포트벡터머신 분류기가 추후 집중 관련 장비 설계에 있어서 효율적으로 적용될 수 있을 것이다.

산업의 발달로 인하여 플라스틱의 수요가 증가되고 있다. 산업현장과 가정에서 사용 후 배출되는 폐플라스틱은 많은 환경 문제를 야기 시키고 있으며, 이를 해결하기 위하여 적극적인 폐플라스틱 재활용 방안이 제안되고 있다. 폐플라스틱의 효율적으로 재활용하기 위해서는 재질별 선별이 이루어져야 하며, 재질별 선별을 위한 기술 개발은 지속적으로 이루어져 왔다. 최근에는 폐플라스틱의 재질별 선별에 근적외선분광법(NIR 선별기)가 가장 널리 사용되고 있으며, 우수한 재질 분류 성능을 보인다. 그러나 검정색 폐플라스틱의 경우 근적외선의 빛을 흡수하여 재질인식을 하지 못하는 단점을 가지고 있다. 본 연구에서는 이러한 근적외선분광법의 단점을 보완하기 위하여 분광기의 일종인 레이저유도플라즈마 분광기를 이용하여 검정색 플라스틱의 재질별 선별을 위하여, 플라스틱 고유의 스펙트럼을 획득한다. 분광기를 통해 얻어진 스펙트럼은 주성분분석법(Principal Component Analysis; PCA)을 이용하여 데이터 전처리(Preprocessing) 과정을 거친 후 입력 데이터를 얻는다. 데이터 전처리 과정을 통해 획득된 입력 데이터를 이용하여 플라스틱의 재질 인식을 위한 패턴 분류기로 퍼지집합 기반 신경회로망(Fuzzy-set based neural networks)을 이용한다. 퍼지 집합 기반 신경회로망은 퍼지 집합과 신경회로망의 장점을 결합한 퍼지 신경회로망의 일종으로 입력변수의 차원이 높은 경우에 좋은 성능을 보이는 신경회로망이다.

매년 많은 양의 플라스틱 폐기물이 발생되면서 폐플라스틱을 순환 자원화하기 위해 여러 공공기관, 연구소에서는 폐플라스틱 자동선별 시스템을 구축하기 위한 노력을 하고 있다. 이미 국내 지자체 재활용 선별장 등에서는 근적외선 분광법(NIR)을 활용한 자동선별 시스템을 구축 및 활용하고 있지만 검정색 플라스틱 제품군의 물리적 성상인 근적외선 파장의 과도한 흡수로 인한 스펙트럼 분석이 어려워 자동분류가 힘든 실정이다. 이러한 문제들을 해결하기 위해 NIR 분광장비가 아닌 LIBS 분광기를 사용하여 데이터를 구축 및 분석하고 지능형 알고리즘을 이용하여 자동 선별이 가능한 흑색 플라스틱의 재질별 선별 분류기 구축하고자 한다. LIBS분광장비는 시료가 기체, 액체 및 고체 상태와 관계없이 주기율표 상의 거의 모든 원소에 대하여 정성 정량 분석이 가능한 장비로 시료의 전처리 과정이 필요 없으며, 분석 시간이 매우 짧기 때문에 실시간 분석이 가능하다는 장점을 가진다. 이러한 LIBS 분광장비를 이용하여 데이터를 추출하고 이를 분석하여 인공지능 알고리즘을 이용한 분류기를 설계하고자 한다. 검은색 플라스틱을 인공지능 알고리즘을 통하여 재질별 자동 선별하도록 설계하여 산업적･경제적인 효율의 향상을 기대할 수 있다.