메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
허태임 (국립백두대간수목원) 김동현 (경북대학교) 황성욱 (서울대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제32권 제6호
발행연도
2021.11
수록면
1,183 - 1,194 (12page)
DOI
10.7465/jkdi.2021.32.6.1183

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구는 잠재적 활용 가치가 높은 팽나무속 수종의 분류군 프로파일링을 위한 데이터를 확보하기 위해 수행되었으며, 본 논문에서는 적외선 분광법과 기계 학습 기법을 이용한 목재 식별 과정을 다루었다. 한반도에 자생하는 팽나무속 5 수종과 푸조나무속 1 수종으로 구성된 삼과 6 수종으로부터 4000-400 cm<SUP>-1</SUP> 영역의 적외선 스펙트럼을 획득하여 데이터세트를 구축하였다. 수종 식별을 위해 랜덤포레스트, 서포트 벡터 머신, 인공신경망 모델을 수립하였으며 랜덤포레스트의 평균 불순도 감소에 기반한 스펙트럼 특성 중요도를 산출하였다. 조사된 수종들의 분광학적 특성은 매우 유사하여 원본 적외선 스펙트럼으로 학습된 모델의 식별 정확도는 0.533-0.733 수준이었으나 2차 미분으로 전처리된 스펙트럼을 학습한 모델의 성능은 0.800-0.867로 상당히 개선되었다. 랜덤포레스트에서 1800-700cm<SUP>-1</SUP> 스펙트럼 영역이 특성 중요도가 높게 산출되었다. 해당 영역의 스펙트럼 데이터로 선택 학습된 모든 모델의 정확도가 0.867-0.933 수준으로 향상되어 실제로 수종 식별에 대한 중요도가 높은 영역임이 확인되었다.

목차

요약
1. 서론
2. 연구 방법
3. 결과 및 고찰
4. 결론
References
Abstract

참고문헌 (39)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-041-000042516