$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

앙상블 학습을 이용한 적조 발생 예측의 성능향상

Enhancing of Red Tide Blooms Prediction using Ensemble Train

초록

적조란 유해조류의 일시적인 대 번식으로 바다를 적색으로 변화시키며 양식장의 어패류를 집단 폐사 시킬 뿐 아니라 연안환경 및 바다 생태계에 악영향을 미치는 자연 현상이다. 적조에 의한 양식어업의 피해는 매년 발생하고 있으며 매년 적조방제에 많은 비용을 소비하고 있다. 이 때문에 적조 발생을 미리 예측할 수 있으면 적조에 대한 피해 및 방재 비용을 최소화 시킬수 있다. 본 논문은 앙상블 학습은 이용한 적조발생 예측 방법을 제안한다. 제안방법은 앙상블 학습의 bagging과 boosting 방법을 이용하여서 적조를 예측의 성능을 향상시킨다. 실험결과 제안방법은 단일 분류기에 비하여서 더 좋은 적조 발생 예측 성능을 보였다.

Abstract

Red tide is a natural phenomenon temporary blooming harmful algal with changing sea color from normal to red, which fish and shellfish die en masse. It also give a bad influence to coastal environment and sea ecosystem. The damage of sea farming by a red tide has been occurred each year which it cost much to prevent disasters of red tide blooms. Red tide damage and prevention cost of red tide disasters can be minimized by means of prediction of red tide blooms. In this paper, we proposed the red tide blooms prediction method using ensemble train. The proposed method use the bagging and boosting ensemble train methods for enhancing red tide prediction and forecast. The experimental results demonstrate that the proposed method achieves a better red tide prediction performance than other single classifiers.

참고문헌 (17)

  1. 국립수산과학원 적조정보 홈페이지 http://portal.nfrdi.re.kr/redtide/index.jsp 
  2. 박선, 이진석, 이성로, "신경망과 SVM을 이용한 적조발생 예측", 대한전자공학회 논문지 2011년 9 월호 게재예정, 2011. 
  3. 박선, 이성로, "퍼지 추론을 이용한 적조 발생 예측", 한국정보처리학회 논문지 2011년 8월호 게재 예정, 2011. 
  4. 이정훈, 박선, 최명수, 김영주, 민산원, 정민아, "나 이브베이스 분류자와 퍼지 추론을 이용한 적조 발생 예측의 성능향상", 2011년도 한국통신학회 하계 종합학술발표회, Vol. 45, pp.158, 2011. 
  5. 김용민, 변영기, 허용, 유기윤, " MODIS Level 2 Data를 이용한 Cochlodinium Polykrikoides 적조 탐지", 대한토목학회논문지, pp.535-540, 2007. 
  6. 이문옥, 김평주, 문진한, "진해만의 해양환경이 적조발생에 미치는 영향", 한국해양환경공학회 2006 년도 춘계학술대회 논문집, pp.177-183, 2006. 
  7. 이문옥, 김평주, "진해만의 해양환경과 적조발생의 특징", 2006 대한토목학회 정기학술대회, pp.2173- 2176, 2006. 
  8. 송병호, 정민아, 이성로, "사례 기반 추론을 이용한 적조 예측 모니터링 시스템 구현 및 설계", 한국통신학회논문지, 제35권 제12호, pp.1819-1826, 2010. 
  9. F. Fdez-Riverola, J. M. Corchado, "FSfRT: Forcasting System for Red Tides", Applied Intlligence 21, pp.251-264, 2004. 
  10. J. Han, M. Kamber, "Second Edition, Data Mining Concepts and Techniques", Morgan Kaufmann Publishers, 2006. 
  11. 김명종, "유전자 알고리즘을 이용한 분류자 앙상블의 최적 선택", 지능정보논문지, 제16권 제4호, pp. 99-112, 2010. 
  12. 해양수산연구정보포털, "http://portal.nfrdi.re.kr/page?id=pr_index", 2011. 
  13. 기상청, "http://www.kma.go.kr/index.jsp", 2011. 
  14. L. Breiman, "Bagging predictors", Macnine learning, vol. 24, no. 2, pp.123-140, 1996. 
  15. 정연해, 어수행, 문호석, 조형준, "앙상블기법을 이용한 다양한 데이터마이닝 성능향상 연구", 한국통계학회논문집, 제17권, 제4호, pp. 561-574, 2010. 
  16. Breiman, L., J. Friedman, R. Olshen, and C. Stone. "Classification and Regression Trees", Boca Raton, FL: CRC Press, 1984. 
  17. Soumen, C. "mining the web discovering knowledge from hypertext data", Morgan Kaufmann, 2003. 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

과제정보

DOI 인용 스타일