$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] SVM 모델 기반 가용성 예측 기능을 가진 야외마루 관리 서비스 구현 및 성능 평가
Implementation and Performance Evaluation of Pavilion Management Service including Availability Prediction based on SVM Model 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.25 no.6, 2021년, pp.766 - 773  

리자얀티 리타 (Department of Information & Communication Engineering, Changwon National University) ,  황민태 (Department of Information & Communication Engineering, Changwon National University)

초록
AI-Helper 아이콘AI-Helper

본 논문은 숲속 야외 마루의 실시간 이용 현황을 제공할 뿐만 아니라 기계학습을 통한 예측 서비스를 제공하는 야외 마루 관리 서비스의 구현 및 성능 평가 결과를 담고있다. 개발한 하드웨어 프로토타입은 모션 감지 센서를 이용해 야외 마루의 점유 여부를 감지한 후 위치 정보, 날짜 및 시간, 온도 및 습도 데이터와 함께 클라우드 기반 데이터베이스로 전달한다. 수집된 야외 마루의 실시간 이용 현황은 이용자들에게 모바일 애플리케이션을 통해 제공된다. 성능 평가 결과 하드웨어 모듈에서부터 모바일 애플리케이션까지 평균 1.9초의 응답 시간을 보여주었으며, 정확도는 99%를 보여주고 있음을 확인하였다. 아울러 수집 데이터에다 기계학습 기반의 SVM(Support Vector Model) 모델을 적용한 야외 마루의 가용성 예측 서비스를 구현하고서 이를 모바일 및 웹 애플리케이션을 통해 제공할 수 있도록 하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents an implementation result and performance evaluation of pavilion management services that does not only provide real-time status of the pavilion in the forest but also prediction services through machine learning. The developed hardware prototype detects whether the pavilion is oc...

주제어

#야외 마루   #실시간 점유 현황   #가용성 예측   #모바일 및 웹 애플리케이션   #SVM 모델  

표/그림 (13)

참고문헌 (15)

  1. L. Zhongxian and H. Guili, "Information Management System of Public Facilities based on Internet of Things Technology," in Proceeding of International Conference on Smart City and Systems Engineering, China: Hunan, pp. 6-8, 2016. 

  2. Q. Adrianus, G. Guarddin, and H. Santoso, "Developing Interaction Design to Provide Public Facilities Information for Person with Disabilities," in Proceeding of 2019 International Conference on Advanced Computer Science and information Systems (ICACSIS), Indonesia: Bali, pp. 27-32, 2019. 

  3. F. Khalique, S. Khan, and I. Nosheen "A Framework for Public Health Monitoring Analytic and Research," Journal of IEEE Access, vol. 7, no. 1, pp. 101309-101329, 2019. 

  4. G. S. Budhi and R. Adipratama, "Public facilities location search with argument reality technology in Android," in Proceeding of International Conference on Information, Communication Technology and System (ICTS), Indonesia: Surabaya, pp. 195-198, 2016. 

  5. C. Watanabe, S. Ishikawa, H. Yabe, and M. S. Tanaka, "A study of Bus Stop that Display the Current Location of the Buss to Increase User Convenience," in Proceeding of 2020 IEEE 9th Global Conference on Customer Electronic, Japan: Kobe, pp. 268-269, 2020. 

  6. Y. Zheng, S. Rajasegarar, and C. Leckie, "Parking availability prediction for sensor-enabled car parking smart cities," in Proceeding 2015 IEEE Tenth International Conference on Intelligent Sensor, Sensor Network and Information Processing (ISSNIP), Singapore: Singapore, pp. 1-6, 2015. 

  7. A Dive Into Decision Trees [Internet]. Available: https://towardsdatascience.com/a-dive-into-decision-trees-a128923c9298. 

  8. R. Rijayanti and M. Hwang, "Availability Information Service of Pavilions in the Forest," in Proceeding of The 13th International Conference on Future Information & Communication Engineering(ICFICE2020), Korea, pp. 37-41, 2021. 

  9. Decision Trees [Internet]. Available: https://corporatefinanceinstitute.com/resources/knowledge/other/decision-tree/. 

  10. Support Vector Machine [Internet]. Available: https://ai-summary.com/summary-support-vector-machine-0cb43bb5/. 

  11. Machine Learning Basics with the K-Nearest Neighbors Algorithm [Internet]. Available: https://towardsdatascience.com/machine-learning-basics-with-the-k-nearest-neighbors-algorithm-6a6e71d01761. 

  12. P. Cunningham and S. Delany, K-Nearest Neighbour Classifiers.: 2nd Edition (with Python examples), 2nd ed. New York, NY: New York, 2020. 

  13. A short tutorial on Naive Bayesian Classification with implementation [Internet]. Available: https://towardsdatascience.com/a-short-tutorial-on-naive-bayes-classification-with-implementation-2f69183d8ce1. 

  14. C. Pawel, Data Mining Algorithms: Explained Using R, 1th ed, United Kingdom, UK: West Sussex, 2015. 

  15. A. Pedraza, G. Bueno, O. Deniz, G. Cristobal, S. Blanco, and M. Borrego-Ramos, "Automated diatom classification (Part B): A deep learning approach," Applied Sciences, vol. 7, no. 5, pp. 1-25, 2017. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로