Remote Sensing

Size: px
Start display at page:

Download "Remote Sensing"

Transcription

1 Remote Sensing Ch. 4 이미지해석 (Interpretation) 및분석 (Analysis) (Part 3 of 3) 4.7 이미지분류 (Classification) 및분석 (Analysis) 4.8 데이터통합 (Integration) 및분석 (Analysis)

2 분석가 (human analyst) 들은이미지의대상들을분류할때, 다양한속성또는관심있는토지피복클래스를나타내는동질의픽셀그룹을식별하기위해시각적해석의요소를사용합니다. 디지털이미지분류기 (Digital image classification) 는하나이상의스펙트럼대역의디지털숫자로표시되는스펙트럼정보를사용하며, 이러한스펙트럼정보에기초하여각각의픽셀에대한분류를한다. 이러한유형의분류를스펙트럼패턴인식 (spectral pattern recognition) 이라고한다. 두경우모두, 목표는특정클래스또는테마 ( 예를들어물, 침엽수림 (coniferous forest), 낙엽수림 (deciduous forest), 옥수수, 밀, 등 ) 로이미지의모든픽셀을할당하는것입니다. 생성된분류된이미지는특정주제에속하는각각의픽셀의모자이크로구성되고, 본질적으로원래의이미지의주제도 (a thematic "map ) 가된다. Original image Thematic map

3 클래스에대해이야기할때, 정보클래스 (information classes) 와스펙트럼클래스 (spectral classes) 를구분해야합니다. 정보클래스 (Information classes) 작물의종류, 숲의종류나수종, 지질학적단위또는암석종류, 등과같은분석가가실제로이미지에서식별하고자하는관심의범주 (categories of interest). 스펙트럼클래스 (Spectral classes) 데이터의각각의스펙트럼채널안에서의밝기값이균일한 ( 또는거의유사한 ) 픽셀그룹 (group of pixels that are uniform (or near-similar)) 분류의목적은데이터의스펙트럼클래스를관심이있는정보클래스에매치하는것이다. 이러한클래스의두가지유형간에간단한일대일매치는흔하지않다. 오히려독특한스펙트럼클래스가나타날수있으나, 이것이반드시분석가에특정사용또는관심의정보클래스와일치하지는않습니다. 오히려, 폭넓은정보클래스 ( 예를들면숲 ) 가독특한스펙트럼변화를갖는다수의스펙트럼서브클래스를포함할수있다. 숲의예를들면, 스펙트럼서브클래스로는연령, 종및밀도의변화이거나, 그림자나조도변화의결과에기인할수있다 서로다른스펙트럼클래스의유용성및대응되는유용한정보클래스에대한결정은해석가의직무 (analyst's job) 이다.

4 일반적인분류절차 (classification procedures) 는사용되는방법에따라두가지로분류될수있다 : (1) 감독분류 (supervised classification) (2) 무감독분류 (unsupervised classification). 감독분류 (supervised classification) 에서분석가는이미지에서관심있는표면커버타입들 ( 정보클래스 (information classes)) 의대표적인균일한샘플들을선정한다. 이샘플들은훈련영역 (training areas) 이라고합니다. 적절한훈련영역의선택은분석가의이미지에존재하는실제표면커버타입에대한지식과지리적지역에대한친숙함을기반으로합니다. 따라서, 분석가 (analyst) 는특정클래스집합의항목화 (categorization) 를 " 감독 (supervising)" 합니다. 이러한영역을구성하는픽셀의모든스펙트럼밴드들에서의숫자정보는각클래스에대한스펙트럼적으로유사한영역을인식할수있도록컴퓨터를훈련 (train) 하는데사용됩니다.

5 컴퓨터는각훈련클래스에대한수치적인 " 특징 (signatures)" 을결정하기위해특별한프로그램이나알고리즘을사용합니다. 컴퓨터가각각의클래스에대한특징을결정하면, 이미지의각화소는이러한특징과비교하고디지털적으로가장근접하게 " 유사한 " 클래스로분류된다 따라서, 감독분류 (supervised classification) 에서는먼저정보클래스 (information classes) 를식별한다음, 그들을나타내는스펙트럼클래스 (spectral classe) 를결정하기위하여사용된다. 정보클래스 (Information classes) 스펙트럼클래스 (Spectral classes)

6 평행육면체 (Parallelepiped) 분류알고리즘 각클래스에대한최소및최대 DNs 를결정하고, 이미지를분류하기위한임계값으로사용. 장점 : 훈련과사용이간단하며, 빠른연산. 단점 : 평행육면체들사이의간격에놓인픽셀들이분류될수없다. 평행육면체가겹치는영역의픽셀들이분류될수없다.

7 최소거리 (Minimum Distance) 분류알고리즘 각클래스의무게중심 (centroid) 이각클래스에대한밴드의평균값을계산하여결정한다. 각각의이미지픽셀에대하여, 각무게중심까지의 N 차원거리를계산하고가장가까운무게중심을갖는클래스로결정한다. 장점 : 수학적으로간단하고, 효율적인계산 단점 : 스펙트럼응답자료의분산의다른정도에민감하지않음.

8 본질적으로무감독분류 (Unsupervised classification) 는감독분류 (supervised classification) 과정의반대이다. 우선데이터의수치정보에기초하여스펙트럼클래스를그룹화하고, 해석가가정보클래스로매치시킨다 ( 가능하다면 ). 클러스터링알고리즘 (clustering algorithms) 이라불리는프로그램이데이터의자연적 ( 통계적 ) 그룹핑또는구조를결정하는데사용된다. 보통, 분석가가데이터내에서얼마나많은그룹또는클러스터를찾는지를지정합니다. 원하는클래스의개수를지정하는것외에도, 분석가는클러스터들간의이격거리와각클러스터내의분산에관련된파라미터를지정할수도있다. 이러한반복적클러스터링처리의최종결과는, 해석가의입장에서는일부클러스터들의결합, 또는더세분화해야할클러스터들을초래할수도있다 - 이들각각은클러스터링알고리즘의또다른적용을필요로하게된다. 따라서, 무감독분류가인간의완전한개입이없는것은아니다. 그러나, 감독분류에서와같이클래스가미리정해진설정에서시작되지는않습니다.

9 반복적자기 - 조직화자료분석기술 (Iterative Self-Organizing Data Analysis Technique : ISODATA) : 체험적 (heuristic) 과정의포괄적인세트가반복적분류알고리즘으로통합된것. ISODATA 알고리즘은다음을포함한다. a) 군집 (cluster) 들간의거리가사용자가명시한임계값보다작으면병합 b) 하나의군집 (cluster) 을둘로나누기위한규칙 ISODATA 는사람의입력이비교적작아자기 - 조직화 (self-organizing) 이긴하지만, 일반적으로해석가로부터다음과같은일련의파라미터들의명시가요구된다 : N MIN_EX : 군집당최소표본수 N D : 대략적으로요구되는군집개수 σ : 분리가요구되는최대분산파라미터 D MERGE : 결합이요구되는최대분리거리 N MERGE : 결합될수있는최대군집수

10

11 A color composite of multi-spectral data. Classification map derived from 10 ISODATA clusters.

12 QUIZ 당신은위성영상에대한분류를수행하려고합니다. 그러나그것의히스토그램을검사해보니, 유용한데이터의범위가매우좁은것을알수있었습니다. 분류를시도하기이전에, 당신은선형대비스트레칭 (linear contrast stretch) 으로이미지향상을하겠습니까? ANS 이미지의 ' 향상 (enhancement)' 은오직시각적으로그내용을인식하고분석하기위해서수행됩니다. 향상 (enhancement) 은분류알고리즘에관한한, 아무것도유용한정보를추가하지않습니다. 이를다른시각으로살펴보면 : 두개의픽셀이하나의디지털단위 (one digital unit) 의밝기값의차이가있는경우, 눈으로그미묘한차이를발견하는것은매우어렵습니다. 그러나컴퓨터에서그차이는그냥 100 배더큰것처럼 ' 분명한 ' 차이로인식됩니다. 이미지의향상된버전은 ' 훈련 ('training)' 영역을 ( 눈을사용한 ) 선택하는데도움이될수있습니다, 하지만당신은여전히향상되지않은버전에서분류를수행하게됩니다.

13 4.8 자료통합 (Integration) 및분석 (Analysis) 원격탐사데이터소스가항공사진이었던아날로그원격탐사의초기에, 서로다른소스에서데이터의통합을역량은제한적이었다. 오늘날, 센서의다양한배열에서대부분의데이터가디지털형식으로이용할수있어, 데이터통합 (data integration) 은해석및분석에사용되는일반적인방법이다. 데이터통합은근본적으로더나은또는더많은정보를추출하기위한노력의일환으로여러소스에서데이터결합 (combining) 하거나병합 (merging) 을포함한다. 여기에는다중 - 시간 (multi-temporal), 다중 - 해상도 (multi-resolution), 다중 - 센서 (multi-sensor), 또는다중 - 데이터타입 (multi-data type) 의데이터를포함할수있다.

14 4.8 Data Integration and Analysis 서로다른시간에수집된이미지는변화된지역을식별하기위해통합됩니다. 다중시간변화감지 (Multi-temporal change detection) 는이미지뺄샘 (image subtraction), 또는다중분류비교 (multiple classification comparisons) 나통합된다중 - 시간데이터세트 (integrated multi-temporal data sets) 를사용한분류와같은더복잡한방법에의해서달성될수있다. 다중해상도데이터병합 (Multiresolution data merging) 은다양한응용에서유용하다. 높은공간해상도데이터의낮은해상도데이터와의병합은이미지의공간적세부사항을매우선명하게하며, 대상들의식별을향상시킬수있습니다. 10m 전색성 (panchromatic) 데이터가 20m 멀티스펙트럼데이터와쉽게병합될수있는 SPOT 데이터가이방법에적합하다. 또한, 전색성데이터는향상된공간해상도를제공하는반면에멀티스펙트럼데이터는좋은스펙트럼해상도를유지하는역할을한다.

15 4.8 Data Integration and Analysis 다른센서의데이터도또한다중 - 센서데이터융합 (multi-sensor data fusion) 의개념으로병합할수있습니다. 이기술의좋은예는멀티스펙트럼광학데이터 (multispectral optical data) 와레이더이미지 (radar imagery) 의조합입니다. 지표의이두가지스펙트럼표현은상호보완적인정보를제공할수있습니다. 광학자료 (optical data) 는, 지표커버유형을구별하는데유용한상세한스펙트럼정보를제공 레이더이미지 (radar imagery) 는이미지의구조적인세부사항 (structural detail) 을강조한다

16 4.8 Data Integration and Analysis 멀티센서데이터통합 (multi-sensor data integration) 의응용은일반적으로데이터가서로또는공통의지리적좌표시스템또는기반지도중의하나에기하학적으로등록할것이요구된다. 이것은또한다른보조 (ancillary)( 추가 ) 데이터소스가원격탐사데이터와통합될수있게해준다.. 예를들어, 디지털고도 (Digital Elevation) 또는디지털지형모델 (Digital Terrain Models) (DEM/DTM) 이라는디지털형태고도데이터는, 다양한목적을위해서원격감지데이터와결합될수있다. DEM/DTM 은지형및경사변동으로인한영향이보정될수있게하여, 잠재적으로얻어진분류결과의정확성을증가시켜, 이미지분류에유용할수있다. DEM/DTM 은영상화된지역의시각화를향상하기위해서, 원격탐사이미지를고도데이터 (elevation data) 에올려놓음으로해서 (draping remote sensing imagery ), 3 차원입체투시도 (three-dimensional perspective views) 를생성하는데유용합니다.

17 4.8 Data Integration and Analysis 다른유형의그리고서로다른소스에서의데이터를결합하는것이데이터통합및분석의최종결과이다. 모든데이터소스가기하학적으로공통지리적기반에등록된디지털환경에서는정보추출을위한가능성이매우넓어진다. 이것은디지털지리정보시스템 (Geographical Information System : GIS) 데이터베이스에서의분석을위한개념이다. 공간적으로참조 (referenced spatially) 될수있는모든데이터소스가이러한환경의유형에서사용될수있다. DEM/DTM 은이러한데이터종류의한예입니다. 다른예로는응용에따라토양타입, 토지피복클래스, 숲종, 도로네트워크, 그리고많은다른것들의디지털지도가있을수있습니다. 지도형식의원격탐사자료의분류의결과는 GIS 에서기존지도데이터를업데이트하기위한또다른데이터소스로사용될수있다. 본질적으로, 단일데이터소스를사용하여단독으로할때보다도, 다양한데이터를함께분석 (analyzing diverse data sets together) 하여시너지방식으로더나은그리고보다정확한정보를추출할수있게된다.

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선 Point Operation Histogram Modification 김성영교수 금오공과대학교 컴퓨터공학과 학습내용 HISTOGRAM HISTOGRAM MODIFICATION DETERMINING THRESHOLD IN THRESHOLDING 2 HISTOGRAM A simple datum that gives the number of pixels that a

More information

Remote Sensing

Remote Sensing Remote Sensing Ch. 4 이미지해석 (Interpretation) 및분석 (Analysis) (Part 2 of 2) 4.5 이미지향상 (Enhancement) 4.6 이미지변환 (Transformations) 4.5 Image Enhancement 이미지향상은이미지의시각적해석과이해를보다쉽게하기위해사용됩니다. 조명, 대기의영향및센서특성에대한복사보정

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Computer Vision & Pattern Recognition Lab. 제 9 장영상인식 Computer Vision & Pattern Recognition Lab. 영상인식 Computer Vision & Pattern Recognition Lab. 2 /26 영상인식 일반적인영상인식은매우어려운문제임 제한된환경, 여러가지가정하에서수행 영상의종류를알경우

More information

Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography Vol. 33, No. 1, 23-30,

Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography Vol. 33, No. 1, 23-30, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography Vol. 33, No. 1, 23-30, 2015 http://dx.doi.org/10.7848/ksgpc.2015.33.1.23 ISSN 1598-4850(Print) ISSN 2288-260X(Online)

More information

<34335FB1E8B9CEB1D42DC8A5C7D5C8ADBCD2B8A620C0CCBFEBC7D120494B4F4E4F5320BFB5BBF32E687770>

<34335FB1E8B9CEB1D42DC8A5C7D5C8ADBCD2B8A620C0CCBFEBC7D120494B4F4E4F5320BFB5BBF32E687770> Journal of the Korea Academia-Industrial cooperation Society Vol. 13, No. 6 pp. 2751-2756, 2012 http://dx.doi.org/10.5762/kais.2012.13.6.2751 혼합화소를이용한 IKONOS 영상의감독분류정확도평가 이종신 1, 김민규 1*, 박준규 2 1 충남대학교토목공학과,

More information

Sequences with Low Correlation

Sequences with Low Correlation 레일리페이딩채널에서의 DPC 부호의성능분석 * 김준성, * 신민호, * 송홍엽 00 년 7 월 1 일 * 연세대학교전기전자공학과부호및정보이론연구실 발표순서 서론 복호화방법 R-BP 알고리즘 UMP-BP 알고리즘 Normalied-BP 알고리즘 무상관레일리페이딩채널에서의표준화인수 모의실험결과및고찰 결론 Codig ad Iformatio Theory ab /15

More information

03¹Ú³ë¿í7~272s

03¹Ú³ë¿í7~272s Korean Journal of Remote Sensing, Vol.23, No.4, 2007, pp.257~272 Analysis of Relationships between Features Extracted from SAR Data and Land-cover Classes No-Wook Park*, Hoonyol Lee**, and Kwang-Hoon Chi*

More information

周 縁 の 文 化 交 渉 学 シリーズ 3 陵 墓 からみた 東 アジア 諸 国 の 位 相 朝 鮮 王 陵 とその 周 縁 머리말 조선시대에 왕(비)이 사망하면 그 육신은 땅에 묻어 陵 을 조성하고, 삼년상이 지나면 그 혼을 국가 사당인 종묘에 모셔 놓았다. 양자는 모두 국가의

周 縁 の 文 化 交 渉 学 シリーズ 3 陵 墓 からみた 東 アジア 諸 国 の 位 相 朝 鮮 王 陵 とその 周 縁 머리말 조선시대에 왕(비)이 사망하면 그 육신은 땅에 묻어 陵 을 조성하고, 삼년상이 지나면 그 혼을 국가 사당인 종묘에 모셔 놓았다. 양자는 모두 국가의 조선초기 왕릉제사의 정비와 운영* 한 형 주 ** 조선시대의 왕릉은 풍수지리학과 미술사 등에서 왕릉연구가 이루어졌을 뿐 그것 의 국가의례 측면에서의 접근이 거의 없었다. 본고에서는 이중에서 제례를 대상으로 초기 왕릉제사의 제도적 정비와 의식, 종묘와 차별성, 그리고 능행의 정치사적 의미 등을 천착함으로써 국가의례에서 왕릉이 차지하는 위치를 짚어보고자 하였다.

More information

18권2호

18권2호 LiDAR DEM 과다중시기에촬영된 Landsat 영상을이용한 낙동강유역내토지피복변화탐지 정윤재 1 Land Cover Change Detection in the Nakdong River Basin Using LiDAR Data and Multi-Temporal Landsat Imagery Yun-Jae CHOUNG 1 1) 요 약 본연구는 LiDAR DEM(Digital

More information

영상 처리 프로그래밍 By Visual C++

영상 처리 프로그래밍 By Visual C++ 디지털영상처리 6 6 장화질향상기법 영상반전하기 밝기와명암비조절 감마보정 히스토그램분석 히스토그램균등화 6.1. 영상반전하기 영상반전 영상내의모든픽셀값을하나하나반전시키는것 g( x, y) 255 f ( x, y) 255 f ( x, y) g( x, y) : 입력영상 : 출력영상 출력그레이스케일값 255 - k 0 k 255 입력그레이스케일값 - 2 - 6.1.

More information

서울도시연구_13권4호.hwp

서울도시연구_13권4호.hwp ~ An Analysis of Spatial-Temporal Changes in the Longevity Degree and Characteristics of the Long-live Community in Seoul Jae Hun Sim* Seung Cheol Noh** Hee Yeon Lee*** 7)8)9) 요약 주제어 This paper aims to

More information

김기남_ATDC2016_160620_[키노트].key

김기남_ATDC2016_160620_[키노트].key metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational

More information

히스토그램구하기 사전준비 : 히스토그램을저장할메모리가필요함 필요한메모리개수 à 전체영상의픽셀은그값이 0 ~ 255이므로 256 개의메모리필요함 영상을구성하는픽셀의개수는매우크므로메모리형식은 unsigned long으로해야함 ( unsigned 란 +/- 를고려하지않는다는

히스토그램구하기 사전준비 : 히스토그램을저장할메모리가필요함 필요한메모리개수 à 전체영상의픽셀은그값이 0 ~ 255이므로 256 개의메모리필요함 영상을구성하는픽셀의개수는매우크므로메모리형식은 unsigned long으로해야함 ( unsigned 란 +/- 를고려하지않는다는 디지털영상처리 실습 : 히스토그램 방송영상미디어과 히스토그램 (Histogram) 히스토그램이란? n 디지털영상을구성하는화소는명도값을나타내는데어떤명도값을가진픽셀수가몇개있는가를나타내는함수 n 화소의명도값은 0~255 인데각명도값에해당하는화소의수를나타내는함수 히스토그램구하는방법 4 4 3 3 픽셀갯수 6 5 4 4 3 3 4 1 2 3 2

More information

REP - CP - 016, N OVEMBER 사진 요약 25 가지 색상 Surf 를 이용한 사진 요약과 사진 배치 알고리즘 Photo Summarization - Representative Photo Selection based on 25 Color Hi

REP - CP - 016, N OVEMBER 사진 요약 25 가지 색상 Surf 를 이용한 사진 요약과 사진 배치 알고리즘 Photo Summarization - Representative Photo Selection based on 25 Color Hi 1 사진 요약 25 가지 색상 Surf 를 이용한 사진 요약과 사진 배치 알고리즘 Photo Summarization - Representative Photo Selection based on 25 Color Histogram and ROI Extraction using SURF 류동성 Ryu Dong-Sung 부산대학교 그래픽스 연구실 dsryu99@pusan.ac.kr

More information

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월 지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., 2004 5 2009 12 KOSPI200.,. * 2009. 지능정보연구제 16 권제 1 호 2010 년 3 월 김선웅 안현철 社 1), 28 1, 2009, 4. 1. 지능정보연구제 16 권제 1 호 2010 년 3 월 Support

More information

<C3CA3520B0FAC7D0B1B3BBE7BFEB202E687770>

<C3CA3520B0FAC7D0B1B3BBE7BFEB202E687770> 1. 만화경 만들기 59 2. 물 속에서의 마술 71 3. 비누 탐험 84 4. 꽃보다 아름다운 결정 97 5. 거꾸로 올라가는 물 110 6. 내가 만든 기압계 123 7. 저녁 노을은 맑은 날씨? 136 8. 못생겨도 나는 꽃! 150 9. 단풍잎 색깔 추리 162 10. 고마워요! 지렁이 174 1. 날아라 열기구 188 2. 나 누구게? 198 3.

More information

PART 8 12 16 21 25 28

PART 8 12 16 21 25 28 PART 8 12 16 21 25 28 PART 34 38 43 46 51 55 60 64 PART 70 75 79 84 89 94 99 104 PART 110 115 120 124 129 134 139 144 PART 150 155 159 PART 8 1 9 10 11 12 2 13 14 15 16 3 17 18 19 20 21 4 22 23 24 25 5

More information

LIDAR와 영상 Data Fusion에 의한 건물 자동추출

LIDAR와 영상 Data Fusion에 의한 건물 자동추출 i ii iii iv v vi vii 1 2 3 4 Image Processing Image Pyramid Edge Detection Epipolar Image Image Matching LIDAR + Photo Cross correlation Least Squares Epipolar Line Matching Low Level High Level Space

More information

JUNIT 실습및발표

JUNIT 실습및발표 JUNIT 실습및발표 JUNIT 접속 www.junit.org DownLoad JUnit JavaDoc API Document 를참조 JUNIT 4.8.1 다운로드 설치파일 (jar 파일 ) 을다운로드 CLASSPATH 를설정 환경변수에서설정 실행할클래스에서 import JUnit 설치하기 테스트실행주석 @Test Test 를실행할 method 앞에붙임 expected

More information

열거형 교차형 전개형 상승형 외주형 회전형 도해패턴 계층형 구분형 확산형 합류형 대비형 상관형 (C) 2010, BENESO All Rights Reserved 2

열거형 교차형 전개형 상승형 외주형 회전형 도해패턴 계층형 구분형 확산형 합류형 대비형 상관형 (C) 2010, BENESO All Rights Reserved 2 c 2010, BENESO All rights reserved 1 열거형 교차형 전개형 상승형 외주형 회전형 도해패턴 계층형 구분형 확산형 합류형 대비형 상관형 (C) 2010, BENESO All Rights Reserved 2 u 열거형 : 대소, 위치등의관계에대해설명 u 교차형 : 중복, 합동, 복합, 공동등의관계에대해설명 설명도, 대소관계도, 제휴관계도,

More information

adfasdfasfdasfasfadf

adfasdfasfdasfasfadf C 4.5 Source code Pt.3 ISL / 강한솔 2019-04-10 Index Tree structure Build.h Tree.h St-thresh.h 2 Tree structure *Concpets : Node, Branch, Leaf, Subtree, Attribute, Attribute Value, Class Play, Don't Play.

More information

17장 클래스와 메소드

17장 클래스와 메소드 17 장클래스와메소드 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 17 장클래스와메소드 1 / 18 학습내용 객체지향특징들객체출력 init 메소드 str 메소드연산자재정의타입기반의버전다형성 (polymorphism) 박창이 ( 서울시립대학교통계학과 ) 17 장클래스와메소드 2 / 18 객체지향특징들 객체지향프로그래밍의특징 프로그램은객체와함수정의로구성되며대부분의계산은객체에대한연산으로표현됨객체의정의는

More information

1809_2018-BESPINGLOBAL_Design Guidelines_out

1809_2018-BESPINGLOBAL_Design Guidelines_out 베스핀글로벌 디자인 가이드라인 베스핀글로벌은 경험과 기술을 바탕으로 고객에게 신뢰를 주는 기업이기를 지향합니다. 모든 서비스와 소통채널에서 우리의 가치를 일관되게 표현하도록 합니다. SIGNATURE SIGNATURE + SLGAN SIGNATURE [CHINA] SIGNATURE + SYMBL 2018년 1.ver 베스핀글로벌 디자인 가이드라인 디자인 가이드라인을

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 05 장 CSS3 선택자 1. 선택자개요 2. 기본선택자 3. 속성선택자 4. 후손선택자와자손선택자 5. 반응 / 상태 / 구조선택자 CSS 블록을생성할수있다. 선택자를이해하고적절한선택자를활용할수있다. 1 선택자개요 CSS3 선택자 특정한 HTML 태그를선택할때사용하는기능 선택한태그에원하는스타일이나스크립트적용가능 그림 5-1 CSS 블록 CSS 블록 style

More information

PDF

PDF 도심지역적용을위한 uv-disparity 기반장애물검출개선방안 서재규 1) 정호기 *2) 한양대학교자동차전자제어연구소 1) 한양대학교기계공학부 2) Enhancement of uv-disparity-based obstacle detection in urban environments Jae Kyu Suhr 1) Ho Gi Jung *2) 1) Research

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 GIS기술 동향과 전망 KOREA GEOSPATIAL INFORMATION & COMMUNICATION CO.,LTD. GIS GIS WWW Browser User request Deliver Results Invoke Translate Results Return Results CGI Script Send Variables GIS Server

More information

(JBE Vol. 23, No. 2, March 2018) (Special Paper) 23 2, (JBE Vol. 23, No. 2, March 2018) ISSN

(JBE Vol. 23, No. 2, March 2018) (Special Paper) 23 2, (JBE Vol. 23, No. 2, March 2018)   ISSN (Special Paper) 23 2, 2018 3 (JBE Vol. 23, No. 2, March 2018) https://doi.org/10.5909/jbe.2018.23.2.186 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) a), a) Robust Online Object Tracking via Convolutional

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 3 장 화소점ㅎㅎ처리 화소점처리의개념 디지털영상의산술연산과논리연산 디지털영상의다양한화소점처리기법 4 장. 화소점처리 학습목표 화소점처리의개념을알아본다. 디지털영상의화소에서산술연산과그효과를알아본다. 디지털영상에서논리연산과그효과를알아본다. 다양한영상의화소점처리기법을익힌다. 2 Section 01 화소점처리의개념 화소점처리 원화소의값이나위치를바탕으로단일화소값을변경하는기술다른화소의영향을받지않고단순히화소점의값만변경하므로포인트처리

More information

Microsoft PowerPoint - 27.pptx

Microsoft PowerPoint - 27.pptx 이산수학 () n-항관계 (n-ary Relations) 2011년봄학기 강원대학교컴퓨터과학전공문양세 n-ary Relations (n-항관계 ) An n-ary relation R on sets A 1,,A n, written R:A 1,,A n, is a subset R A 1 A n. (A 1,,A n 에대한 n- 항관계 R 은 A 1 A n 의부분집합이다.)

More information

KMC.xlsm

KMC.xlsm 제 7 장. /S 에필요한내용 1] IGBT 취급시주의사항 ) IGBT 취급시주의 1) 운반도중에는 Carbon Cross로 G-E를단락시킵니다. 2) 정전기가발생할수있으므로손으로 G-E 및주단자를만지지마십시요. 3) G-E 단자를개방시킨상태에서직류전원을인가하지마십시요. (IGBT 파손됨 ) 4) IGBT 조립시에는사용기기나인체를접지시키십시요. G2 E2 E1

More information

장기계획-내지4차

장기계획-내지4차 2011~2020 KOREA FOREST SERVICE 2011~2020 2011~2020 KOREA FOREST SERVICE 2011~2020 2011~2020 6 7 2011~2020 8 9 2011~2020 10 11 2011~2020 12 2011~2020 KOREA FOREST SERVICE 2011~2020 14 15 2011~2020 16 17

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 A 반 T2 - 김우빈 (201011321) 임국현 (201011358) 박대규 (201011329) Robot Vacuum Cleaner 1 Motor Sensor RVC Control Cleaner Robot Vaccum Cleaner 2 / Event Format/ Type Front Sensor RVC 앞의장애물의유무를감지한다. True / False,

More information

빅데이터_DAY key

빅데이터_DAY key Big Data Near You 2016. 06. 16 Prof. Sehyug Kwon Dept. of Statistics 4V s of Big Data Volume Variety Velocity Veracity Value 대용량 다양한 유형 실시간 정보 (불)확실성 가치 tera(1,0004) - peta -exazetta(10007) bytes in 2020

More information

ch3.hwp

ch3.hwp 미디어정보처리 (c) -4 한남대 정보통신멀티미디어학부 MCCLab. - -...... (linear filtering). Z k = n i = Σn m Σ j = m M ij I ji 컨볼루션 영역창 I I I I 3 I 4 I 5 I 6 I 7 I 8 x 컨볼루션 마스크 M M M M 3 M 4 M 5 M 6 M 7 M 8 I 입력 영상 Z 4 = 8 k

More information

JAVA PROGRAMMING 실습 08.다형성

JAVA PROGRAMMING 실습 08.다형성 2015 학년도 2 학기 1. 추상메소드 선언은되어있으나코드구현되어있지않은메소드 abstract 키워드사용 메소드타입, 이름, 매개변수리스트만선언 public abstract String getname(); public abstract void setname(string s); 2. 추상클래스 abstract 키워드로선언한클래스 종류 추상메소드를포함하는클래스

More information

<4D F736F F F696E74202D203137C0E55FBFACBDC0B9AEC1A6BCD6B7E7BCC72E707074>

<4D F736F F F696E74202D203137C0E55FBFACBDC0B9AEC1A6BCD6B7E7BCC72E707074> SIMATIC S7 Siemens AG 2004. All rights reserved. Date: 22.03.2006 File: PRO1_17E.1 차례... 2 심벌리스트... 3 Ch3 Ex2: 프로젝트생성...... 4 Ch3 Ex3: S7 프로그램삽입... 5 Ch3 Ex4: 표준라이브러리에서블록복사... 6 Ch4 Ex1: 실제구성을 PG 로업로드하고이름변경......

More information

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 2. 관련연구 2.1 MQTT 프로토콜 Fig. 1. Topic-based Publish/Subscribe Communication Model. Table 1. Delivery and Guarantee by MQTT QoS Level 2.1 MQTT-SN 프로토콜 Fig. 2. MQTT-SN

More information

THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE Jun; 26(6),

THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE Jun; 26(6), THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE. 2015 Jun; 26(6), 564571. http://dx.doi.org/10.5515/kjkiees.2015.26.6.564 ISSN 1226-3133 (Print)ISSN 2288-226X (Online) 3-D Multiple-Input

More information

untitled

untitled CLEBO PM-10S / PM-10HT Megapixel Speed Dome Camera 2/39 3/39 4/39 5/39 6/39 7/39 8/39 ON ON 1 2 3 4 5 6 7 8 9/39 ON ON 1 2 3 4 10/39 ON ON 1 2 3 4 11/39 12/39 13/39 14/39 15/39 Meg gapixel Speed Dome Camera

More information

Print

Print 22-12324-4TEL:3668-3114 FAX:742-3387 TEL:3668-3120 FAX:745-9476 TEL:3668-3109, 2279-0867~8 TEL:3668-3127 TEL:3668-3123, 3128, 3162 www.saeki.co.kr, www.pentaximaging.co.kr Small 의 큰 스타일을 경험하다 당신의 카메라만으로도,

More information

Microsoft PowerPoint - D03_SpatialDomainEnhance_note.ppt [호환 모드]

Microsoft PowerPoint - D03_SpatialDomainEnhance_note.ppt [호환 모드] Digital Image Processing 3. Image Enhancement in the Spatial Domain Computer Engineering, Sejong University Spatial domain processing 영상의화소값에대해서직접연산을수행 g(x,y) = T[(x,y)] (x,y) : 입력영상 g(x,y) : 출력영상 T[.]

More information

슬라이드 제목 없음

슬라이드 제목 없음 5.2 ER 모델 ( 계속 ) 관계와관계타입 관계는엔티티들사이에존재하는연관이나연결로서두개이상의엔티티타입들사이의사상으로생각할수있음 관계집합은동질의관계들의집합 관계타입은동질의관계들의틀 관계집합과관계타입을엄격하게구분할필요는없음 요구사항명세에서흔히동사는 ER 다이어그램에서관계로표현됨 ER 다이어그램에서다이어몬드로표기 관계타입이서로연관시키는엔티티타입들을관계타입에실선으로연결함

More information

문제지 제시문 2 보이지 않는 영역에 대한 정보를 얻기 위하여 관측된 다른 정보를 분석하여 역으로 미 관측 영역 에 대한 정보를 얻을 수 있다. 가령 주어진 영역에 장애물이 있는 경우 한 끝 점에서 출발하여 다른 끝 점에 도달하는 최단 경로의 개수를 분석하여 장애물의

문제지 제시문 2 보이지 않는 영역에 대한 정보를 얻기 위하여 관측된 다른 정보를 분석하여 역으로 미 관측 영역 에 대한 정보를 얻을 수 있다. 가령 주어진 영역에 장애물이 있는 경우 한 끝 점에서 출발하여 다른 끝 점에 도달하는 최단 경로의 개수를 분석하여 장애물의 제시문 문제지 2015학년도 대학 신입학생 수시모집 일반전형 면접 및 구술고사 수학 제시문 1 하나의 동전을 던질 때, 앞면이나 뒷면이 나온다. 번째 던지기 전까지 뒷면이 나온 횟수를 라 하자( ). 처음 던지기 전 가진 점수를 점이라 하고, 번째 던졌을 때, 동전의 뒷면이 나오면 가지고 있던 점수를 그대로 두고, 동전의 앞면이 나오면 가지고 있던 점수를 배

More information

05김선걸_ok.hwp

05김선걸_ok.hwp (JBE Vol. 18, No. 4, July 2013) (Special Paper) 18 4, 2013 7 (JBE Vol. 18, No. 4, July 2013) http://dx.doi.org/10.5909/jbe.2013.18.4.550 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) a), a) Visible Image

More information

Chap 6: Graphs

Chap 6: Graphs 5. 작업네트워크 (Activity Networks) 작업 (Activity) 부분프로젝트 (divide and conquer) 각각의작업들이완료되어야전체프로젝트가성공적으로완료 두가지종류의네트워크 Activity on Vertex (AOV) Networks Activity on Edge (AOE) Networks 6 장. 그래프 (Page 1) 5.1 AOV

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 04 장히스토그램을이용한화소점처리 디지털영상의히스토그램 산술연산을이용한히스토그램에서의이동 히스토그램스트레칭 히스토그램평활화 히스토그램명세화 학습목표 4 장. 히스토그램을이용한화소점처리 디지털영상의히스토그램을이해한다. 산술연산으로히스토그램에서명도와명암대비를조정하는방법을이해한다. 히스토그램스트레칭기법의원리와효과를학습한다. 히스토그램평활화의기본원리를익히고, 영상에서보이는효과를알아본다.

More information

gnu-lee-oop-kor-lec06-3-chap7

gnu-lee-oop-kor-lec06-3-chap7 어서와 Java 는처음이지! 제 7 장상속 Super 키워드 상속과생성자 상속과다형성 서브클래스의객체가생성될때, 서브클래스의생성자만호출될까? 아니면수퍼클래스의생성자도호출되는가? class Base{ public Base(String msg) { System.out.println("Base() 생성자 "); ; class Derived extends Base

More information

IP 심화 라우팅프로토콜적용시 라우팅테이블에서 이니셜이있는네트워크를설정하는것 : onnected 직접연결된네트워크를의미한다. 그러므로라우팅은 나는이런네트워크와연결되어있다. 를직접연결된라우터들에게알려주는것 1>en 1#conf t 1(config)#router rip 1

IP 심화 라우팅프로토콜적용시 라우팅테이블에서 이니셜이있는네트워크를설정하는것 : onnected 직접연결된네트워크를의미한다. 그러므로라우팅은 나는이런네트워크와연결되어있다. 를직접연결된라우터들에게알려주는것 1>en 1#conf t 1(config)#router rip 1 IP 심화 º 각 P 의게이트웨이는해당네트워크의마지막주소를사용한다. - P1 (210.220.10.1/26) 의게이트웨이 (5의 Fa0/0) : 210.220.10.63 /26 = 255.255.255.192 호스트비트수 : 32-26 = 6 비트 => = 64 그러므로 P1의 IP 210.220.10.1 중서브넷마스크에의거 26비트는변함이없고, 나머지 6비트가호스트비트로변하므로

More information

프로덕트 아이덴티티의 유형별 특성에 관한 연구

프로덕트 아이덴티티의 유형별 특성에 관한 연구 A Study on specific characteristic pattern of Product Identity - - - - (Smart & So ft) (Balance of Reason and Feeling). - - - - - - - - - - - - - (Originality),

More information

hwp

hwp 100% Concentration rate (%) 95% 90% 85% 80% 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 Time (min) Control box of RS485 Driving part Control trigger Control box of driving car Diaphragm Lens of camera Illumination

More information

Microsoft PowerPoint - bioinfo_09lect12_shpark_microarray.ppt [호환 모드]

Microsoft PowerPoint - bioinfo_09lect12_shpark_microarray.ppt [호환 모드] 생명정보학의이해 (Introduction to Bioinformatics) Chapter 5. DNA Microarray 데이터분석 박성희 (shpark@ssu.ac.kr) ac kr) 목차 DNA Microarray 실험의원리 Microarray 데이터전처리 이미지처리 (image preprocessing) Microarray 데이터정규화 (Normalization)

More information

0.9 0.8 520 540 BT.709 DCI BT.2020 0.7 0.6 500 0.5 0.4 0.3 0.2 0.1 480 460 0.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 560 580 [ 1] 600 620 TTA Journal Vo

0.9 0.8 520 540 BT.709 DCI BT.2020 0.7 0.6 500 0.5 0.4 0.3 0.2 0.1 480 460 0.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 560 580 [ 1] 600 620 TTA Journal Vo 표준 시험인증 기술 동향 4K/UHD 방송용 비디오 모니터 시험인증 기술 동향 배성포 양진영 100 l 2014 07/08 0.9 0.8 520 540 BT.709 DCI BT.2020 0.7 0.6 500 0.5 0.4 0.3 0.2 0.1 480 460 0.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 560 580 [ 1] 600

More information

statistics

statistics 수치를이용한자료요약 statistics hmkang@hallym.ac.kr 한림대학교 통계학 강희모 ( 한림대학교 ) 수치를이용한자료요약 1 / 26 수치를 통한 자료의 요약 요약 방대한 자료를 몇 개의 의미있는 수치로 요약 자료의 분포상태를 알 수 있는 통계기법 사용 중심위치의 측도(measure of center) : 어떤 값을 중심으로 분포되어 있는지

More information

RHEV 2.2 인증서 만료 확인 및 갱신

RHEV 2.2 인증서 만료 확인 및 갱신 2018/09/28 03:56 1/2 목차... 1 인증서 확인... 1 인증서 종류와 확인... 4 RHEVM CA... 5 FQDN 개인 인증서... 5 레드햇 인증서 - 코드 서명 인증서... 6 호스트 인증... 7 참고사항... 8 관련링크... 8 AllThatLinux! - http://allthatlinux.com/dokuwiki/ rhev_2.2_

More information

설계란 무엇인가?

설계란 무엇인가? 금오공과대학교 C++ 프로그래밍 jhhwang@kumoh.ac.kr 컴퓨터공학과 황준하 6 강. 함수와배열, 포인터, 참조목차 함수와포인터 주소값의매개변수전달 주소의반환 함수와배열 배열의매개변수전달 함수와참조 참조에의한매개변수전달 참조의반환 프로그래밍연습 1 /15 6 강. 함수와배열, 포인터, 참조함수와포인터 C++ 매개변수전달방법 값에의한전달 : 변수값,

More information

소식지수정본-1

소식지수정본-1 2010. 7 통권2호 2 CONTENTS Korea Oceanographic & Hydrographic Association 2010. 7 2010년 한마음 워크숍 개최 원장님께서 손수 명찰을 달아주시면서 직원들과 더욱 친숙하게~~ 워크숍 시작! 친근하고 정감있는 말씀으로 직원들과 소통하며 격려하여 주시는 원장님... 제12차 SNPWG 회의에 참석 _ 전자항해서지

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 System Software Experiment 1 Lecture 5 - Array Spring 2019 Hwansoo Han (hhan@skku.edu) Advanced Research on Compilers and Systems, ARCS LAB Sungkyunkwan University http://arcs.skku.edu/ 1 배열 (Array) 동일한타입의데이터가여러개저장되어있는저장장소

More information

05 ƯÁý

05 ƯÁý Special Issue 04 / 46 VOL. 46 NO. 4 2013. 4 47 Special Issue 04 / 48 VOL. 46 NO. 4 2013. 4 49 S pecial Issue 04 / IHP 7단계 연구사업 구분 1970년대 1980년대 1990년대 2000년대 연최대 강우량 침수면적 인명피해 재산피해 그림 4. 시군구별 연 최대 강우량과

More information

CONTENTS 2015년 신년사 3 가정위탁사업 안내 4 2014 가정위탁지원센터 운영실적 보고 5 사진으로 보는 2014년 경기가정위탁지원센터 6 아이들의 꿈을 응원합니다 10 친부모의 희망을 응원합니다 11 위탁가정의 사랑을 응원합니다 12 가정위탁사업에 함께하는

CONTENTS 2015년 신년사 3 가정위탁사업 안내 4 2014 가정위탁지원센터 운영실적 보고 5 사진으로 보는 2014년 경기가정위탁지원센터 6 아이들의 꿈을 응원합니다 10 친부모의 희망을 응원합니다 11 위탁가정의 사랑을 응원합니다 12 가정위탁사업에 함께하는 2015. 상반기. Vol. 31 CONTENTS 2015년 신년사 3 가정위탁사업 안내 4 2014 가정위탁지원센터 운영실적 보고 5 사진으로 보는 2014년 경기가정위탁지원센터 6 아이들의 꿈을 응원합니다 10 친부모의 희망을 응원합니다 11 위탁가정의 사랑을 응원합니다 12 가정위탁사업에 함께하는 사람들 13 2015. 상반기. Vol. 31 2015년

More information

PowerPoint Presentation

PowerPoint Presentation Class - Property Jo, Heeseung 목차 section 1 클래스의일반구조 section 2 클래스선언 section 3 객체의생성 section 4 멤버변수 4-1 객체변수 4-2 클래스변수 4-3 종단 (final) 변수 4-4 멤버변수접근방법 section 5 멤버변수접근한정자 5-1 public 5-2 private 5-3 한정자없음

More information

2002년 2학기 자료구조

2002년 2학기 자료구조 자료구조 (Data Structures) Chapter 1 Basic Concepts Overview : Data (1) Data vs Information (2) Data Linear list( 선형리스트 ) - Sequential list : - Linked list : Nonlinear list( 비선형리스트 ) - Tree : - Graph : (3)

More information

(2차).hwp

(2차).hwp 한국지형공간정보학회지 (Journal of the Korean Society for Geospatial Information System) Vol.21 No.2 June 2013 pp.19-25 연구논문 ISSN: 1598-2955 (Print) ISSN: 2287-6693(Online) http://dx.doi.org/10.7319/kogsis.2013.21.2.019

More information

High Resolution Disparity Map Generation Using TOF Depth Camera In this paper, we propose a high-resolution disparity map generation method using a lo

High Resolution Disparity Map Generation Using TOF Depth Camera In this paper, we propose a high-resolution disparity map generation method using a lo High Resolution Disparity Map Generation Using TOF Depth Camera In this paper, we propose a high-resolution disparity map generation method using a low-resolution Time-Of- Flight (TOF) depth camera and

More information

(JBE Vol. 7, No. 4, July 0)., [].,,. [4,5,6] [7,8,9]., (bilateral filter, BF) [4,5]. BF., BF,. (joint bilateral filter, JBF) [7,8]. JBF,., BF., JBF,.

(JBE Vol. 7, No. 4, July 0)., [].,,. [4,5,6] [7,8,9]., (bilateral filter, BF) [4,5]. BF., BF,. (joint bilateral filter, JBF) [7,8]. JBF,., BF., JBF,. : 565 (Special Paper) 7 4, 0 7 (JBE Vol. 7, No. 4, July 0) http://dx.doi.org/0.5909/jbe.0.7.4.565 a), b), a) Depth Map Denoising Based on the Common Distance Transform Sung-Yeol Kim a), Manbae Kim b),

More information

온습도 판넬미터(JTH-05) 사양서V1.0

온습도 판넬미터(JTH-05)  사양서V1.0 온습도 조절기 Model:JTH-05 1. 제품 사양. [제품 구분] JTH-05A(입력 전원 AC), JTH-05D(입력 전원 DC) [전원 사양] JTH-05A 입력 전압 출력 전원 소비 전력 JTH-05D AC 90~240V DC 10~36V 12Vdc / Max.170mA Max.2W [본체 사이즈] ~ 온/습도 범위(본체): 사용 [0 ~ 50, 85%RH

More information

아이콘의 정의 본 사용자 설명서에서는 다음 아이콘을 사용합니다. 참고 참고는 발생할 수 있는 상황에 대처하는 방법을 알려 주거나 다른 기능과 함께 작동하는 방법에 대한 요령을 제공합니다. 상표 Brother 로고는 Brother Industries, Ltd.의 등록 상

아이콘의 정의 본 사용자 설명서에서는 다음 아이콘을 사용합니다. 참고 참고는 발생할 수 있는 상황에 대처하는 방법을 알려 주거나 다른 기능과 함께 작동하는 방법에 대한 요령을 제공합니다. 상표 Brother 로고는 Brother Industries, Ltd.의 등록 상 Android 용 Brother Image Viewer 설명서 버전 0 KOR 아이콘의 정의 본 사용자 설명서에서는 다음 아이콘을 사용합니다. 참고 참고는 발생할 수 있는 상황에 대처하는 방법을 알려 주거나 다른 기능과 함께 작동하는 방법에 대한 요령을 제공합니다. 상표 Brother 로고는 Brother Industries, Ltd.의 등록 상표입니다. Android는

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 한국전자통신학회논문지제 5 권제 2 호 HSI 컬러공간과신경망을이용한내용기반이미지검색 김광백 * 우영운 ** Content-based Image Retrieval Using HSI Color Space and Neural Networks Kwang-baek Kim * Young-woon Woo ** 요약 컴퓨터와인터넷의발달로정보의형태가다양화되어문서위주의자료들로부터이미지,

More information

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 언어 변환 1.4. 기대 효과 4.4. 프로그램 Restructuring 4.5. 소스 모듈 관리 2. SeeMAGMA 적용 전략 2.1. SeeMAGMA

More information

19_9_767.hwp

19_9_767.hwp (Regular Paper) 19 6, 2014 11 (JBE Vol. 19, No. 6, November 2014) http://dx.doi.org/10.5909/jbe.2014.19.6.866 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) RGB-Depth - a), a), b), a) Real-Virtual Fusion

More information

슬라이드 1

슬라이드 1 Pairwise Tool & Pairwise Test NuSRS 200511305 김성규 200511306 김성훈 200614164 김효석 200611124 유성배 200518036 곡진화 2 PICT Pairwise Tool - PICT Microsoft 의 Command-line 기반의 Free Software www.pairwise.org 에서다운로드후설치

More information

로거 자료실

로거 자료실 redirection 매뉴얼 ( 개발자용 ) V1.5 Copyright 2002-2014 BizSpring Inc. All Rights Reserved. 본문서에대한저작권은 비즈스프링 에있습니다. - 1 - 목차 01 HTTP 표준 redirect 사용... 3 1.1 HTTP 표준 redirect 예시... 3 1.2 redirect 현상이여러번일어날경우예시...

More information

지리정보공학

지리정보공학 지리정보공학 래스터 압축 기법 Run-length encoding Block encoding Quadtree Chain encoding Wavelet 2 Run-length encoding 각 행마다 왼쪽에서 오른쪽으로 진행하면서 처음 시작하는 셀과 동일한 수치 값을 가지는 셀들까지, 묶어서 압축시키는 방법 셀 값의 변화가 심한 경우 자료의 압축이 용이하지

More information

., (, 2000;, 1993;,,, 1994), () 65, 4 51, (,, ). 33, 4 30, 23 3 (, ) () () 25, (),,,, (,,, 2015b). 1 5,

., (, 2000;, 1993;,,, 1994), () 65, 4 51, (,, ). 33, 4 30, 23 3 (, ) () () 25, (),,,, (,,, 2015b). 1 5, * 4.,, 3,,, 3,, -., 3, 12, 27, 20. 9,,,,,,,,. 6,,,,,. 5,,,,.. * (2016),. (Corresponding Author): / / 303 Tel: 063-225-4496 / E-mail: jnj1015@jj.ac.kr ., (, 2000;, 1993;,,, 1994), 2000. 2015 () 65, 4 51,

More information

CONTENTS INTRODUCTION CHARE COUPLED DEVICE(CCD) CMOS IMAE SENSOR(CIS) PIXEL STRUCTURE CONSIDERIN ISSUES SINAL PROCESSIN

CONTENTS INTRODUCTION CHARE COUPLED DEVICE(CCD) CMOS IMAE SENSOR(CIS) PIXEL STRUCTURE CONSIDERIN ISSUES SINAL PROCESSIN CMOS IMAE SENSOR and Its Application W.H. Jo System IC SP Div. MT CIS Dev. Team CONTENTS INTRODUCTION CHARE COUPLED DEVICE(CCD) CMOS IMAE SENSOR(CIS) PIXEL STRUCTURE CONSIDERIN ISSUES SINAL PROCESSIN Mobile

More information

Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx

Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx Basic Idea of External Sorting run 1 run 2 run 3 run 4 run 5 run 6 750 records 750 records 750 records 750 records 750 records 750 records run 1 run 2 run 3 1500 records 1500 records 1500 records run 1

More information

이미지 워핑과 모핑

이미지 워핑과 모핑 제 6 장영상워핑과모핑 학습목표 다음기하학적처리의개념을설명할수있고프로그램을작성할수있다 영상워핑 영상모핑 2014-11-11 영상처리 2 영상워핑 (Warpng) 픽셀의위치를이동하는기하학적처리 회전, 이동, 확대 / 축소등의기하학적처리와의차이점 픽셀별로이동정도가다름 고무종이위에그려진영상을임의로구부리는효과를낼수있음 2014-11-11 영상처리 3 영상워핑 (Warpng)

More information

Microsoft PowerPoint - Java7.pptx

Microsoft PowerPoint - Java7.pptx HPC & OT Lab. 1 HPC & OT Lab. 2 실습 7 주차 Jin-Ho, Jang M.S. Hanyang Univ. HPC&OT Lab. jinhoyo@nate.com HPC & OT Lab. 3 Component Structure 객체 (object) 생성개념을이해한다. 외부클래스에대한접근방법을이해한다. 접근제어자 (public & private)

More information

Problem New Case RETRIEVE Learned Case Retrieved Cases New Case RETAIN Tested/ Repaired Case Case-Base REVISE Solved Case REUSE Aamodt, A. and Plaza, E. (1994). Case-based reasoning; Foundational

More information

Microsoft PowerPoint - Ch8

Microsoft PowerPoint - Ch8 Ch. 8 Field-Effect Transistor (FET) and Bias 공핍영역 D G S 채널 8-3 JFET 바이어스 자기바이어스 (self-bias) R G - 접지로부터 AC 신호를분리 I D I G = 0 G = 0 D I D I S S = I S R S I D R S S I S = G - S = 0 I D R S = - I D R S D

More information

PowerPoint Presentation

PowerPoint Presentation 객체지향프로그래밍 클래스, 객체, 메소드 ( 실습 ) 손시운 ssw5176@kangwon.ac.kr 예제 1. 필드만있는클래스 텔레비젼 2 예제 1. 필드만있는클래스 3 예제 2. 여러개의객체생성하기 4 5 예제 3. 메소드가추가된클래스 public class Television { int channel; // 채널번호 int volume; // 볼륨 boolean

More information

03-16-김용일.indd

03-16-김용일.indd Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography Vol. 33, No. 2, 95-101, 2015 http://dx.doi.org/10.7848/ksgpc.2015.33.2.95 ISSN 1598-4850(Print) ISSN 2288-260X(Online)

More information

이 장에서 사용되는 MATLAB 명령어들은 비교적 복잡하므로 MATLAB 창에서 명령어를 직접 입력하지 않고 확장자가 m 인 text 파일을 작성하여 실행을 한다

이 장에서 사용되는 MATLAB 명령어들은 비교적 복잡하므로 MATLAB 창에서 명령어를 직접 입력하지 않고 확장자가 m 인 text 파일을 작성하여 실행을 한다 이장에서사용되는 MATLAB 명령어들은비교적복잡하므로 MATLAB 창에서명령어를직접입력하지않고확장자가 m 인 text 파일을작성하여실행을한다. 즉, test.m 과같은 text 파일을만들어서 MATLAB 프로그램을작성한후실행을한다. 이와같이하면길고복잡한 MATLAB 프로그램을작성하여실행할수있고, 오류가발생하거나수정이필요한경우손쉽게수정하여실행할수있는장점이있으며,

More information

Slide 1

Slide 1 Java 기반의오픈소스 GIS(GeoServer, udig) 를지원하는국내공간 DBMS 드라이버의개발 2013. 08. 28. 김기웅 (socoooooool@gmail.com) 임영현 (yhlim0129@gmail.com) 이민파 (mapplus@gmail.com) PAGE 1 1 기술개발의목표및내용 2 기술개발현황 3 커뮤니티운영계획 4 활용방법및시연 PAGE

More information

, Analyst, , Table of contents 2

, Analyst, , Table of contents 2 _ 3 November 2016 World Auto WatchWatch, Analyst, 3774 3763, inwoo.park@miraeasset.com , Analyst, 3774 3763, inwoo.park@miraeasset.com Table of contents 2 , Analyst, 3774 3763, inwoo.park@miraeasset.com

More information

04 Çмú_±â¼ú±â»ç

04 Çмú_±â¼ú±â»ç 42 s p x f p (x) f (x) VOL. 46 NO. 12 2013. 12 43 p j (x) r j n c f max f min v max, j j c j (x) j f (x) v j (x) f (x) v(x) f d (x) f (x) f (x) v(x) v(x) r f 44 r f X(x) Y (x) (x, y) (x, y) f (x, y) VOL.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 06 Texture Mapping 01 Texture Mapping 의종류 02 Texture Mapping 이가능한객체생성 03 고급 Texture Mapping 01 Texture Mapping 의종류 1. 수동 Texture Mapping 2. 자동 Texture Mapping 2 01 Texture Mapping 의종류 좌표변환 Pipeline 에서

More information

01.여경총(앞부분)

01.여경총(앞부분) KOREA BUSINESS WOMEN S FEDERATION 2 Middle & High School Job Training Program Korea Business Women s Federation 3 2 3 778 778 779 10 711 11 714 715 718 727 735 744 751 754 757 760 767 4 Middle & High School

More information

2015 경제ㆍ재정수첩

2015 경제ㆍ재정수첩 Contents 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 Part 01 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 Part 02 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62

More information

A12 작품설명서.hwp

A12 작품설명서.hwp 탐구보고서 표지 제25회 서울학생탐구발표대회 보고서 출품번호 다층 세포자동자(multi-layer cellular automata)를 이용한 피 포식자 관계 모델링 2010. 10. 4. 소 속 청 학 교 명 학 년 성 명(팀명) 서울시 교육청 서울과학고등학교 1 Black Neo [팀원 이름] 강성진 이재범 비고 1. 탐구보고서는 A4 용지에 표지서식

More information

한 국 산 업 규 격 KS

한 국 산 업 규 격              KS KOrea RObot Standard forum 지능형로봇표준포럼표준 제정일: 2009 년 12 월 15 일 - KOROS 1071-2:2012 - 개정일: 2012 년 mm 월 dd 일 실내 서비스로봇을 위한 물체 인식 성능평가 2부: 영상 데이터베이스를 활용한 평가 (Performance evaluation of object recognition algorithm

More information

Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터

Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터 Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터정보를 annotation하고, 다른소스로부터가져온데이터를 VectorNTI 내부포맷으로저장시킨다.

More information

RFID USN_K_100107

RFID USN_K_100107 U B I Q U I T O U S S O L U T I O N RFID/USN C O N T E N T S LEADING YOU TOWARD A GREATER FUTURE THAN YOU IMAGINE WONDERFUL UBIQUITOUS WORLD 04 RFID/USN 05 06 LEADING RFID/USN SOLUTION PEOPLE PRODUCT PROCESS

More information

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut 경영학을 위한 수학 Fial Eam 5//(토) :-5: 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오.. (각 6점) 다음 적분을 구하시오 4 ( ) (a) ( )4 8 8 (b) d이 성립한다. d C C log log (c) 이다. 양변에 적분을 취하면 log C (d) 라 하자. 그러면 d 4이다. 9 9 4 / si (e) cos si

More information