Abstract. The National Heritage Administration of Korea designates and manages particular non-native species, as well as highly reproductive native plants with strong environmental adaptability, as invasive plants to preserve the unique natural landscapes within cultural heritage sites. However, investigating and managing large-scale cultural heritage areas—such as palaces and fortresses—requires considerable time and labor, and these efforts are further hindered by challenging terrain. This study investigates the use of hyperspectral imaging (HSI), acquired via unmanned aerial vehicles (UAVs), as an efficient approach for monitoring the distribution of black locust (R. pseudoacacia), a representative invasive species. HSI provides rich spectral information by continuously measuring reflectance across a wide range of wavelength bands. We utilize HSI data comprising 150 spectral bands to detect the presence of black locust in the Gongsanseong and Busosanseong fortress areas. To address the limitations of benchmark-based models, such as poor generalizability and overfitting to dataset-specific features, we propose an ensemble approach that integrates the strengths of multiple learning models. This includes neural networks designed to capture both spectral and spatial features, allowing for complementary processing of complex spectral patterns and spatial contextual information. From a numerical study, the proposed method achieves robust detection performance for target species, even in heterogeneous environments.

Abstract. The National Heritage Administration of Korea designates and manages particular non-native species, as well as highly reproductive native plants with strong environmental adaptability, as invasive plants to preserve the unique natural landscapes within cultural heritage sites. However, investigating and managing large-scale cultural heritage areas—such as palaces and fortresses—requires considerable time and labor, and these efforts are further hindered by challenging terrain. This study investigates the use of hyperspectral imaging (HSI), acquired via unmanned aerial vehicles (UAVs), as an efficient approach for monitoring the distribution of black locust (R. pseudoacacia), a representative invasive species. HSI provides rich spectral information by continuously measuring reflectance across a wide range of wavelength bands. We utilize HSI data comprising 150 spectral bands to detect the presence of black locust in the Gongsanseong and Busosanseong fortress areas. To address the limitations of benchmark-based models, such as poor generalizability and overfitting to dataset-specific features, we propose an ensemble approach that integrates the strengths of multiple learning models. This includes neural networks designed to capture both spectral and spatial features, allowing for complementary processing of complex spectral patterns and spatial contextual information. From a numerical study, the proposed method achieves robust detection performance for target species, even in heterogeneous environments.

국가유산청은 문화유산 내 고유한 자연경관을 보존하기 위해, 일부 외래식물과 번식력 및 환경 내성이 높은 자생식물을 ‘위해식물’로 지정하여 관리하고 있다. 그러나 궁궐이나 성곽처럼 면적이 넓은 문화유산의 경우, 조사와 관리에 상당한 시간과 인력이 소요되며, 지형이 험난한 지역에서는 탐사에 어려움이 따른다. 대면적 문화재인 공주 공산성과 부여 부소산성 지역에 분포한 아까시나무는 대표적인 위해식물로, 이를 효과적으로 모니터링할 수 있는 방안이 요구된다. 본 연구에서는 무인항공기로 촬영한 초분광영상(hyperspectral image, HSI)을 활용하여 아까시나무를 탐지하는 방법을 제안한다. HSI는 물체의 반사율을 연속적인 파장대에서 측정한 데이터로, 대상 물체의 고유한 반사 스펙트럼 정보를 제공한다. 연구에서는 150개 파장대의 HSI 데이터를 바탕으로, XGBoost 알고리즘을 활용해 개별 픽셀 단위에서 아까시나무의 존재 여부를 분류하였다. 탐지 성능을 향상시키기 위해, 그룹화된 파장대의 특징 변수와 인접 픽셀의 스펙트럼 정보를 함께 고려하였다. 또한, 수목이 군집을 이루는 특성과 HSI의 특성상 개별 픽셀 단위의 탐지만으로는 정확도가 낮을 수 있음을 감안하여, 탐지 결과를 기반으로 한 군집화된 polygon 형태의 세그멘테이션(segmentation) 기법을 추가로 적용하였다. 실증결과는 제안된 방법이 대규모 문화재 지역 내 특정 위해식물종의 효율적인 탐지 및 관리에 실질적으로 기여할 수 있음을 보여주며, 문화재 보호와 생태계 관리를 위한 유용한 기술적 대안을 제시한다.

데이터와 관련된 법안이 최근 개정됨에 따라 초 개인화 서비스를 위한 빅데이터 분석이 활발히 이루어지고 있다. 초 개인화 서비스는 대규모 데이터 통합, 외부 데이터와의 결합 등의 기술을 필요로 하지만, 동시에 민감한 개인정보 유출로 인한 개인 및 기업의 피해와 이로 인한 불필요한 사회적 손실에 대한 우려로 인한 사용상의 한계성도 내재하고 있다. 이와 같은 보안위험을 줄이기 위한 여러 방안 중 개인정보가 보호되는 동형암호(homomorphic encryption) 기술을 고려할 수 있다. 특히, 동형암호는 데이터 결합과 분석과정에서 개인정보 유출을 원천적으로 차단함과 더불어 원본 데이터의 정보를 보존할 수 있는 특징을 가지고 있다. 본 연구에서는 실제 금융 분야의 민원자료에 동형암호를 활용한 앙상블학습방법(ensemble method)의 추론을 수행하는 알고리즘을 개발 및 적용하여 통상적인 평문(plaintext)에서 도출한 random forest와 XGBoost의 스코어와 암호문(ciphertext)에서의 두 방법을 통해 산출한 스코어의 값이 일치함을 보이고자 한다. 실증결과로, 약 0.4초의 단위 추론 계산시간을 달성하여 트리구조에 기반한 앙상블학습방법의 활용 가능성을 확인할 수 있었다.

Demand Responsive Transport (DRT) services for the safe and comfortable travel of people with disabilities have long waiting times and significant variations in time and space. Due to these characteristics, user dissatisfaction with DRT services continues to increase. This study aimed to identify factors that affect vehicle availability, which is closely related to waiting time, and to prepare measures to solve problems in waiting time. The data used for the analysis was composed of spatial units, so Moran’s I factor was used to test for spatial dependence. After confirming the presence of spatial dependence, spatial regression models optimized for spatial data analysis were estimated. As a result of predicting the model using five independent variables, four variables, Medical Infrastructure Concentration Index (MICI), Disabled PopulationConcentration Index (DPCI), Depot Size, and Demand Variability Index (DVI), were found to be statistically significant at a 95% confidence level, except for congestion level. The analytical results indicate that the frequency of vehicle operation is low in areas with a low population of the disabled, little medical infrastructure related to the disabled, and irregular DRT demand, which may affect increasing user waiting time. Therefore, supply-oriented policies to increase the number of available vehicles, such as adding more depots or deploying more vehicles, will contribute significantly to reducing user waiting time in these areas.

지지벡터기계 (support vector machines)는 주어진 훈련 데이터를 이용하여 마진 (margin)을 최대화 하는 최적 초평면 (hyperplane)을 찾는 학습방법이다. 지지벡터기계는 다양한 문제에 적용이 가능하며 고차원데이터를 효과적으로 다룰수 있기 때문에 분류문제에서 폭넓게 사용된다. 그러나 지지벡터기계는 잡음변수 (noise variable)들이 많은 경우 예측력이 저하될 수 있고 선택된 최종 모형의 해석이 어렵다. 이러한 단점을 보완하고자 LASSO (least absolute shrinkage and selection operator) 벌점에 기반한 변수선택법을 고려할 수 있다. 회귀분석에서 변수들간에 강한 상관관계가 있는 경우에 그 변수들중에서 하나만 선택하는 LASSO 벌점의 문제점을 보완하기 위해 엘라스틱 넷 (elastic net, EL) 벌점이 제안되었다. 본 논문에서는 비선형 분류문제의 변수선택법인 COSSO (component selection and smoothing operator)를 적용한 COSSO-SVM을 고려한다. 비선형 커널의 성분선택을 위해 LASSO 대신 엘라스틱 넷 벌점항을 적용한 EL-COSSO-SVM을 소개한다. 모의실험과 실제데이터에 대한 분석을 통하여 제안한 방법이 COSSO-SVM보다 변수선택과 예측력 측면에서 성능이 향상됨을 보인다.