![160701.jpg](http://contents.kyobobook.co.kr/sra/upload/book_img/160/160701.jpg)
적조 탐지를 위한 기계학습 모델 비교 연구
A Comparative Study on Machine Learning Models for Red Tide Detection
- 한국전자통신학회
- 한국전자통신학회 논문지
- 제16권 제6호
- : KCI등재
- 2021.12
- 1363 - 1371 (9 pages)
유해조류의 대번식으로 정의되는 적조는 광역적으로 발생·확산되는 특성을 가진다. 이는 기존의 조사 방법만으로는 탐지의 한계가 있다. 따라서 본 연구에서는 적조를 원격탐사 기법을 활용하여 탐지하였다. 또한 단순히 chlorophyll의 농도가 아닌 광특성을 이용하여 탐지의 정확도를 높이고자 하였다. 적조는 해수신호가 복잡한 남해안에서 주로 발생하며 남해안의 주 적조 종은 Cochlodinium polykirkoides이다. 따라서 기계학습 기법을 활용하여 시각적인 판단에 국한되지 않고 연구자의 관찰과 경험에 의존해 발견하지 못했던 특징을 반영하여 객관성을 확보하고자 하였다. 본 연구에서는 기계학습 모델 중에서 서포트백터머신과 랜덤포레스트를 사용하였고 두 모델의 성능 평가 지표로 정확도 등을 산출한 결과 각각 85.7% 80.2%의 정확도를 보였다.
Red tide, defined as the major reproduction of harmful birds, has the characteristics of being generated and diffused in a wide area. This has limitations in detection only with the existing investigation method. Therefore, in this study, red tide was detected using a remote sensing technique. In addition, it was intended to increase the accuracy of detection by using optical characteristics, not just the concentration of chlorophyll. Red tide mainly occurs on the southern coast where sea signals are complex, and the main red tide control species on the southern coast is Cochlodinium polykirkoides. Therefore, it was intended to secure objectivity by reflecting features that could not be found depending on the researcher s observation and experience, not limited to visual judgment using machine learning techniques. In this study, support background machines and random forest were used among machine learning models, and as a result of calculating accuracy as performance evaluation indicators of the two models, the accuracy was 85.7% and 80.2%, respectively
Ⅰ. 서론
Ⅱ. 연구 자료 및 방법
Ⅲ. 연구 결과
Ⅳ. 결론 및 향후개선 방향
Reference