부스팅 알고리즘을 사용한 폐플라스틱 데이터 패턴 분류기의 비교연구

정재원; 김진율; 오성권

doi:10.5391/JKIIS.2023.33.3.242

추천

검색

질문

자료유형: 학술저널

저자정보: 정재원 (수원대학교) 김진율 (수원대학교) 오성권 (수원대학교)

저널정보: 한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제33권 제3호

발행연도: 2023.6

수록면: 242 - 248 (7page)

DOI: 10.5391/JKIIS.2023.33.3.242

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문은 여러 가지 분광법으로 획득한 폐플라스틱 데이터를 입력으로 사용하는 부스팅 알고리즘 기반의 분류기를 설계하고 이를 비교 연구한다. 플라스틱의 재활용율을 높이기 위해 여러 가지 방법을 도입중이나 기존의 분류기로는 분류율이 높지 않았다. 따라서 부스팅 알고리즘 중 SOTA급 알고리즘인 XGBoost를 사용하였으며 비교연구를 위해 LightGBM도 사용하였다. 부스팅 알고리즘은 가중치를 부스팅하여 학습을 진행하는 특징이 있다. ATR-FT IR, Raman, LIBS 세가지 분광법을 통해 획득한 데이터를 사용하여 분류기를 학습하였다. 실험은 원 데이터를 사용한 실험과 차원 축소를 통해 입력변수를 99개로 줄인 실험으로 총 2번 진행하였다. 실혐 결과 분류율은 XGBoost가 근소하게 앞서나 분류 시간에서는 LightGBM이 월등히 앞섰다.

#앙상블 #부스팅 #분광장치 #Ensemble #Boosting #XGBoost #LightGBM #Laser equipment tools

참고문헌 (8)

참고문헌 신청

Grdadolnik, Jože. “ATR-FTIR spectroscopy: Its advantage and limitations,” Acta Chimica Slovenica, vol. 49, no. 3, pp. 631-642, 2002.

Colthup, Norman. Introduction to infrared and Raman spectroscopy, Elsevier, 2012.

Wu-Kwan Kang, “New: Elemental Analysis by Laser Inductively Guided Plasma Spectrometry (LIBS),” NICE (News & Information for Chemical Engineers), vol. 29, no. 4, pp. 460-464, 2011.

Jae-Won Jeong, Kun Zhou, Sung-Kwun Oh, Byung-Gun Ryu, “Design of plastic waste classifier using Elastic Net : Comparative Studies,” Journal of Korean Institute of Intelligent Systems, vol. 31, no. 5, pp. 436-442, 2021.

Jae-Won Jeong, Sung-Kwun Oh. “Comparative studies of partial discharge data pattern classifier using boosting algorithms,” Journal of Korean Institute of Intelligent Systems, vol. 32, no. 3, pp. 231-237, 2022.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

정재원

소속기관 수원대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 전기전자공학 > 전기공학

논문수 6 이용수 270

김진율

소속기관 수원대학교

주요연구분야 공학 > 전기전자공학 > 전기공학 공학 > 전기전자공학 > 정보통신공학

논문수 73 이용수 4,805

오성권

소속기관 수원대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5% 공학 > 전기전자공학 > 전기공학 TOP 10%

논문수 700 이용수 32,417

이 논문과 함께 이용한 논문

XGBoost-LSTM 앙상블을 이용한 태양광 발전량 예측

권승일 , 강상길 한국지능시스템학회 논문지 2021 .12

머신러닝 기반 앙상블 모델 비교 및 소프트보팅을 이용한 전력 수요 예측

김도준 Proceedings of KIIT Conference 2024 .11

모델 독립적 방법과 모델 의존적 방법의 결합을 통한 기계학습 기반 특징 선택 기법

이정수 , 이종식 , 강상길 한국지능시스템학회 논문지 2023 .04

특허분류 체계를 활용한 유망기술 예측에 관한 연구

박상성 한국지능시스템학회 논문지 2023 .04

코로나19 환자 조기 분류를 위한 다층 스태킹 앙상블 기반 임상 중증도 예측 모델

김건우 한국정보기술학회논문지 2022 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0102-2023-003-001784020

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)