KR101181326B1 - 채프에코 식별 시스템 및 그 방법 - Google Patents

채프에코 식별 시스템 및 그 방법 Download PDF

Info

Publication number
KR101181326B1
KR101181326B1 KR1020110089713A KR20110089713A KR101181326B1 KR 101181326 B1 KR101181326 B1 KR 101181326B1 KR 1020110089713 A KR1020110089713 A KR 1020110089713A KR 20110089713 A KR20110089713 A KR 20110089713A KR 101181326 B1 KR101181326 B1 KR 101181326B1
Authority
KR
South Korea
Prior art keywords
cluster
echo
radar data
chaff
clusters
Prior art date
Application number
KR1020110089713A
Other languages
English (en)
Inventor
김용현
김성신
김수대
이한수
이종호
허복행
함동주
한혜영
Original Assignee
부산대학교 산학협력단
대한민국(기상청장)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부산대학교 산학협력단, 대한민국(기상청장) filed Critical 부산대학교 산학협력단
Priority to KR1020110089713A priority Critical patent/KR101181326B1/ko
Application granted granted Critical
Publication of KR101181326B1 publication Critical patent/KR101181326B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
    • G01S13/20—Systems for measuring distance only using transmission of interrupted, pulse modulated waves whereby multiple time-around echoes are used or eliminated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

본 발명은 비강수 에코인 채프에코에 대한 정적 및 동적(시계열) 클러스터링을 통해 각 클러스터의 특성을 분석함으로써 강수 에코와 채프 에코를 식별할 수 있는 채프에코 식별 시스템 및 그 방법에 관한 것이다.

Description

채프에코 식별 시스템 및 그 방법 {System and Method for distinguishing chaff echoes}
본 발명은 채프에코 식별 기술에 관한 것으로, 더욱 상세하게는, 비강수 에코인 채프에코에 대한 시계열 클러스터링을 통해 각 클러스터의 특성을 분석함으로써 강수에코와 채프에코를 식별할 수 있는 채프에코 식별 시스템 및 그 방법에 관한 것이다.
레이더 반사도를 이용한 기상레이더 관측에 있어 비강수 에코는 전체 강우강도 추정의 정확성에 영향을 미치는 중요한 요인이다.
특히, 군사 훈련이 많은 우리나라의 경우 비강수 에코 중에서도 군사훈련 도중 살포되는 채프가루에 의해 발생되는 채프에코가 중요한 문제가 되고 있다.
일반적으로 채프에코는 레이더에서 관측되는 반사도 데이터의 수치와 형태가 강우에코와 유사하므로 레이더 데이터를 관측하는 시점의 한 데이터만으로 강우에코와 채프에코를 분간하기가 쉽지 않다.
상술한 종래 문제를 해결하기 위해, 본 발명은 시계열 데이터의 관측, 즉, t, t-1, t-2, ..., t-k의 시간 프레임에 대해 인접한 두 시간 프레임에 대한 각 클러스터의 변화를 단계별로 추적하여 강수 에코와 채프 에코를 구분할 수 있는 채프 에코 식별 시스템 및 그 방법을 제공하는 데 목적이 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 형태는, 수집된 UF레이더데이터를 이용하여 설정값보다 큰 반사도를 갖는 데이터포인트들을 각각 하나의 클러스터로 정의하고, 하나의 클러스터의 공간좌표를 기준으로 임의의 거리 내 존재하는 다른 클러스터들을 하나의 클러스터로 묶어 새로운 클러스터로 클러스터링하는 군집화 실행 모듈; 특정 시간의 클러스터의 중심좌표 및 크기를 기준으로 이전 시간의 클러스터의 중심좌표 및 크기를 각각 비교하여 유사도를 계산하여 동일 클러스터를 판단하는 유사도 판단 모듈; 동일 클러스터로 판단된 시간데이터 개수를 임의의 설정값과 비교하여 채프 에코를 식별하는 에코 식별 모듈; 및 특정 시간의 레이더 자료에서 채프 에코로 판단된 클러스터를 제거한 후 UF레이더데이터를 생성하는 UF레이더데이터 합성모듈;을 포함하는 채프에코 식별 시스템을 포함한다.
한편, 상기와 같은 목적을 달성하기 위한 본 발명의 다른 실시 형태는, 특정시간대의 수집된 레이더데이터에서 설정값보다 큰 반사도값을 갖는 데이터포인트(datapoint) 각각을 하나의 클러스터로 정의하고, 정의된 클러스터들 중 임의의 한 클러스터의 3차원 공간좌표를 중심으로 공간상의 임계 거리 내에 존재하는 다른 클러스터를 상기 임의의 한 클러스터와 묶어 새로운 클러스터로 정의하는 클러스터링 실행 단계; 특정 시간대의 클러스터들 중 하나의 클러스터의 중심좌표 및 크기를 이전 시간대의 클러스터들의 중심좌표 및 크기와 비교하여 두 클러스터의 중심좌표 간 유클리드 거리차 및 크기차를 산출하고, 두 클러스터의 중심좌표 간 유클리드 거리차 및 크기차를 이용해 유사도를 계산하고, 계산된 유사도를 이용해 동일 클러스터 여부를 판단하는 유사도 판단 단계; 특정 시간에 따른 클러스터의 특성 분석 및 시간 변화에 따른 클러스터의 특성 변화량 분석을 기초로 채프 에코를 식별하는 에코 식별 단계; 및 특정 시간의 레이더 자료에서 채프 에코로 판단된 클러스터를 제거한 후 UF레이더데이터를 생성하는 UF레이더데이터 합성 단계;를 포함하는 채프에코 식별 방법을 포함한다.
따라서, 본 발명에 따르면, UF레이더데이터에서 채프 에코만을 제거할 수 있어 채프가 강수로 오인되는 오류를 방지함으로써 레이더 관측 자료의 품질관리뿐만 아니라 정확한 기상예보를 제공할 수 있다.
도 1은 본 발명의 일 실시 형태에 따른 채프에코 식별 시스템을 포함하는 기상 관측 시스템의 전체 네트워크를 나타낸 구성도이다.
도 2는 도 1에 도시된 채프에코 식별 시스템의 상세 구성을 나타낸 구성도이다.
도 3은 본 발명의 일 실시 형태에 따른 채프에코 식별 방법을 설명하기 위한 순서도이다.
도 4는 도 3에 도시된 클러스터링 실행 과정을 상세하게 설명하기 위한 순서도이다.
도 5는 도 3에 도시된 클러스터의 유사도 판단 과정을 상세하게 설명하기 위한 순서도이다.
도 6은 도 3에 도시된 클러스터 특성 분석을 통한 에코 식별 과정을 상세하게 설명하기 위한 순서도이다.
도 7은 도 3에 도시된 채프에코 제거 과정을 상세하게 설명하기 위한 순서도이다.
도 8은 본 발명에 따른 채프에코 식별 방법을 실제 적용한 사례에 대한 결과 영상을 나타낸 예시도이다.
이하, 본 발명의 실시 예에 대해 첨부한 도면을 참고로 하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 또한, 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다. 그리고, 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 부호를 붙였다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시 형태에 따른 채프에코 식별 시스템을 포함하는 기상 관측 시스템의 전체 네트워크를 나타낸 구성도이다.
도 1을 참조하면, 본 기상 관측 시스템은 레이더 관측 시스템(10), 채프에코 식별 시스템(30), 합성 CAPPI 표출 시스템(50) 및 레이더 낙뢰 표출시스템(60)을 포함한다. 또한, 본 기상 관측 시스템은 제1의 UF레이더파일 저장소(20) 및 제2의 UF레이더파일 저장소(40)를 포함한다.
레이더 관측 시스템(10)은 적어도 하나 이상의 레이더(1)들로부터 관측되는 UF레이더자료를 수집하며, 관측된 UF(Universal Format) 레이더 자료를 제1의 UF레이더자료 저장소(20)에 저장한다.
채프에코 식별 시스템(30)은 제1의 UF레이더자료 저장소(20)에 저장된 UF레이더자료를 제공받아 채프에코를 식별하여 제거하며, 채프에코가 제거된 UF레이더자료를 제2의 UF레이더파일 저장소(40)에 저장한다.
합성 CAPPI 표출 시스템(50)은 제2의 UF레이더파일 저장소(40)에 저장된 채프에코가 제거된 UF레이더자료를 제공받아 적어도 하나 이상의 동일 시간대의 UF레이더자료와 합성한다.
레이더 낙뢰 표출시스템(60)은 합성 CAPPI 표출 시스템(50)으로부터 생성된 합성 CAPPI 영상을 표출한다.
구체적으로, 본 실시예에 있어서 채프에코 식별 시스템(30)은 레이더데이터에서 각 기상에코의 무리를 각각 하나의 클러스터로 군집화시키고, 연속적인 시간별 레이더데이터에 대하여 이전 시간과 현재 시간의 클러스터의 중심좌표와 데이터 크기를 기준으로 이전 시간의 클러스터와 현재 시간의 클러스터가 동일 클러스터인지를 판단한다.
또한, 채프에코 식별 시스템(30)은 현재 시간과 연속된 인접 시간상에서 정의된 동일 클러스터에 대해 특정시간과 연속된 인접 시간에 대한 클러스터의 특성을 분석하여 강수 에코와 채프 에코를 구분한다.
본 채프에코 식별 시스템(30)의 동작 및 기능에 대한 자세한 설명은 하기 도 2를 참조하여 설명하도록 한다.
도 2는 도 1에 도시된 채프에코 식별 시스템의 상세 구성을 나타낸 구성도이다.
도 2를 참조하면, 본 일 실시 형태에 따른 채프에코 식별 시스템(30)은 군집화 실행 모듈(31), 유사도 판단 모듈(32), 에코 식별 모듈(33) 및 데이터 변환 모듈(34)을 포함한다.
군집화 실행 모듈(31)은 수집된 UF레이더데이터를 이용하여 설정값보다 큰 반사도를 갖는 다수의 데이터포인트 각각을 클러스터로 정의하고, 클러스터들 중 하나를 선택한 후 선택된 하나의 클러스터의 공간좌표를 기준으로 임의의 거리 내 존재하는 다른 클러스터를 다시 하나의 클러스터로 묶어 새로운 클러스터를 생성한다. 여기서, 설정값은 데이터포인트를 정의하기 위한 임의의 값으로, 예를 들어 0을 설정값으로 정하여 0보다 큰 값을 갖는 지점을 데이터포인트로써 정의하게 된다.
그런 다음, 군집화 실행 모듈(31)은 새롭게 생성된 클러스터의 공간좌표를 기준으로 임의의 거리 내 존재하는 다른 클러스터를 또다시 하나의 클러스터로 묶어 새로운 클러스터를 생성한다. 이러한 과정을 최초 정의된 하나의 클러스터의 공간좌표를 기준으로 임의의 거리 내 다른 클러스터가 존재하지 않을 때까지 반복한다.
또한, 군집화 실행 모듈(31)은 상술한 군집화 과정을 모든 데이터포인트, 즉 최초 정의된 클러스터에 대해 실행한다.
유사도 판단 모듈(32)은 특정 시간의 클러스터의 중심좌표 및 크기를 기준으로 특정 시간과 인접한 이전 시간의 클러스터의 중심좌표 및 크기를 각각 비교하여 동일 클러스터인지 여부를 판단한다.
구체적으로, 유사도 판단 모듈(32)은 특정 시간의 클러스터의 중심좌표와 이전 시간의 클러스터의 중심좌표간 유클리드 거리차와 상기 특정 시간의 클러스터의 크기와 이전 시간의 클러스터의 크기 간 차이를 산출한다.
그런 다음, 유사도 판단 모듈(32)은 산출된 유클리드 거리차 및 크기 차를 이용하여 두 클러스터의 유사도를 판단한다. 이때, 유사도 판단은 유사도 판단 모델, 예를 들어 퍼지추론 모델, 다항식 모델 등을 이용할 수 있다.
즉, 유사도 판단 모듈(32)은 두 클러스터의 중심좌표간 유클리드 거리차 및 크기차를 유사도 판단 모델의 수치데이터로 입력하여 유사도 값을 구하고, 유사도 값이 특정 설정값 이상이면 해당 클러스터를 동일 클러스터 후보로 판단한다. 여기서, 설정값은 사용자에 의해 임의의 값으로 설정되며 두 클러스터 간 유사도를 정밀하게 하게 위해서는 큰 값으로 설정할 수 있다.
그런 다음, 유사도 판단 모듈(32)은 동일 클러스터 후보 중 최대 유사도 값을 갖는 클러스터를 동일 클러스터로 판단한다.
한편, 유사도 판단 모듈(32)은 유사도 값이 특정 설정값 미만이면 특정 시간의 클러스터를 이전 시간의 클러스터와 다른 새로운 클러스터로 판단한다.
이와 같이 유사도 판단 모듈(32)은 연속된 시간의 두 클러스터의 중심좌표간 유클리드 거리차 및 크기차를 수치데이터로 하는 유사도 판단 모델을 통해 구한 유사도 값이 특정 설정값 이상인 경우, 최대 유사도 값을 갖는 클러스터를 동일 클러스터로 판단한다.
에코 식별 모듈(33)은 유사도 판단 모듈(32)에서 동일 클러스터로 판단된 개수를 설정된 임계값과 비교하여 강수 에코와 채프 에코를 구분한다.
이러한 에코 식별 모듈(33)은 강수 에코와 채프 에코를 구분하기 위해, 특정 시간에 따른 클러스터의 특성 분석과 시간 변화에 따른 동일 클러스터의 특성 변화량 분석을 각각 수행한다.
그런 다음, 에코 식별 모듈(33)은 동일 클러스터로 판단된 개수가 설정된 임계값 미만이면, 특정 시간에 따른 클러스터의 특성 분석 결과를 이용해 강수 에코와 채프 에코를 구분한다.
또한, 에코 식별 모듈(33)은 동일 클러스터로 판단된 개수가 설정된 임계값 이상이면, 특정 시간에 따른 클러스터의 특성 분석 결과와 함께, 시간 변화에 따른 동일 클러스터의 특성 변화량 분석 결과를 이용해 강수 에코와 채프 에코를 구분한다.
또한, 에코 식별 모듈(33)은 구분된 강수 에코와 채프 에코를 각각 이진 형태의 파일로 변환하여 저장한다.
UF레이더데이터 합성모듈(34)은 에코 식별 모듈(33)에서 구분된 채프 클러스터가 저장된 이진 형태의 파일을 제공받아 극좌표 형태로 좌표계 변환을 수행한 후, 극좌표 형태로 변환된 채프 클러스터의 좌표에 가장 근접한 좌표 인덱스를 수집한 레이더자료에서 검출하고, 검출한 인덱스와 인접한 영역의 인덱스에 해당하는 데이터를 수집한 레이더자료에서 삭제한다. 이로 인해, 채프 클러스터에 해당하는 데이터가 레이더자료에서 제거된다.
그런 다음, UF레이더데이터 합성모듈(34)은 채프 클러스터에 해당하는 데이터를 삭제한 레이더 자료 형태의 데이터를 UF레이더데이터 형태로 변환한다.
도 3은 본 발명의 일 실시 형태에 따른 채프에코 식별 방법을 설명하기 위한 순서도이다.
본 발명의 일실시 형태에 따른 채프에코 식별 방법은 레이더데이터에서 특정 시간대의 데이터에 대한 정적 클러스터링, 연속되는 시계열 데이터에서 이전시간과 현재 시간의 동일 클러스터를 찾는 동적 클러스터링, 정적 및 동적(시계열)에 따른 클러스터의 특성 분석 결과를 통해 강수 에코와 채프 에코를 구분할 수 있다.
이를 위해, 본 채프에코 식별 방법은 클러스터링 실행 과정(S301), 유사도 판단 과정(S302), 에코 식별 과정(S303) 및 채프에코 제거 과정(S304)을 포함한다.
먼저, 정적 클러스터링 실행 과정(S301)은 군집화 실행 모듈에 의해 수행되며, 특정 시간대의 레이더데이터에서 설정값보다 큰 반사도를 갖는 데이터포인트를 하나의 클러스터로 정의하고, 정의된 하나의 클러스터에 대한 클러스터링을 수행하여 여러 개의 클러스터로 나누는 과정이다.
다음으로, 유사도 판단 과정(S302)은 유사도 판단 모듈에서 수행되며, 인접한 시간대, 즉 현재 시간대와 이전 시간대의 레이더데이터의 클러스터 특성, 예를 들어 두 클러스터의 중심좌표간 유클리드 거리 차와 크기 차이를 바탕으로 연속하는 시간대의 클러스터들이 동일한 클러스터인지를 판단하는 과정이다.
다음으로, 에코 식별 과정(S303)은 에코 식별 모듈에 의해 수행되며, 시간에 따른 클러스터의 특성 분석을 통해 강수 에코 및 채프 에코를 구분하는 과정이다.
다음으로, UF레이더데이터 합성 과정(S304)은 UF레이더데이터 합성모듈에 의해 수행되며, 특정 시간대의 UF레이더데이터를 레이더 자료 형태로 변환하고, 채프 클러스터가 저장된 이진 형태의 파일을 극좌표 형태로 변환한 후 변환된 극좌표 형태의 채프 클러스터의 좌표에 가장 근접한 좌표 인덱스를 특정 시간대의 레이더 자료 형태 파일에서 검출한 후 검출한 인덱스와 인접한 영역의 인덱스에 해당하는 데이터를 삭제하여 채프 클러스터를 제거한다.
도 4는 도 3에 도시된 클러스터링 실행 과정을 상세하게 설명하기 위한 순서도이다. 여기서, 본 실시예에 따른 클러스터링 실행 과정은 특정 시간의 데이터포인트들에 대한 정적 클러스터링을 의미한다.
도 4를 참조하면, 본 채프에코 식별 시스템은, 레이더 관측 시스템으로부터 전송받거아 제1의 UF레이더데이터 저장소에서 UF레이더데이터를 수집한다(S3011).
그런 다음, 수집된 UF레이더데이터에서 설정값, 예를 들어, 0보다 큰 반사도 값을 가지는 데이터포인트(datapoint) 각각을 하나의 클러스터로 정의한다(S3012).
이어서, 다수의 클러스터들 중 하나의 클러스터를 선택하고, 선택한 클러스터의 공간좌표를 중심으로 임의의 설정값 내 다른 클러스터들이 존재하는지 확인한다(S3013).
확인 결과, 선택한 클러스터의 공간좌표에 대한 임의의 설정값 내 다른 클러스터가 존재한다면 이를 선택한 클러스터에 모두 포함시킨다(S3014).
그런 다음, 모든 데이터포인트에 대한 정적 클러스터링이 수행되었는지 확인하고(S3015), 미처리된 클러스터가 존재하지 않으면 정적 클러스터링을 종료한다.
이와 같이 단계 S3012에서 정의된 모든 클러스터에 대해 단계 S3013을 수행한 후 종료한다.
한편, 생성된 새로운 클러스터에 대해 공간상의 임의의 설정값 안에 다른 클러스터가 존재하지 않으면 다른 데이터포인트에 대해 단계 S3013을 수행한다.
도 5는 도 3에 도시된 클러스터의 유사도 판단 과정을 상세하게 설명하기 위한 순서도이다. 여기서, 본 실시예에 따른 유사도 판단 과정은 먼저 시간 변화에 따른 동적 클러스터링을 수행하고, 이를 통해 클러스터의 유사도를 판단한다.
도 5를 참조하면, 연속하는 시간 프레임(T(t), T(t-1), ..., T(t-k), k는 자연수)에서 현재 시간대(T(t))에 해당하는 클러스터들 중 하나의 클러스터의 중심좌표와 볼륨 또는 볼륨을 투영시킨 크기를 기준으로, 인접한 이전 시간대(T(t-1))에 해당하는 클러스터들 중 하나의 클러스터의 중심좌표와 볼륨 또는 볼륨을 투영시킨 크기를 비교한다(S3021). 즉, 인접한 시간대의 두 클러스터의 중심좌표 간 유클리드 거리차 및 크기차를 산출한다.
그런 다음, 현재 시간대(T(t)) 및 이전 시간대(T(t-1)) 각각의 클러스터의 중심좌표 간 유클리드 거리차 및 크기차를 유사도 판단 모델의 수치데이터로 입력하여 유사도를 계산한다(S3022). 여기서, 유사도 판단 모델은 퍼지추론모델, 다항식모델 등을 이용할 수 있다.
그리고 이전 시간대(T(t-1)) 및 인접한 이전 시간대(T(t-2))에 해당하는 클러스터에 대해서도 유사도를 계산한다. 이와 같이, 연속하는 시간 프레임(T(t), T(t-1), ..., T(t-k), k는 자연수)에 대한 모든 클러스터에 대해 유사도를 계산한다(S3022).
이어서, 계산된 유사도 값과 임의의 설정값과 비교하고(S3023), 계산된 유사도 값이 임의의 설정값 이상이면(S3023, Y) 동일 클러스터 후보로 판단한다(S3024).
그런 다음, 동일 클러스터 후보로 판단된 클러스터들 중 최대 유사도 값을 갖는 클러스터를 검출하여 동일 클러스터로 판단한다(S3025).
한편, 계산된 유사도 값과 임의의 설정값을 비교한 결과, 계산된 유사도 값이 임의의 설정값 미만이면(S3023, N) 새로운 클러스터로 판단한다(S3026).
도 6은 도 3에 도시된 클러스터 특성 분석을 통한 에코 식별 과정을 상세하게 설명하기 위한 순서도이다. 본 에코 식별 과정은 정적 클러스터링에 의한 클러스터 특성과 동적 클러스터링에 의한 클러스터 특성을 이용하여 강수 에코와 채프 에코를 구분한다.
도 6을 참조하면, 현재 시간대(T(t))의 클러스터에 대한 특성(예를 들어, 클러스터의 고도 좌표값, 평균반사도, 최대반사도, 모양, 크기 등)을 분석한다(S3031).
또한, 시간의 변화(△T)에 따른 유사도 판단 과정에서 동일 클러스터로 판단된 클러스터의 특성 변화량을 분석한다(S3032).
그런 다음, 유사도 판단 과정에서 동일 클러스터로 판단된 클러스터의 시간데이터 개수를 설정된 임계값과 비교하고(S3033), 동일 클러스터로 판단된 시간데이터 개수가 임계값 미만이면(S3033, Y), 현재 시간대(T(t))의 클러스터에 대한 특성 분석 결과를 이용해 강수 클러스터와 채프 클러스터를 구분한다(S3034).
한편, 동일 클러스터로 판단된 시간데이터 개수가 임계값 이상이면(S3033, N), 현재 시간대(T(t))의 클러스터에 대한 특성 분석 결과와 시간의 변화(△T)에 따른 동일 클러스터에 대한 특성 변화량 분석 결과를 이용해 강수 클러스터와 채프 클러스터를 구분한다(S3035).
이어서, 구분된 강수 클러스터와 채프 클러스터를 각각 이진 형태의 파일로 저장한다(S3036).
본 실시예에 있어서, 강수 클러스터와 채프 클러스터를 구분하는 과정에 대해 예를 들어 설명하면, 채프 클러스터를 판단하기 위해 다항식 모델로써 클러스터의 특성을 나타내는 독립변수들을 입력한다. 즉, 종속변수 채프에코 발생지수(y)를 판단하기 위해 정적, 동적 독립변수(x'i)로 표현할 때 채프에코 판단 다항식 모델은 하기 수학식 1과 같이 정의된다.
Figure 112011069247868-pat00001
따라서, 추론 결과, 종속변수 채프에코 발생지수(y)가 설정된 임계값 이상이면 채프 클러스터라고 판단한다.
도 7은 도 3에 도시된 채프 클러스터를 제거한 UF레이더데이터 합성 과정을 상세하게 설명하기 위한 순서도이다.
도 7을 참조하면, 특정 시간대(T(t))의 UF레이더데이터를 입력 받아 레이더 자료 형태로 변환한다(S3041).
그런 다음, 채프 클러스터만을 포함하는 이진 파일을 입력 받아 극좌표 형태로 좌표계 변환을 수행한 후 레이더 자료 형태로 변환한다(S3042).
이어서, 극좌표 형태로 변환된 채프 클러스터의 좌표에 가장 근접한 좌표 인덱스를 변환된 레이더 자료 형태 내에서 찾고, 찾은 인덱스와 인접한 영역의 인덱스들을 제거할 인덱스 영역으로 지정한다(S3043).
그런 다음, 변환된 레이더 자료 형태에서 지정된 제거할 인덱스 영역에 해당하는 데이터를 삭제한다(S3044).
이어서, 제거할 인덱스 영역에 해당하는 데이터를 삭제한 레이더 자료 형태를 UF레이더자료 형태로 변환한다(S3045).
이후, 상술한 바와 같이 채프 클러스터가 제거된 UF레이더데이터를 출력한다(S3046).
도 8은 본 발명에 따른 채프에코 식별 방법을 실제 적용한 사례에 대한 결과 영상을 나타낸 예시도이다. 본 사례는 2011년 7월 19일 13시경의 강수에코 및 채프에코가 발생한 사례이다.
도 8의 (a) 내지 (d)를 참조하면, 전체 클러스터 표출 영상((b) 참조)에 대해 본 발명에 따른 채프에코 식별 방법을 적용한 결과 채프 클러스터만을 구분할 수 있으며((c)참조), 따라서 전체 클러스터 표출영상에서 채프 클러스터만을 제거하여 표출할 수 있다((d)참조).
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들을 한정적인 관점이 아니라 설명적인 관점에서 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 한다.
또한, 본 발명에 따른 장치 및 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
10. 레이더 관측 시스템 20. 제1의 UF레이더 파일 저장소
30. 채프에코 식별 시스템 40. 제2의 UF레이더 파일 저장소
50. 합성 CAPPI 표출 시스템 50. 레이더 낙뢰 표출 시스템

Claims (27)

  1. 수집된 UF레이더데이터를 이용하여 설정값보다 큰 반사도를 갖는 데이터포인트들을 각각 하나의 클러스터로 정의하고, 하나의 클러스터의 공간좌표를 기준으로 임의의 거리 내 존재하는 다른 클러스터들을 하나의 클러스터로 묶어 새로운 클러스터로 클러스터링하는 군집화 실행 모듈;
    특정 시간의 클러스터의 중심좌표 및 크기를 기준으로 이전 시간의 클러스터의 중심좌표 및 크기를 각각 비교하여 유사도를 계산하여 동일 클러스터를 판단하는 유사도 판단 모듈;
    동일 클러스터로 판단된 시간데이터 개수를 임의의 설정값과 비교하여 채프 에코를 식별하는 에코 식별 모듈; 및
    특정 시간의 레이더 자료에서 채프 에코로 판단된 클러스터를 제거한 후 UF레이더데이터를 생성하는 UF레이더데이터 합성모듈;을 포함하는 채프에코 식별 시스템.
  2. 제1항에 있어서,
    상기 군집화 실행 모듈은, 하나의 클러스터의 공간좌표를 기준으로 임의의 거리 내 존재하는 다른 클러스터가 없으면 새로운 클러스터에 대한 클러스터링을 수행하는 것을 특징으로 하는 채프에코 식별 시스템.
  3. 제1항에 있어서,
    상기 유사도 판단 모듈은, 특정 시간의 클러스터의 중심좌표와 이전 시간의 클러스터의 중심좌표 간 유클리드 거리차 및 크기 간 차이를 산출하고, 산출된 유클리드 거리차 및 크기차를 이용해 유사도를 계산한 후 임의의 설정값과 비교하고, 계산된 유사도가 설정값 이상이면 상기 이전 시간의 클러스터를 동일 클러스터 후보로 판단하는 것을 특징으로 하는 채프에코 식별 시스템.
  4. 제3항에 있어서,
    상기 유사도 판단 모듈은, 판단된 동일 클러스터 후보들 중 최대 유사도 값을 갖는 클러스터를 동일 클러스터로 판단하는 것을 특징으로 하는 채프에코 식별 시스템.
  5. 제4항에 있어서,
    상기 유사도 판단 모듈은, 상기 계산된 유사도가 설정값 미만이면 상기 특정 시간의 클러스터를 새로운 클러스터로 판단하는 것을 특징으로 하는 채프에코 식별 시스템.
  6. 제1항에 있어서,
    상기 에코 식별 모듈은, 특정 시간의 클러스터에 대한 특성 분석을 수행하고, 시간 변화에 따른 동일 클러스터에 대한 특성 변화량 분석을 수행하는 것을 특징으로 하는 채프에코 식별 시스템.
  7. 제6항에 있어서,
    상기 에코 식별 모듈은, 동일 클러스터로 판단된 시간 데이터 개수와 임계값을 비교하여 상기 동일 클러스터로 판단된 시간데이터 개수가 임계값 미만이면, 상기 특정 시간의 클러스터에 대한 특성 분석 결과를 이용해 채프 에코를 식별하는 것을 특징으로 하는 채프에코 식별 시스템.
  8. 제7항에 있어서,
    상기 에코 식별 모듈은, 동일 클러스터로 판단된 시간데이터 개수와 임계값을 비교하여 상기 동일 클러스터로 판단된 시간데이터 개수가 임계값 이상이면, 상기 특정 시간의 클러스터에 대한 특성 분석 결과와 시간 변화에 따른 동일 클러스터에 대한 특성 변화량 분석 결과를 이용해 채프 에코를 식별하는 것을 특징으로 하는 채프에코 식별 시스템.
  9. 제1항에 있어서,
    상기 UF레이더데이터 합성 모듈은, 수집된 UF레이더데이터를 제1 레이더 자료 형태로 변환하고, 채프에코만을 포함하는 좌표계를 극좌표계로 변환한 후 제2 레이더 자료 형태로 변환하고, 제2 레이더자료 형태에서 채프에코에 해당하는 인덱스와 그 인덱스에 인접한 인덱스들을 제거할 인덱스 영역으로 지정한 후 제1 레이더 자료 형태에서 지정된 인덱스 영역을 삭제하는 것을 특징으로 하는 채프에코 식별 시스템.
  10. 제9항에 있어서,
    상기 UF레이더데이터 합성 모듈은, 지정된 인덱스 영역을 삭제한 제1 레이더 자료 형태를 UF 레이더데이터 형태로 변환한 후 출력하는 것을 특징으로 하는 채프에코 식별 시스템.
  11. 특정 시간대의 수집된 레이더데이터에서 설정값보다 큰 반사도값을 갖는 데이터포인트(datapoint) 각각을 하나의 클러스터로 정의하는 1단계;
    정의된 클러스터들 중 임의의 한 클러스터의 3차원 공간좌표를 중심으로 공간상의 임계 거리 내에 존재하는 다른 클러스터를 상기 임의의 한 클러스터와 묶어 새로운 클러스터로 정의하는 2단계; 및
    정의된 새로운 클러스터에 대해 상기 2단계를 수행하고, 수행 결과, 공간상의 임계 거리 내에 존재하는 다른 클러스터가 없다면, 상기 1단계에서 정의된 클러스터 중 다른 클러스터에 대해 상기 2단계를 수행하는 3단계;를 포함하는 레이더데이터의 정적 클러스터링 방법.
  12. 제11항에 있어서,
    상기 1단계에서 정의된 모든 클러스터에 대해 상기 2단계 및 3단계를 순차 수행하는 4단계;를 더 포함하는 것을 특징으로 하는 레이더데이터의 정적 클러스터링 방법.
  13. 특정 시간대의 클러스터들 중 하나의 클러스터의 중심좌표 및 크기를 이전 시간대의 클러스터들의 중심좌표 및 크기와 각각 비교하여 차이를 산출하는 1단계;
    비교결과, 두 클러스터의 중심좌표 간 유클리드 거리차 및 크기차를 이용해 유사도를 계산하는 2단계;
    계산된 유사도와 설정된 임계값을 비교하여 상기 계산된 유사도가 임계값 이상이면 동일 클러스터 후보로 판단하는 3단계; 및
    동일 클러스터 후보로 판단된 클러스터들 중 최대 유사도 값을 갖는 클러스터를 동일 클러스터로 판단하는 4단계;를 포함하는 동적 클러스터링을 이용한 유사도 판단 방법.
  14. 제13항에 있어서,
    상기 4단계는, 계산된 유사도가 임계값 미만이면 새로운 클러스터로 판단하는 5단계;를 더 포함하는 것을 특징으로 하는 동적 클러스터링을 이용한 유사도 판단 방법.
  15. 제13항에 있어서,
    상기 방법은, 특정 시간대의 모든 클러스터 각각에 대해 상기 1단계 내지 상기 4단계를 수행하는 것을 특징으로 하는 동적 클러스터링을 이용한 유사도 판단 방법.
  16. 특정 시간대의 클러스터의 특성을 분석하는 1단계;
    시간의 변화에 따른 동적 클러스터링을 통해 동일 클러스터로 판단된 클러스터의 특성 변화량을 분석하는 2단계;
    상기 동일 클러스터로 판단된 클러스터의 시간데이터 개수가 임의의 설정값 미만이면, 특정 시간대의 클러스터의 특성 분석 결과를 기초로 채프 에코를 식별하는 3단계; 및
    상기 동일 클러스터로 판단된 클러스터의 시간데이터 개수가 임의의 설정값 이상이면, 상기 특정 시간대의 클러스터의 특성 분석 결과 및 동일 클러스터로 판단된 클러스터의 특성 변화량 분석 결과를 기초로 채프 에코를 식별하는 4단계;를 포함하는 클러스터 특성 분석을 이용한 에코 식별 방법.
  17. 제16항에 있어서,
    상기 3단계 및 4단계는, 채프 에코로 구분된 클러스터를 특정 시간대의 레이더데이터에서 제거하는 단계;를 더 포함하는 것을 특징으로 하는 클러스터 특성 분석 방법을 이용한 에코 식별 방법.
  18. 제17항에 있어서,
    상기 방법은, 구분된 채프 에코 및 강수 에코를 각각 이진 파일로 저장하는 5단계;를 더 포함하는 것을 특징으로 하는 클러스터 특성 분석 방법을 이용한 에코 식별 방법.
  19. 제16항에 있어서,
    상기 클러스터의 특성은 클러스터의 고도 좌표값, 평균 반사도, 최대 반사도, 모양 및 크기를 포함하는 것을 특징으로 하는 클러스터 특성 분석 방법을 이용한 에코 식별 방법.
  20. 특정시간대의 수집된 레이더데이터에서 설정값보다 큰 반사도값을 갖는 데이터포인트(datapoint) 각각을 하나의 클러스터로 정의하고, 정의된 클러스터들 중 임의의 한 클러스터의 3차원 공간좌표를 중심으로 공간상의 임계 거리 내에 존재하는 다른 클러스터를 상기 임의의 한 클러스터와 묶어 새로운 클러스터로 정의하는 클러스터링 실행 단계;
    특정 시간대의 클러스터들 중 하나의 클러스터의 중심좌표 및 크기를 이전 시간대의 클러스터들의 중심좌표 및 크기와 비교하여 두 클러스터의 중심좌표 간 유클리드 거리차 및 크기차를 산출하고, 두 클러스터의 중심좌표 간 유클리드 거리차 및 크기차를 이용해 유사도를 계산하고, 계산된 유사도를 이용해 동일 클러스터 여부를 판단하는 유사도 판단 단계;
    특정 시간에 따른 클러스터의 특성 분석 및 시간 변화에 따른 클러스터의 특서 변화량 분석을 기초로 채프 에코를 식별하는 에코 식별 단계; 및
    특정 시간의 레이더 자료에서 채프 에코로 판단된 클러스터를 제거한 후 UF레이더데이터를 생성하는 UF레이더데이터 합성 단계;를 포함하는 채프에코 식별 방법.
  21. 제20항에 있어서,
    상기 클러스터링 실행 단계는, 새롭게 정의된 클러스터의 공간좌표를 중심으로 공간상의 임계 거리 내에 다른 클러스터가 존재하지 않을 때까지 클러스터링을 반복하는 것을 특징으로 하는 채프에코 식별 방법.
  22. 제21항에 있어서,
    상기 클러스터링 실행 단계는 모든 데이터포인터에 대해 실행되는 것을 특징으로 하는 채프에코 식별 방법.
  23. 제20항에 있어서,
    상기 유사도 판단 단계는, 계산된 유사도와 설정된 임계값을 비교하고, 계산된 유사도가 임계값 이상이면 동일 클러스터 후보로 판단하고, 판단된 동일 클러스터 후보 중 최대 유사도 값을 갖는 클러스터를 동일 클러스터로 판단하는 것을 특징으로 하는 채프에코 식별 방법.
  24. 제23항에 있어서,
    상기 유사도 판단 단계는, 계산된 유사도가 임계값 미만이면 특정 시간대의 클러스터를 새로운 클러스터로 판단하는 것을 특징으로 하는 채프에코 식별 방법.
  25. 제20항에 있어서,
    상기 에코 식별 단계는, 특정 시간대의 클러스터의 특성을 분석하는 단계;
    시간의 변화에 따른 동적 클러스터링에 의해 동일 클러스터로 판단된 클러스터의 특성 변화량을 분석하는 단계;
    상기 동일 클러스터로 판단된 클러스터의 시간데이터 개수가 임의의 설정값 미만이면, 분석된 특정 시간대의 클러스터 특성 분석을 기초로 채프에코 및 강수에코를 구분하는 단계; 및
    상기 동일 클러스터로 판단된 클러스터의 시간데이터 개수가 임의의 설정값 이상이면, 상기 분석된 특정 시간대의 클러스터 특성 분석 및 동일 클러스터로 판단된 클러스터의 특성 변화량 분석을 기초로 채프 에코를 식별하는 단계;로 이루어지는 것을 특징으로 하는 채프에코 식별 방법.
  26. 제24항에 있어서,
    상기 에코 식별 단계는, 구분된 채프 에코 및 강수 에코를 각각 이진 파일로 저장하는 단계;를 더 포함하는 것을 특징으로 하는 채프에코 식별 방법.
  27. 제20항에 있어서,
    상기 UF레이더데이터 합성 단계는, 특정 시간대의 수집된 UF레이더데이터를 제1 레이더 자료 형태로 변환하는 단계;
    채프 에코만을 포함하는 좌표계를 극좌표계로 변환한 후 제2 레이더 자료 형태로 변환하는 단계;
    상기 제2 레이더자료 형태에서 채프 에코에 해당하는 인덱스와 그 인덱스에 인접한 인덱스들을 제거할 인덱스 영역으로 지정한 후 상기 제1 레이더 자료 형태에서 지정된 인덱스 영역을 삭제하는 단계; 및
    지정된 인덱스 영역을 삭제한 제1 레이더 자료 형태를 UF레이더 자료 형태로 변환한 후 출력하는 단계;로 이루어지는 것을 특징으로 하는 채프에코 식별 방법.
KR1020110089713A 2011-09-05 2011-09-05 채프에코 식별 시스템 및 그 방법 KR101181326B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110089713A KR101181326B1 (ko) 2011-09-05 2011-09-05 채프에코 식별 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110089713A KR101181326B1 (ko) 2011-09-05 2011-09-05 채프에코 식별 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101181326B1 true KR101181326B1 (ko) 2012-09-10

Family

ID=47074084

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110089713A KR101181326B1 (ko) 2011-09-05 2011-09-05 채프에코 식별 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101181326B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101258668B1 (ko) 2012-10-16 2013-05-13 대한민국 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법
KR101531224B1 (ko) * 2013-12-06 2015-06-24 대한민국 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법
CN115796564A (zh) * 2023-02-13 2023-03-14 山东济矿鲁能煤电股份有限公司阳城煤矿 一种基于气象监管的煤矿工作管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
남경엽등, 이중편파레이더를 이용한 채프에코 분석, 2010년 한국기상학회 가을 학술대회 논문집, 2010년
한혜영 등, 채프에코 식별 및 제거 알고리즘, 2010년 한국기상학회 가을 학술대회 논문집, 2010년

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101258668B1 (ko) 2012-10-16 2013-05-13 대한민국 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법
KR101531224B1 (ko) * 2013-12-06 2015-06-24 대한민국 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법
CN115796564A (zh) * 2023-02-13 2023-03-14 山东济矿鲁能煤电股份有限公司阳城煤矿 一种基于气象监管的煤矿工作管理系统

Similar Documents

Publication Publication Date Title
CN107194430B (zh) 一种样本筛选方法及装置，电子设备
CN109740499A (zh) 视频分割方法、视频动作识别方法、装置、设备及介质
US10073908B2 (en) Functional space-time trajectory clustering
EP2657884A2 (en) Identifying multimedia objects based on multimedia fingerprint
KR101432429B1 (ko) 시각적 데이터 생성을 이용한 악성 코드 분석 시스템과 그 방법
JP2015176175A (ja) 情報処理装置、情報処理方法、およびプログラム
CN116416884B (zh) 一种显示器模组的测试装置及其测试方法
KR101181326B1 (ko) 채프에코 식별 시스템 및 그 방법
US10585130B2 (en) Noise spectrum analysis for electronic device
JP2019153092A (ja) 位置特定装置、位置特定方法及びコンピュータプログラム
EP3089107B1 (en) Computer program product and method for determining lesion similarity of medical image
CN114360027A (zh) 一种特征提取网络的训练方法、装置及电子设备
CN114219003A (zh) 样本生成模型的训练方法、装置及电子设备
KR102477509B1 (ko) 기상 예측 정보 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치
CN112687079A (zh) 灾害预警方法、装置、设备及存储介质
US20170337259A1 (en) Visualizing device, visualizing method and visualizing program
CN112783744A (zh) 数据检测方法、装置、设备、存储介质
CN110852322B (zh) 感兴趣区域的确定方法及装置
US20200160216A1 (en) Machine learning method and information processing apparatus
KR20140146437A (ko) 특허정보를 이용한 기업성과 예측 장치 및 방법
JP2006318013A (ja) 評価装置及びそのコンピュータプログラム
AU2021251463B2 (en) Generating performance predictions with uncertainty intervals
CN114004674A (zh) 模型训练方法、商品推送方法、装置和电子设备
JP4964798B2 (ja) 画像辞書生成装置，画像辞書生成方法，画像辞書生成プログラムおよびその記録媒体
KR20150058662A (ko) 비교데이터 프루닝과 가우시안 혼합 모델의 유사도 추정을 이용한 유해 동영상 필터링 시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant