표제지
국문초록
목차
제1장 서론 12
1.1. 연구 배경 12
제2장 관련 내용·기술 연구 14
2.1. 국내 자생종 소나무 14
2.1.1. 소나무의 역사 14
2.1.2. 소나무의 형태 및 특성 15
2.2. Machine Learning 20
2.2.1. Linear Regression 20
2.2.2. SVM(Support Vector Machine) 22
2.2.3. KNN(K-Nearest-Neighbors) 23
2.2.4. Decision Tree 24
2.2.5. RandomForest 25
제3장 연구 설계 27
3.1. 연구 모형 설계 27
3.2. Machine Learning 알고리즘의 선정 29
3.3. 가설설정 30
제4장 실험 방법 및 결과 31
4.1. 실험 데이터 수집 31
4.2. 실험 절차 및 방법 33
4.3. 머신러닝 적용 알고리즘 결과 확인 33
4.3.1. Linear Regression 33
4.3.2. SVM(Support Vector Machine) 35
4.3.3. KNN 37
4.3.4. Decision Tree 39
4.3.5. RandomForest 41
제5장 결론 및 고찰 44
참고 문헌 45
ABSTRACT 46
표 1. 연구수행에 따른 대표 종 선정 19
표 2. 선형회귀(Lenear Regression)의 정의 21
표 3. 머신러닝 알고리즘 장점 및 단점 29
표 4. 생성된 *.csv 형태의 데이터 시트 32
표 5. LeanearRegression 코드구현 및 적용 33
표 6. SVM 코드구현 및 적용, 데이터셋 구성 : 100개 35
표 7. SVM 결과 (데이터셋 100개) 35
표 8. SVM 코드구현 및 적용, 데이터셋 구성 : 195개 36
표 9. SVM 결과 (데이터넷 195개) 36
표 10. KNN 코드구현 및 적용 - (1) 37
표 11. KNN 코드구현 및 적용 - (2) 38
표 12. KNN 알고리즘 적용에 따른 결과값 38
표 13. DecisionTree 코드구현 및 적용 - (1) 39
표 14. DecisionTree 코드구현 및 적용 - (2) 40
표 15. Grapviz 라이브러리를 이용한 DecisionTree 결과 도식화 40
표 16. RandomForest 코드구현 및 적용 - (1) 41
표 17. RandomForest 코드구현 및 적용 - (2) 42
표 18. RandomForest 코드구현 및 적용 - (3) 43
그림 1. 생태계의 구성 13
그림 2. 국내 자생종 소나무 14
그림 3. 소나무 열매 구분 16
그림 4. 소나무의 구성(꽃, 구과, 잎 등)... 17
그림 5. 소나무 잎의 개수의 따른 구분 19
그림 6. 선형회귀(Lenear Regression) 21
그림 7. SVM 알고리즘 22
그림 8. KNN 알고리즘 23
그림 9. Decision Tree(의사결정 나무) 알고리즘 24
그림 10. DecisionTree 앙상블 RandomForest 알고리즘 25
그림 11. 고해상도 건조표본 스캔 이미지 27
그림 12. 소나무 분류를 위한 연구 프로세스 28
그림 13. 건조표본 고해상도 스캔 이미지(소나무) 31
그림 14. Lenear Regression 그래프화 34
그림 15. KNN 알고리즘 적용시 정답율 비교 (데이터셋 재검증) 38