• 한국통신학회논문지
• /
• 제35권7C호
• /
• pp.642-650
• /
• 2010

협력 스펙트럼 감지(collaborative spectrum sensing) 방식은 지역적으로 분산되어 있는 다수의 부 사용자(secondary user)들이 협력하여 주 사용자(primary user)의 활동을 감지하는 방법으로, 페이딩으로 인해 발생하는 검파 성능의 손실을 상당히 줄일 수 있는 것으로 알려져 있다. 현재까지 이 방식에 대한 대부분의 연구는 개별부 사용자들이 내린 스펙트럼 감지 결정이 통계적으로 서로 독립이라고 가정한 것에 기초한 것이다. 그러나 실제 상황에서는 음영 효과(shadowing effect)로 인해 이 가정이 유효하지 않은 경우가 발생한다. 본 논문에서는 부 사용자들이 직선상에 일정 간격으로 배치되고, 이웃하는 부 사용자의 스펙트럼 감지 결정사이에서만 상관 관계가 존재하는 경우를 대상으로 하여, 상관 정도가 협력 스펙트럼 감지 방식의 성능에 미치는 영향과 그에 따른 인지 무선 시스템의 전송 용량 변화를 분석하고자 한다. 이때 개별 부 사용자의 결정을 융합하는 규칙으로는 AND 규칙과 OR 규칙을 고려하였다. 분석 결과 AND 융합 규칙을 사용하는 경우가 OR 규칙을 사용하는 경우보다 전송용량 측면에서 우수하다는 점을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.358-360
• /
• 2001

본 논문에서는 의미분석을 위해서 구문관계와 의미관계를 자동으로 사상하는 규칙을 구축한다. 5 만개의 패턴을 수작업으로 사상해서 학습데이터로 만들고 이의 분석을 통해 규칙을 구축했다. 규칙에서는 의미역 결정을 위해서 가도까와 시소러스를 이용하는데, 본 논문에서는 한일 기계번역사전을 이용하여 추출한 구문 패턴을 대상으로 실험한 결과, 정확률 90%, 적용율 93.5%를 얻었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.330-332
• /
• 1998

모듈형 신경망은 인간의 정보처리 시스템이 고유한 목적이나 기능을 가진 모듈로 되어있다는 신경과학의 연구에 기반하여 제안된 모델이다. 하지만 모듈의 크기와 기능모듈간의 연결구조를 결정하는데 큰 어려움이 있다. 본 논문에서는 간단한 규칙으로 복잡한 구조를 생성해 낼 수 있는 린덴마이어-시스템을 이용하여 모듈형 신경망의 크기 및 연결구조를 만들어내는 과정에 대하여 고찰해본다. 또한, 신경망의 생성규칙을 유전자형으로 표현하고 진화 알고리즘을 적용하여 주어진 문제를 해결할 수 있는 최적의 규칙을 찾아내는 방법을 제안한다. 본 논문에서 제안한 유전자형과 진화연산은 최적화된 문법규칙 및 신경망의 구조를 만들어 낼 수 있는 가능성을 보여준다.

• 정보과학회 논문지
• /
• 제42권11호
• /
• pp.1410-1422
• /
• 2015

소프트웨어 개발자들은 시스템의 설계를 위해 UML의 클래스 다이어그램과 같은 객체 모델을 이용한다. 객체-관계 변환 방법론은 객체 모델에 표현된 관계성들을 관계형 데이터베이스 테이블로 변환하는 방법론으로, 설계된 시스템의 구현을 위해 적용된다. 기존 객체-관계 변환 방법론의 연구들은 하나의 관계성을 표현하기 위해 여러 변환 기법들을 제안하였다. 하지만 각 변환 기법의 사용기준들이 존재하지 않아 구현에 적용하기 어려운 문제점이 있다. 따라서 이 논문은 각 관계별로 이진 결정 다이어그램 기반의 모델링 규칙을 제안한다. 이를 위해 변환 기법들을 구분하는 조건들을 정의하고, 질의 수행시간을 측정함으로 검증이 요구되는 모델링 규칙들을 평가한다. 평가 후, 이 논문은 명제 논리로 표현된 최종 모델링 규칙을 재정의하고, 사례 연구를 통하여 제안된 모델링 규칙이 설계된 시스템을 구현하는데 유용함을 보인다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권6호
• /
• pp.519-529
• /
• 2007

본 논문에서는 효율적인 침입 탐지를 위해 퍼지 규칙을 이용하는 방법을 제안한다. 제안한 방법은 퍼지 의사결정 트리의 생성을 통해 침입 탐지를 위한 퍼지 규칙을 생성하고 진화 알고리즘을 사용하여 최적화한다. 진화 알고리즘의 효율적인 수행을 위해 지도 군집화를 사용하여 퍼지 규칙을 위한 초기 소속함수를 생성한다. 제안한 방법의 진화 알고리즘은 적합도 평가시 퍼지 규칙(퍼지 의사결정 트리)의 성능과 복잡성을 고려하여 평가한다. 또한 데이타 분할을 이용한 평가와 퍼지 의사결정 트리의 생성과 평가 시간을 줄이는 방법으로 소속정도 캐싱과 zero-pruning을 사용한다. 제안한 방법의 성능 평가를 위해 KDD'99 Cup의 침입 탐지 데이타로 실험하여 기존 방법보다 성능이 향상된 것을 확인하였다. 특히, KDD'99 Cup 우승자에 비해 정확도가 1.54% 향상되고 탐지 비용은 20.8% 절감되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권3호
• /
• pp.145-154
• /
• 2016

u-Health에 대한 관심과 IT 기술의 발전에 따라 의료 정보를 적극적으로 활용하고자 하는 요구가 커지고 있으며, 이에 대해 텍스트 형태의 의료 정보 데이터에 연관규칙 기법을 적용하여 질병과 증상과의 관계를 추론하는 시스템에 대한 연구들이 이루어지고 있다. 그러나 일반적인 연관규칙 기법을 의료 정보 데이터에 그대로 적용할 경우, 이전에는 새로운 연관규칙들보다 일반적이며 의미없는 연관규칙들이 많이 생성되는 문제가 발생한다. 또한 필터링으로 인해 빈번하게 함께 발생하지는 않지만 의학적으로 의미있는 항목들의 연관 규칙을 발견할 수 없다는 한계점을 가지게 된다. 본 논문에서는 의료데이터 특성을 고려하여 빈번한 항목과 빈번하지 않지만 의학적으로 의미 있는 항목들을 대상으로 연관규칙을 구성하여 의료 전문가의 의사 결정에 도움을 주기 위한 시스템을 제안한다. 제안 시스템은 의료 기록 데이터에서 용어들을 TF-IDF기반으로 가중치를 부여하고 기존 FP-Growth 알고리즘을 확장하여 TF-IDF 가중치를 고려한 빈번하게 발생하거나 빈번하지 않지만 의미 있는 연관규칙을 구성한다. 특정 질의 데이터가 입력되면 해당 데이터에 나타난 연관 규칙들의 유사도를 의학분야 온톨로지를 이용하여 평가하여 해당 데이터의 내용과 관련된 후보 질병들을 추론한다. 추론된 후보 질병명은 의료 전문가에게 의사 결정의 참고 자료로 제공된다. 실제 임상 진료 및 처방 기록 데이터에 대해 제안 시스템을 적용해 본 결과, 본 제안 시스템을 통해 도출한 연관 규칙이 기존 FP-Growth 알고리즘을 적용했을 때 보다 더 구체적인 질병과 증상과의 관계들을 포함함을 확인할 수 있었다. 또한 본 제안 시스템은 자유형식의 의료 및 병리데이터를 마이닝하고 후보 질병들을 가중치 기반으로 보여주므로, 의료 기록 정보로부터 질병 관련 새로운 정보를 획득하고 의료진의 의사 결정에 도움을 주는 시스템으로 활용될 수 있다.

• 한국산업정보학회논문지
• /
• 제6권1호
• /
• pp.61-69
• /
• 2001

본 연구는 관능검사에서 얻은 결과로 평가규칙을 설계하고 이를 이용하여 추후의 관능평가에 응용할 수 있는 방법을 제안함에 있어서, 퍼지추론의 규칙을 효율적으로 설계하는 것에 관련된 것이다. 퍼지추론 규칙의 수는 규칙의 전건부의 구조와 파라미터를 설계함에 있어서 퍼지분할의 수에 따라 결정되는데, 분할의 수가 많다고 해서 최적은 아니므로 효율적으로 규칙의 수를 축소하는 것이 규칙을 응용할 때의 효율성을 제고하는 동시에 실무에 응용할 때 추론엔진의 속도를 높일 수 있다. 이를 위해 본 연구에서는 선행연구에서 제시된 사례를 이용하여 추론규칙의 수를 축소하여도 대등한 결과를 얻을 수 있음을 수치예를 통하여 증명하였다. 본 연구의 결과는 향후 관능검사를 이용하는 다른 분야에도 유효하게 응용될 수 있을 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.353-356
• /
• 2006

연관규칙 (Association rule) 마이닝은 무수히 많은 데이터로부터 유용한 정보만을 뽑아내어 실생활에 적용하여 이점을 얻게 하는 데이터마이닝의 가장 핵심적인 연구분야이다. 마켓 기반 데이터들로부터 고객들의 구매유형을 분석하여 적절한 판매전략을 세우거나 기업 데이터로부터 특정 업무와 관련된 의사결정을 지원하는 등의 일이 모두 연관규칙을 기반으로 한다. 그러나 대부분의 연관규칙들은 시간을 고려하지 않는 않거나, 순차패턴만을 고려해왔다. 따라서 하루중 특정 규칙이 발생되지 않는 시간대에도 그 규칙에 대한 불필요한 노력이 있었다. 본 논문에서는 추출된 연관규칙들과 각 트랜잭션에 부여한 시간 정보를 분석하여 특정 항목 (Item) 집합들 간의 연관규칙이 빈번하게 발생하는 시간대를 추출한다. 추출되 시간 정보를 이용하여 시간대별 유용한 판매 전략을 세움으로써, 상품 판매를 극대화하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제14권6호
• /
• pp.135-142
• /
• 2009

테이터 마이닝은 대용량의 데이터 셋을 분석하기 위하여 새로운 이론, 기법, 분석 툴을 제공하는 전산 지능분야의 새로운 영역중 하나이다. 데이터 마이닝의 주요 기법으로는 연관규칙 탐사, 분류, 클러스터링 등이 있다. 그러나 이들 기법을 기존 연구 방법들처럼 개별적으로 사용하는 것보다는 통합화하여 규칙들을 자동적으로 발견해내는 방법론이 필요하다. 이런 데이터 규칙 추출 방법론은 대량의 데이터들을 분석하여 성공적인 의사결정을 내리는데 도움을 줄 수 있기에 많은 분야에 이용될 수 있다. 본 논문에서는 계층적 클러스터링 알고리듬과 러프셋 이론을 이용하여 대량의 데이터로부터 의미 있는 규칙들을 발견해 내는 자동적인 규칙 추출 방법론을 제안한다. 또한 UCI KDD 아카이브에 포함되어 있는 데이터 셋을 이용하여 제안하는 방법에 대하여 실험을 수행하였으며, 실제 생성된 규칙들을 예시하였다. 이들 자동 생성된 규칙들은 효율적인 의사결정에 도움을 준다.

• 한국수자원학회논문집
• /
• 제33권S1호
• /
• pp.501-506
• /
• 2000