• The Journal of Society for e-Business Studies
• /
• v.23 no.1
• /
• pp.47-63
• /
• 2018

This study suggested quantitative models to calculate a royalty rate as an important input factor of the relief from royalty method which has the characteristics of income approach method and market approach method that are generally used in the valuation of intangible assets. This study built a royalty rate regression model by referring to the patent infringement damages cases based on royalties, i.e., by using the royalty rates as a dependent variable and the patent indexes of the corresponding patent right as independent variables. Then, a logistic regression model was constructed by referring to inter-partes review cases of patent rights, i.e. by using not-unpatentable results as a dependent variable and the patent indexes of the corresponding patent right as independent variables. A final royalty rate was calculated by matching the royalty rate from the royalty rate regression model with a not-unpatentable probability from the logistic regression model. The suggested royalty rate was compared with the royalty rate obtained by the traditional methods to check its reliability.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.13 no.4
• /
• pp.405-415
• /
• 2000

Time series of wind-induced pressure on a structure are modeled using autoregressive moving average (ARMA) model. In an AR process, the current value of the time series is expressed in terms of a finite, linear combination of the previous values and a white noise. In a MA process, the value of the time series is linearly dependent on a finite number of the previous white noises. The ARMA process is a combination of the AR and MA processes. In this paper, the ARMA models with several different combinations of the AR and MA orders are fitted to the wind-induced pressure time series, and the procedure to select the most appropriate ARMA model to represent the data is described. The maximum likelihood method is used to estimate the model parameters, and the AICC model selection criterion is employed in the optimization of the model order, which is assumed to be a measure of the temporal complexity of the pressure time series. The goodness of fit of the model is examined using the LBP test. It is shown that AR processes adequately fit wind pressure time series.

• The Korean Journal of Applied Statistics
• /
• v.31 no.6
• /
• pp.835-842
• /
• 2018

The so-called sliced average variance estimation (SAVE) is a popular methodology in sufficient dimension reduction literature. SAVE is sensitive to the number of slices in practice. To overcome this, a fused SAVE (FSAVE) is recently proposed by combining the kernel matrices obtained from various numbers of slices. In the paper, we consider practical applications of FSAVE to large p-small n data. For this, near-infrared spectroscopy of biscuit dough data is analyzed. In this case study, the usefulness of FSAVE in high-dimensional data analysis is confirmed by showing that the result by FASVE is superior to existing analysis results.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.387-391
• /
• 2011

국내에서 사면 붕괴의 직접적인 원인은 강우에 의한 것으로 볼 수 있으며, 강우침투에 따른 지하수위 상승과 간극수압 증가, 강우강도 크기에 직접적으로 영향을 받는 지표면 유출로 인한 사면의 표면토사 유출 및 얕은 사면붕괴로 나타난다. 본 연구에서는 강우로 인한 지반내 침투로 불포화토가 포화토로 변화는 과정에서 침투능을 산정하고자 기존의 침투공식을 검토하고 TDR 센서를 이용한 실내실험을 통한 침투능 산정공식을 제시하였다. 제시한 침투능 산정공식을 검증하기 위한 침투실험을 수행하여 결과를 비교 분석하였으며, 이론적 해석 및 실내실험에 의한 결과는 다음과 같다. 첫째, 포화도 변화에 따른 TDR데이터 변화는 일정했으며 이를 회귀분석을 통하여 함수화하였고, 이 함수를 이용하여 지반의 포화도 및 함수비를 파악할 수 있었다. 둘째, 흡인수두항과 중력수두항이 결합된 연속적인 침투능 산정공식을 새로이 유도하였으며, 이를 이용한 결과와 TDR 센서를 이용한 실험결과와 거의 유사함을 알 수 있었다.

• Journal of Intelligence and Information Systems
• /
• v.9 no.1
• /
• pp.139-155
• /
• 2003

This paper presents the new methodology of analyzing and classifying patterns of customers in mobile telecommunication market to enhance the performance of predicting the credit information based on the decision tree and neural network. With the application of variance selection process from decision tree, the systemic process of defining input vector's value and the rule generation were developed. In point of customer management, this research analyzes current customers and produces the patterns of them so that the company can maintain good customer relationship and makes special management on the customer who has huh potential of getting out of contract in advance. The real implementation of proposed method shows that the predicted accuracy is higher than existing methods such as decision tree(CART, C4.5), regression, neural network and combined model(CART and NN).

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.5
• /
• pp.917-926
• /
• 2010

It is known that bagging and boosting techniques improve the performance in classification problem. A number of researchers have proved the high performance of bagging and boosting through experiments for categorical response but not for continuous response. We study whether bagging and boosting improve data mining methods for continuous responses such as linear regression, decision tree, neural network through bagging and boosting. The analysis of eight real data sets prove the high performance of bagging and boosting empirically.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2015.11a
• /
• pp.430-443
• /
• 2015

신약개발은 국민의 건강권과 직결되며 국가 차원의 제약산업 육성을 위해 매우 중요하다. 그동안 신약개발 분야와 관련하여 다양한 연구가 수행되었지만, 신약개발 분야의 국가연구개발사업에 대한 효율성 분석은 매우 부족한 실정이다. 특히 R&D 분야는 연구개발시차, 일출효과(spill-over effect) 등으로 인해 투입과 산출의 일정한 방향성과 등비율적인 증감을 가정하는 CCR 모형이 적합하지 않다. 또한 가변규모수익을 가정하는 BCC 모형도 여유분(slack)으로 인해 의사결정단위간의 명확한 우선순위 도출이 어려운 한계점이 있다. 최근에는 R&D 분야의 특수성을 고려해서 자료포락분석 모형 중 RAM(Range Adjusted Measure) 모형을 활용한 분석방법이 제시되고 있다. RAM 모형은 가변규모수익 가정 하에 투입지향이나 산출지향처럼 방향성에 대한 사전적인 가정 없이 비효율성을 최대한 제거하는 방향으로 효율성을 측정하므로 R&D 분야의 효율성 분석에 적합하다. 특히 RAM 모형은 매우 강건한 단조성을 인해 의사결정단위 간 명확한 순위 구분도 용이하다. 따라서 본 연구에서는 자료포락분석 모형 중 RAM 모형과 토빗 회귀분석이 결합된 2단계 접근법을 활용해서 범부처전기신약개발사업을 중심으로 신약개발 분야의 국가연구개발사업들에 대한 효율성을 분석하고 주요 시사점들을 논의하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.7 no.9
• /
• pp.351-360
• /
• 2018

The LWR (Locally Weighted Regression) model, which is traditionally a lazy learning model, is designed to obtain the solution of the prediction according to the input variable, the query point, and it is a kind of the regression equation in the short interval obtained as a result of the learning that gives a higher weight value closer to the query point. We study on an incremental ensemble learning approach for LWR, a form of lazy learning and memory-based learning. The proposed incremental ensemble learning method of LWR is to sequentially generate and integrate LWR models over time using a genetic algorithm to obtain a solution of a specific query point. The weaknesses of existing LWR models are that multiple LWR models can be generated based on the indicator function and data sample selection, and the quality of the predictions can also vary depending on this model. However, no research has been conducted to solve the problem of selection or combination of multiple LWR models. In this study, after generating the initial LWR model according to the indicator function and the sample data set, we iterate evolution learning process to obtain the proper indicator function and assess the LWR models applied to the other sample data sets to overcome the data set bias. We adopt Eager learning method to generate and store LWR model gradually when data is generated for all sections. In order to obtain a prediction solution at a specific point in time, an LWR model is generated based on newly generated data within a predetermined interval and then combined with existing LWR models in a section using a genetic algorithm. The proposed method shows better results than the method of selecting multiple LWR models using the simple average method. The results of this study are compared with the predicted results using multiple regression analysis by applying the real data such as the amount of traffic per hour in a specific area and hourly sales of a resting place of the highway, etc.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2017.11a
• /
• pp.653-685
• /
• 2017

'기술융합'은 기존기술 간 결합 또는 전혀 새로운 기술개발을 통한 신산업 창출과 사회적 난제 해결을 가능하게 하는 혁신의 최근 트렌드이다. 과학기술을 통한 한국 경제성장 전략의 첨병이었던 국가 출연(연)구소에 대해서도 융합연구 조직으로의 역할 변화를 둘러싼 정책적 관심이 높아지고 있다. 본 연구는 출연(연) 융합연구의 성공 핵심요소를 '협력'으로 보고 다음의 연구 목적을 설정하였다. 첫째, 기술개발 목적과 문제해결 과정 관점에서 융합연구 개념과 범위를 정의하고, 그 특성을 반영하는 분석 프레임워크를 제안한다. 둘째, 융합연구에서의 협력활동과 그 성과를 유형화하고 새로운 분석지표를 제안한다. 셋째, 융합연구에서의 협력활동 특성과 그 정도가 성과에 미치는 영향을 분석한다. 이를 위하여, 국가연구개발사업 및 NST 융합연구사업을 통한 융합연구 과제 수행 경험이 있는 각 출연(연) 104명의 연구책임자들에게 협력의 방식 및 정성적 성과에 대한 설문조사를 수행하였다. 이후, 조사결과를 바탕으로 협력활동 특성과 성과 간 상관관계를 규명하는 회귀분석을 수행하였다. 분석결과, 첫째, 지식 창출활동에서는 협력 파트너 다변화가 중요한 변수였다. 둘째, 유사분야 연구자들 간 집체형 협력활동은 특허 기술이전과 같이 목적이 명확한 성과에 영향을 미치는 것으로 나타났다. 셋째, 연구자들에게 독립성과 자율성을 부여하고, 지식 노하우 등 기술역량의 상호공유가 이루어질수록 창출지식의 다양성 및 관계의 지속성이 높아지는 것으로 나타났다. 연구 결과는 융합연구를 위한 협력과 성과 분석방법의 정책방향을 제시한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.997-1000
• /
• 2008

기상 레이더와 지상강우계를 이용한 실시간 강우산정기법은 전형적인 Marshall-Palmer(M-P) 방법, geostatistic 접근법을 이용한 방법, 회귀분석에 의한 방법, Kalman filter를 이용한 방법 및 실시간 weight mask를 이용한 보정 등 여러 형태가 존재한다. 본 연구에서는 실시간 강우산정을 위한 각 방법의 장단점 및 적용성을 분석하였다. 전형적인 M-P 방법은 잘 알려진 바와 같이 호우사상을 과소 추정하는 단점을 가졌으며 기존 연구자들이 제시한 바와 같이 층운형, 대류형과 같은 강우형태에 따라 다른 Z-R관계식을 가지므로 단일 Z-R관계식으로 강수를 산정함에 있어 한계를 가진다. Geostatistic 기법을 이용한 실시간 강수 산정의 경우, 지상 강우계 정보를 활용하여 강우공간분포를 개선하는 여러 기법 즉 cokriging, external drift 기법 등이 존재함에도 불구하고 과다한 계산시간, 실시간 variogram 산정과 적용상의 문제 등을 내포하고 있다. 실시간 회귀분석을 이용한 강우산정은 실제 적용에 있어 지상 강우계와 레이더 반사도사이의 선형 상관관계에 대한 결정계수가 매우 낮아 기법 적용이 간단한 장점에도 불구하고 적용에 한계를 가진다. Kalman filter기법을 이용한 실시간 레이더 강수산정은 계산시간이 여타 기법보다 많이 소요되어 실시간성을 유지하는데 한계를 가진다. 실시간 weight mask를 이용한 보정기법은 지상강우계 강우강도와 기상레이더 강우강도가 선형상관관계를 가진다는 가정이 대상지역 전체에 균일하게 적용될 수 없음에도 불구하고 기법의 적용이 간편하며 실시간 강우 공간분포를 실제 강우 관측인 지상 강우계 공간 분포 특성을 간접 강우 관측인 기상 레이더 반사도 분포와 결합하여 공간 변화 특성을 잘 나타낸다는 장점을 가지므로 실용적 적용에 있어 장점을 가진다.