• Journal of Korea Spatial Information System Society
• /
• v.12 no.1
• /
• pp.49-56
• /
• 2010

Many researches of frequent pattern mining technique for detecting unknown patterns on spatial data have studied actively. Existing data structures have classified into tree-structure and array-structure, and those structures show the weakness of performance on dense or sparse data. Since spatial data have obtained the characteristics of dense and sparse patterns, it is important for us to mine quickly dense and sparse patterns using only single algorithm. In this paper, we propose novel data structure as compressed patricia frequent pattern tree and frequent pattern mining algorithm based on proposed data structure which can detect frequent patterns quickly in terms of both dense and sparse frequent patterns mining. In our experimental result, proposed algorithm proves about 10 times faster than existing FP-Growth algorithm on both dense and sparse data.

• The Korean Journal of Applied Statistics
• /
• v.33 no.5
• /
• pp.569-578
• /
• 2020

By estimating conditional quantile functions of the response, quantile regression (QR) can provide comprehensive information of the relationship between the response and the predictors. In addition, kernel quantile regression (KQR) estimates a nonlinear conditional quantile function in reproducing kernel Hilbert spaces generated by a positive definite kernel function. However, it is infeasible to use the KQR in analysing a massive data due to the limitations of computer primary memory. We propose a divide and conquer based KQR (DC-KQR) method to overcome such a limitation. The proposed DC-KQR divides the entire data into a few subsets, then applies the KQR onto each subsets and derives a final estimator by aggregating all results from subsets. Simulation studies are presented to demonstrate the satisfactory performance of the proposed method.

• The Bulletin of The Korean Astronomical Society
• /
• v.33 no.1
• /
• pp.52.2-52.2
• /
• 2008

• The Bulletin of The Korean Astronomical Society
• /
• v.33 no.1
• /
• pp.53.1-53.1
• /
• 2008

• The Bulletin of The Korean Astronomical Society
• /
• v.34 no.1
• /
• pp.184.2-184.2
• /
• 2009

• The Bulletin of The Korean Astronomical Society
• /
• v.34 no.1
• /
• pp.116.2-116.2
• /
• 2009

• Bulletin of the Korean Space Science Society
• /
• 2009.04a
• /
• pp.56.3-56.3
• /
• 2009

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2006.04a
• /
• pp.513-522
• /
• 2006

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.05a
• /
• pp.321-328
• /
• 2007

데이터마이닝은 대용량의 데이터에 숨겨진 의미있고 유용한 패턴과 상관관계를 추출하여 의사결정에 활용하는 작업이다. 그 중에서도 고객 트랜잭션의 데이터베이스에서 아이템 사이에 존재하는 연관규칙을 찾는 것은 중요한 일이 되었다. Apriori 알고리즘 이후 연관규칙을 찾기 위해 대용량 데이터베이스로부터 압축된 의미있는 정보를 저장하기 위한 데이터 구조와 알고리즘들이 제안되어 왔다. 본 논문에서는 정점으로 아이템을 표현하고, 간선으로 두 아이템집합을 표현하는 빈발 패턴 네트워크(FPN)이라 불리는 새 자료 구조를 제안한다. 빈발 패턴 네트워크에서 아이템 사이의 연관 관계를 발견하기 위해 이 구조를 어떻게 효율적으로 사용 하느냐에 초점을 두고 있다. 구조의 효율적인 사용을 위하여 한 아이템이 클러스터 내의 아이템과는 유사도가 높고, 다른 클러스터의 아이템과는 유사도가 낮도록 네트워크의 정점을 클러스터링하는 방법을 사용한다. 실험은 신뢰도, 상관관계 그리고 간선 가중치 유사도를 이용하여 네트워크에서 아이템 클러스터링의 정확도를 보여준다. 본 논문의 실험 결과를 통해 신뢰도 유사도가 네트워크의 정점을 클러스터링할 때 클러스터의 정확성에 가장 많은 영향을 미친다는 것을 알 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2006.10c
• /
• pp.404-406
• /
• 2006

본 논문에서는 우주전파를 VLBI 관측시스템으로 관측한 후 고속으로 저장/재생하기 위한 시스템 구축에 관해 소개한다. 한국천문연구원에서는 2001년부터 국내 유일의 VLBI관측 시스템으로써 한국우주전파관측망(Korean VLBI Network; KVN)을 구죽하고 있다. KVN에서는 1Gsps/2bit 우주전파를 샘플링하는 샘플러와 디지털필터로 구성된 자료획득 시스템(Data Acquisition System; DAS)을 갖출 예정이다. 관측된 우주전파는 샘플러와 DAS를 통하여 처리된 데이터를 1Gbps이상의 속도로 기록된다. 본 논문에서는 1Gbps급의 대용량 데이터를 처리할 수 있는 시스템으로써 Mark5B 시스템의 구축과 시스템 구성, VSI-H, 시스템 운용 및 실험결과 등에 대해서 기술하고자 한다.