• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.233-236
• /
• 2001

멀티미디어 데이터의 증가와 마이닝 기술의 발전으로 인해 멀티미디어 마이닝에 대한 관심이 증가하고 있다. 본 논문에서는 특성국지화를 이용한 내용기반의 정보검색 기술과 다차원 데이터큐브 구축기술을 통해 멀티미디어 데이터에서 연관규칙을 찾아내는 멀티미디어 데이터마이닝 시스템 프로토타입을 제안한다. 특히 멀티미디어 데이터의 칼라, 질감 등 거시적인 이미지 성분 대신 이미지의 영역성과 유사성을 이용한 특성국지화방법을 이용하여 이미지를 분할함으로써 방대한 데이타에서 효과적인 내용기반의 정의 검색을 시행하고 검색한 벡터를 메타데이타로 한 데이스베이스를 구축한다. 그리고 데이터베이스에서 데이터간 연관규칙을 찾아내어 지식을 마이닝하는데 효과적인 다차원 데이터큐브를 구축하고 여기에 연관규칙 검색 알고리즘을 적용한다.

• Journal of Korea Multimedia Society
• /
• v.3 no.3
• /
• pp.209-223
• /
• 2000

As the importance and utilization of multimedia data increases, it becomes necessary to represent and manage multimedia data within database systems. In this paper, we designed and implemented an image retrieval system which support efficient management and intelligent retrieval of image data using concept hierarchy and data mining techniques. We stored the image information intelligently in databases using concept hierarchy. To support intelligent retrievals and efficient web services, our system automatically extracts and stores the user information, the user's query information, and the feature data of images. The proposed system integrates user metadata and image metadata to support various retrieval methods on image data.

• Journal of KIISE:Databases
• /
• v.31 no.1
• /
• pp.1-12
• /
• 2004

As network systems are developed rapidly and network architectures are more complex than before, it needs to use PBNM(Policy-Based Network Management) in network system. Generally, architecture of the PBNM consists of two hierarchical layers: management layer and enforcement layer. A security policy server in the management layer should be able to generate new policy, delete, update the existing policy and decide the policy when security policy is requested. And the security policy server should be able to analyze and manage the alert messages received from Policy enforcement system in the enforcement layer for the available information. In this paper, we propose an alert analyzer using data mining. First, in the framework of the policy-based network security management, we design and implement an alert analyzes that analyzes alert data stored in DBMS. The alert analyzer is a helpful system to manage the fault users or hosts. Second, we implement a data mining system for analyzing alert data. The implemented mining system can support alert analyzer and the high level analyzer efficiently for the security policy management. Finally, the proposed system is evaluated with performance parameter, and is able to find out new alert sequences and similar alert patterns.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.3-6
• /
• 2004

전자상거래의 지원 시스템에서 판매지원 에이전트는 고객의 취향을 파악하여 구매자에게 가장 적절한 상품을 탐색하여 사용자의 만족도를 극대화할 수 있어야 한다. 이에 데이타마이닝의 기법 중의 하나인 사례기반추론기법을 이용한 판매지원 에이전트와 감성공학을 이용한 신제품 개발지원과 기존 제품의 리모델링을 제시하는 에이전트를 결합한 다중 에이전트 시스템을 제안하고자 한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.233-235
• /
• 2021

본 논문에서는 물 공급량 예측을 위한 다양한 알고리즘 적용에 있어서 데이터 마이닝의 효용성을 검토하고자 하였다. 물 공급분야에 있어서, 물 이용 지역의 특성에 따라 공급량과 이용 시간이 매우 상이한 특성을 나타낸다. 물 이용 지역은 주택지역, 상업지역, 산업단지지역 등 다양한 형태로 분류할 수 있고, 이에 따라 물 이용 시간의 상이함에 따른 물 공급패턴이 일정하지 않게 된다. 특히, 주택지역과 상업지역이 복합적으로 이루어진 경우, 물 이용 단위인 블록 단위에서의 물 특성이 불규칙적인 패턴을 나타낸다. 따라서, 각 블록 단위 특성에 적합한 물 이용량을 예측하여 효율적 물 공급 방안을 마련할 필요가 있다. 또한, 물 이용량 데이터 중 이상 데이타 감지와 이상 데이터 보정을 통하여 물 이용량 예측의 정확도가 향상된다. 따라서, 블록 단위의 물 이용량에 대한 원시데이타의 효율적인 데이터 마이닝 방안이 요구된다. 본 연구에서는 물 공급지역의 특성에 따른 물 공급 패턴을 분석하고, 이에 적합한 데이터 마이닝 기법을 제시하고 비교 분석하였다. 제안된 데이터 마이닝 기법은 딥러닝 예측모델을 적용하여 적합성을 검증하고, 이를 물 공급량 예측알고리즘에 폭넓게 활용될 수 있음을 확인하였다.

• Proceedings of the CALSEC Conference
• /
• 1999.11a
• /
• pp.757-760
• /
• 1999

본 논문에서는 오라클사의 전자상거래용 패키지인 ICS를 기반으로 지능형 인터넷 쇼핑몰을 설계 하고 구현하였다. 본 쇼핑몰은 고객들의 접속 기록과 상품 구매 기록을 데이터마이닝 기법에 의해 통계적으로 분석하여 상품에 대한 인기도에 따라 상품 진열을 자동적으로 구성할 수 있는 지능형 쇼핑몰이다. 본 시스템을 동하여 쇼핑몰 관리자의 주관적인 판단에 의해 수 작업으로 이루어지는 기존 쇼핑몰 관리 업무를 자동화할 수 있다. 또한 최근에 급격하게 증가하고 있는 전자상거래 시장에서 경쟁력을 강화할 수 있는 새로운 형태의 마케팅 기법을 제시하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.62-65
• /
• 2001

본 논문에서는 인터넷 동영상 정보들을 보다 효율적이고 정확하게 검색할 수 있는 시스템을 구현하기 위해, 특성 정보에 기반한 영상기반 검색과 예제를 통한 질의를 사용한 시스템을 제안한다. 기존의 검색 시스템과는 달리 본 시스템에서는 사용자가 진의로 제출한 통영상의 특성정보를 추출하여 데이타마이닝하여 프로파일로 만들고, 인터넷에서 검색된 동영상의 특성정보와 비교하는 기법을 사용한다. 또한 진의 동영상 프로파일들을 통합하고, 특징 영역 세그먼트들의 중요도를 저장해 둠으로써 사용자의 질의를 하나의 척도로 처리하며, 작성된 프로파일과 비교 할 동영상의 특성정보를 영역별로 가중치를 주어 보정함으로 검색을 원하는 동영상의 특징을 강조한 진의가 가능하도록 한다. 끝으로 가중치를 주는 방법의 변화에 따른 시스템이 출력하는 검색 결과의 변화를 관찰하여 보정 방법의 성능을 평가한다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.33 no.5
• /
• pp.267-281
• /
• 2006

PPI(Protein-Protein Interaction) data has information about the organism has maintained a life with some kind of mechanism. So, it is used in study about cure research back, cause of disease, and new medicine development. This PPI data has been increased by geometric progression because high throughput methods are developed such as Yeast-two-hybrid, Mass spectrometry, and Correlated mRNA expression. So, it is impossible that a person directly manage and analyze PPI data. Fortunately, PPI data is able to abstract the graph which has proteins as nodes, interactions as edges. Consequently, Graph theory plentifully researched from the computer science until now is able to be applied to PPI data successfully. In this paper, we introduce Proteinca(PROTEin INteraction CAbaret) workbench system for easily managing, analyzing and visualizing PPI data. Proteinca assists the user understand PPI data intuitively as visualizing a PPI data in graph and provide various analytical function on graph theory. And Protenica provides a simplified visualization with gravity-rule.

• Journal of KIISE:Software and Applications
• /
• v.32 no.6
• /
• pp.542-553
• /
• 2005

Recommendation systems analyze user preferences and recommend items to a user by predicting the user's preference for those items. Among various kinds of recommendation methods, collaborative filtering(CF) has been widely used and successfully applied to practical applications. However, collaborative filtering has two inherent problems: data sparseness and the cold-start problems. If there are few known preferences for a user, it is difficult to find many similar users, and therefore the performance of recommendation is degraded. This problem is more serious when a new user is first using the system. In this paper we propose a method of integrating additional feature information of users and items into CF to overcome the difficulties caused by sparseness and improve the accuracy of recommendation. In our method, we first fill in unknown preference values by using the probability distribution of feature values, then generate the top-N recommendations by applying collaborative filtering on the modified data. We call this method of filling unknown preference values as data blurring. Several experimental results that show the effectiveness of the proposed method are also presented.

• Journal of KIISE:Databases
• /
• v.34 no.6
• /
• pp.473-482
• /
• 2007

Network-based IDS(Intrusion Detection System) gathers network packet data and analyzes them into attack or normal. They raise alarm when possible intrusion happens. But they often output a large amount of low-level of incomplete alert information. Consequently, a large amount of incomplete alert information that can be unmanageable and also be mixed with false alerts can prevent intrusion response systems and security administrator from adequately understanding and analyzing the state of network security, and initiating appropriate response in a timely fashion. So it is important for the security administrator to reduce the redundancy of alerts, integrate and correlate security alerts, construct attack scenarios and present high-level aggregated information. False alarm rate is the ratio between the number of normal connections that are incorrectly misclassified as attacks and the total number of normal connections. In this paper we propose a false alarm classification model to reduce the false alarm rate using classification analysis of data mining techniques. The proposed model can classify the alarms from the intrusion detection systems into false alert or true attack. Our approach is useful to reduce false alerts and to improve the detection rate of network-based intrusion detection systems.