• The Journal of Korean Institute of Information Technology
• /
• v.17 no.11
• /
• pp.17-26
• /
• 2019

RAID-5 technology is one of the choice for flash storage device to enhance its reliability. However, RAID-5 has inherent parity update overhead, especially, parity overhead for partial stripe write is one of the crucial issues for flash-based RAID-5 technologies. In this paper, we design efficient parity log architecture for RAID-5 to eliminate runtime partial parity overhead. During runtime, partial parity is retained in buffer memory until full stripe write completed, and the parity is written with full strip write. In addition, parity log is maintained in memory until whole the stripe group is used for data write. With this parity log, partial parity can be recovered from the power loss. In the experiments, the parity log method can eliminate partial parity writes overhead with a little parity log writes. Hence it can reduce write amplification at the same reliability.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06b
• /
• pp.186-190
• /
• 2008

최근 카메라를 비롯한 다양한 센서 기술 및 디지털 저장장치의 발달로 사용자의 일상생활의 기록인 라이프 로그를 수집하고 분석하는 연구가 활발히 이루어지고 있다. 라이프 로그는 모바일 디바이스에 포함된 다양한 센서를 통해 실외에서 수집되는 경우와 실내에 카메라를 중심으로 한 센서를 설치하여 수집되는 경우로 나누어 볼 수 있으며, 수집된 로그는 다양한 방법을 통해 분석하여 사용자에게 요약이나 검색과 같은 서비스 제공에 활용될 수 있다. 본 논문은 오피스 환경에 다수의 카메라를 설치하여 수집한 실내 비디오 로그 데이터를 대상으로 하며, 사용자의 어플리케이션 로그를 분석하여 요약을 위해 활용한다. 다수의 카메라는 오피스의 가운데 부분을 비추도록 하여, 발생한 하나의 이벤트에 대한 다양한 시점의 영상을 얻을 수 있도록 하였다. 전체 요약 과정은 크게 데이터 어노테이션, 사용자 로그분석을 이용한 이벤트 시퀀스 요약, 도메인 지식을 이용한 카메라 뷰의 선택으로 나뉘어 수행된다. 최종적으로 실험을 통해 제안하는 요약 방법이 좋은 결과를 보임을 확인하였다.

• The KIPS Transactions:PartB
• /
• v.16B no.4
• /
• pp.309-318
• /
• 2009

The researches on the system that automatically records and retrieves one's everyday life is relatively actively worked recently. These systems, called personal memex or life log, usually entail dedicated devices such as SenseCam in MyLifeBits project. This research paid attention to the digital devices such as mobile phones, credit cards, and digital camera that people use everyday. The system enables a person to store everyday life systematically that are saved in the devices or the deviced-related web pages (e.g., phone records in the cellular phone company) and to refer this quickly later. The data collection agent in the proposed system, called MyMemex, collects the personal life log "web data" using the web services that the web sites provide and stores the web data into the server. The "file data" stored in the off-line digital devices are also loaded into the server. Each of the file data or web data is viewed as a memex event that can be described by 4W1H form. The different types of data in different services are transformed into the memex event data in 4W1H form. The memex event ontology is used in this transform. Users can sign in to the web server of this service to view their life logs in the chronological manner. Users can also search the life logs using keywords. Moreover, the life logs can be viewed as a diary or story style by converting the memex events to sentences. The related memex events are grouped to be displayed as an "episode" by a heuristic identification method. A result with high accuracy has been obtained by the experiment for the episode identification using the real life log data of one of the authors.

• Information and Communications Magazine
• /
• v.31 no.12
• /
• pp.17-24
• /
• 2014

빅데이터, IoT, 클라우드 인프라 등 기술의 발달에 따라 일상생활 중에서도 개인과 환경의 변화에 대해 실시간 데이터 수집이 용이하게 되었다. 이를 활용하여 개인의 다양한 특성과 상황을 인지하고 다면적으로 의미를 분석할 수 있는 개인의 라이프스타일(lifestyle, 생활습관) 분석 기술이 중요하게 부각되고 있다. 이 라이프스타일 데이터는 개인의 질병이나 사회 심리적 문제의 원인 분석과 미래 트렌드의 변화예측을 할 수 있는 중요한 근거로 활용된다. 최근 이를 위한 연구로서 활동량, 스트레스, 위치, 수면 등의 라이프스타일 패턴을 추출하여 체계적인 프로세스로 삶의 질을 향상시키는 웰니스 (Wellness) 예측케어 서비스 연구와 서비스들이 활발히 진행되고 있다. 하지만 이러한 서비스를 제공하기에 앞서 개인의 복잡한 라이프스타일 패턴의 추출이 단편적으로만 이뤄지고 있어서, 패턴들 사이의 복잡한 관계를 분석하거나 연계 서비스로의 확장 및 라이프스타일 패턴의 재사용적인 측면에서의 문제가 어려운 이슈가 되고 있다. 이 때문에 웰니스 서비스의 신뢰도가 낮아 사용자가 단순히 재미로 느끼는 수준이거나 일회성에 그치는 모바일 어플리케이션 서비스를 제공받는 경우가 다반사이다. 본 논문에서는 IoT환경에서 다양한 스마트 디바이스에 의해 수집되는 라이프로그로 부터 라이프스타일 패턴 추출 및 모델링, 라이프스타일 패턴 분석으로부터 개인의 행동 추론 및 예측, 원인파악과 관련 지표를 정량적으로 설계하는 분석 엔진 개발 방안, 서비스 디자인을 통하여 실효적인 생활개선의 변화를 유도하는 기술, 개인의 심리적 특성까지 고려한 신뢰성 높은 케어 서비스 제공까지의 전반적인 웰니스 예측케어 서비스시스템 프로세스 및 플랫폼 설계 방안을 제시한다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.19 no.6
• /
• pp.63-76
• /
• 2014

Recently the desired information has been recommended to many people in a number of ways using the smartphone. Though there are many applications for that purpose, but most applications does not consider the user's current situation. In order to automatically recommend the information considering the user's situation, it is necessary to predict the future behavior of the user from the records of the past behavior of the user. Therefore, in this paper, we propose a method that predicts the user's future behavior through association analysis based on the user's current behavior which is identified by applying the user's current situation data collected via a smartphone to the Bayesian network built from the user's life log. From the experiments and analysis for five students and five virtual workers, the usefulness of the proposed method is confirmed.

• KIISE Transactions on Computing Practices
• /
• v.23 no.6
• /
• pp.386-391
• /
• 2017

In this paper, we propose a system that automatically assigns user's experience-based emotion tags from wearable sensor data collected in real life. Four types of emotional tags are defined considering the user's own emotions and the information which the user sees and listens to. Based on the collected wearable sensor data from multiple sensors, we have trained a machine learning-based tagging system that combines the known auxiliary tools from the existing affective computing research and assigns emotional tags. In order to show the usefulness of this multi-modality-based emotion tagging system, quantitative and qualitative comparison with the existing single-modality-based emotion recognition approach are performed.

• Information and Communications Magazine
• /
• v.32 no.11
• /
• pp.21-31
• /
• 2015

현대 사회에서의 삶의 모습이 다양해짐에 따라 생활습관이 다양해지고 잘못된 생활습관으로 인한 생활습관병에 대한 관심이 높아지고 있다. 본 논문에서는 사물인터넷 및 빅데이터와 같은 IT기술을 통해 사용자의 다양한 생활습관을 추적할 수 있는 방법과 그 응용 기술에 대해서 소개하고자 한다. 이러한 생활습관 추적 및 분석 기술은 다양한 사용자의 요구에 능동적으로 대처할 수 있으며 노약자나 장애인, 생활습관병 환자 등 특수계층의 건강 예측, 질병 관리 분야에서 실효성을 가질 수 있다. 특히 본 논문에서는 라이프케어 서비스를 위한 사용자 센싱 기술에 초점을 두고, 낮 시간의 활동과, 밤 시간의 수면 및 위치 기반 기술, 빅데이터 플랫폼, 스마트 홈 패턴 모델링 기술에 대해서 소개한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2016.05a
• /
• pp.177-178
• /
• 2016

사회가 점점 더 복잡해지고 정보통신 기술의 급격한 발달 및 스마트 폰을 비롯한 모바일 기기들의 일반화로 인해 라이프 로그와 같은 빅 데이터에 대한 사회적인 관심 및 활용이 필요성이 증대되고 있다. 특히 일반인들뿐만 아니라 장애인들이 쉽게 접근할 수 있는 공간자료를 포함한 소셜미디어(SNS) 자료들은 장애인들의 라이프 스타일을 분석할 수 있는 각종 가치 있는 정보들을 포함하여 장애인들에게 꼭 필요한 여러 사회복지 서비스를 발굴하고 제공할 수 있는데 효율적으로 활용될 수 있다. 따라서 본 연구에서는 장애인들이 자발적으로 가장 많이 생산해 내는 자료인 공간정보를 포함한 소셜미디어 데이터를 통해 장애인들에게 가장 필요한 생활 밀착형 사회서비스를 발굴하는 시스템을 제안한다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.11
• /
• pp.53-63
• /
• 2023

This study developed a cognitive impairment predictive model as one of the screening tests for preventing dementia in the elderly by using Automated Machine Learning(AutoML). We used 'Wearable lifelog data for high-risk dementia patients' of National Information Society Agency, then conducted using PyCaret 3.0.0 in the Google Colaboratory environment. This study analysis steps are as follows; first, selecting five models demonstrating excellent classification performance for the model development and lifelog data analysis. Next, using ensemble learning to integrate these models and assess their performance. It was found that Voting Classifier, Gradient Boosting Classifier, Extreme Gradient Boosting, Light Gradient Boosting Machine, Extra Trees Classifier, and Random Forest Classifier model showed high predictive performance in that order. This study findings, furthermore, emphasized on the the crucial importance of 'Average respiration per minute during sleep' and 'Average heart rate per minute during sleep' as the most critical feature variables for accurate predictions. Finally, these study results suggest that consideration of the possibility of using machine learning and lifelog as a means to more effectively manage and prevent cognitive impairment in the elderly.

• Journal of the Korea Convergence Society
• /
• v.12 no.1
• /
• pp.99-104
• /
• 2021

In this paper, we propose health risk management using feature extraction and cluster analysis considering time flow. The proposed method proceeds in three steps. The first is the pre-processing and feature extraction step. It collects user's lifelog using a wearable device, removes incomplete data, errors, noise, and contradictory data, and processes missing values. Then, for feature extraction, important variables are selected through principal component analysis, and data similar to the relationship between the data are classified through correlation coefficient and covariance. In order to analyze the features extracted from the lifelog, dynamic clustering is performed through the K-means algorithm in consideration of the passage of time. The new data is clustered through the similarity distance measurement method based on the increment of the sum of squared errors. Next is to extract information about the cluster by considering the passage of time. Therefore, using the health decision-making system through feature clusters, risks able to managed through factors such as physical characteristics, lifestyle habits, disease status, health care event occurrence risk, and predictability. The performance evaluation compares the proposed method using Precision, Recall, and F-measure with the fuzzy and kernel-based clustering. As a result of the evaluation, the proposed method is excellently evaluated. Therefore, through the proposed method, it is possible to accurately predict and appropriately manage the user's potential health risk by using the similarity with the patient.