• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.327-330
• /
• 1997

패턴인식중에서 가장 기본적인 문제인 판별문제를 대상으로 러프집합을 이용한 판별분석을 행하는 신경망의 학습알고리즘을 제안한다. 어떤군에 속할 것인가의 경계영역을 명확히 하는 것을 목적으로 한다. 2군 판별의 문제를 각 데이터가 각 군에 속한 정도를 표현하는 소속함수(membership function)을 이용하며, 경계영역에 대한 문제는 소속함수를 구간치 함수로 확장하여 가능성과 필연성을 동시에 표현할 수 있는 학습 알고리즘을 제안한다.

• 한국지능시스템학회논문지
• /
• 제8권2호
• /
• pp.96-105
• /
• 1998

소프트웨어 재사용 분야에 있어서 우선적으로 연구되어야할 부분은 소프트웨어 부품의 품질 보증에 관한 연구이다. 그러나 기존의 연구들은 사용자 요구의 복잡, 다양화와 소프트웨어 복잡도증가등과 같은 변화하는 환경에 능동적으로 대처하지 못한다. 따라서, 본 논문에서는 재사용되고 있는 부품들, 정량적인 척도을과 분류 기준들을 이용하여 변화하는 환경에 능동적으로 대처할 수 있는 적응성이 있는 재사용성 결정 알고리즘 생성 모델을 제안한다. 이 모델은 적응성 있는 재사용 결정 알고리즘을 찾기 위해서 데이터의 숨겨진 패턴들을 발견하는 효율적인 알고리즘을 제고？는 러프 집합 이론을 이용한다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권1호
• /
• pp.135-150
• /
• 2013

본 논문에서는 옵션시장에서의 변동성 회귀특성과 러프집합 알고리즘을 이용한 옵션전략을 개발하는 것을 제안한다. 이제까지 주식, 선물 시장에서는 다양한 연구가 선행되어 왔지만, 옵션시장에 대한 연구는 활발하지 않았다. 특히 고빈도 자료를 이용한 옵션 트레이딩 전략은 미미한 수준이다. 본 연구의 목적은 두가지로 구성된다. 첫째는 내재변동성 고평가, 저평가 상태를 측정하여 괴리가 발생했을 때 이익을 향유하는 변동성 회귀 모델을 구축하는 것이다. 둘째는 옵션트레이딩전략에 러프집합 알고리즘을 사용하여 부정확한 진입신호를 필터링하여 더 안정적인 수익을 추구하는 것이다. 이 논문의 요점은 옵션시장이 기초자산, 변동성, 이자율과 같은 다양한 요소에 영향을 받기 때문에, 변동성을 제외한 요인 (기초자산의 방향성)을 선물로 헤지하면서, 변동성괴리에 따른 이익만을 향유하는 것이다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권2호
• /
• pp.281-292
• /
• 2014

최근 알고리즘 트레이딩에 대한 관심이 높아지면서, 인공지능 방법론을 이용한 매매 전략 구축에 관련된 연구들이 활발하게 진행되고 있다. 하지만 복수의 인공지능 방법론을 융합하여 매매 전략 개발에 이용한 사례는 아직 많지 않다. 본 연구는 주가지수선물시장을 바탕으로 인공지능 방법론 중 하나인 러프집합 이론을 적용하여 알고리즘 트레이딩 매매전략을 개발한다. 특히 유전자 알고리즘을 도입하여 생성된 매매전략을 현재시장상황에 최고의 수익률을 보일 수 있도록 최적화한다. 실증분석으로는 2009년부터 2012년까지 4년간의 매매수익률을 분석한 결과 매수 후 보유 전략과 비교하여 우수한 성과를 보였다.

• 산업기술연구
• /
• 제31권B호
• /
• pp.37-43
• /
• 2011

In pattern analysis, dimensionality reduction and reasonable identification rule generation are very important parts. This paper performed effectively the dimensionality reduction by grouping the sensors of which the measured patterns are similar each other, where genetic algorithms were used for combination optimization. To identify the gas type, this paper constructed the hierarchically identifiable rule base with two frames by using rough set theory. The first frame is to accept measurement characteristics of each sensor and the other one is to reflect the identification patterns of each group. Thus, the proposed methods was able to accomplish effectively dimensionality reduction as well as accurate gas identification. In simulation, this paper demonstrated the effectiveness of the proposed methods by identifying five types of gases.

• 한국컴퓨터정보학회논문지
• /
• 제16권7호
• /
• pp.117-125
• /
• 2011

본 논문에서는 특징 기반 방법인 YCbCr 컬러 모델을 이용하여 얼굴색 분포를 분할하고, 전처리 과정에서 양자화를 하여 특징 기반의 단점 중의 하나인 조명에 민감한 것을 둔감하도록 하였다. 또한 러프 집합을 이용하여 패턴의 형태로 가장 근사한 영상의 객체를 선택하는 특성을 가지게 함으로 영상 합성의 정확도를 높였다. 본 논문에서 제안된 얼굴 검출 알고리즘은 다양한 얼굴 크기 및 방향에 관계없이 기존의 알고리즘보다 약 2~3%정도 우수함을 시뮬레이션을 통해 확인하였다.

• 정보처리학회논문지D
• /
• 제8D권3호
• /
• pp.203-210
• /
• 2001

본 논문에서는 저장 데이터베이스의 정보 시스템을 정제하여 새로운 객체를 근사 추론하기 위한 규칙 생성에 관한 연구이다. 이 때 많은 수의 규칙 생성은 의사결정자로 하여금 직관적인 판단을 어렵게 하며 의사 결정 시 부가되는 시간적인 단점도 있다. 그러므로 본 논문에서는 확률적 러프 이론에 기반하여 규칙을 최대한 간결화 하는 데 주안점을 두었다. 제안하는 알고리즘은 러프 이론에 기반한 최적 리덕트를 생성하는 과정에 확률적 개념을 도입하여 리덕트 생성에서부터 어느 정도의 허용치를 부여함으로써 기존의 규칙 생성 알고리즘의 근사 결정 규칙을 보다 간결하게 표현할 수 있다. 이 과정에서 제안한 확률적 최소 리덕트 생성 알고리즘은 기존의 리덕트를 더욱 작게하여 추론에 필요한 조건 속성의 수를 최소화하였고 이는 확률적 근사 결정 규칙의 생성 과정에서 시간 복잡도에 따른 시간을 줄일 수 있다. 제안된 알고리즘을 이용하여 패턴 분류 문제에 표준적으로 사용되는 IRIS 데이터와 Wisconsin Breast Cancer 데이터에 대해 실험하였으며 허용된 분류율 하에서 규칙의 수와 간결함의 정도를 기존 알고리즘과 비교하였다.

• 한국지능시스템학회논문지
• /
• 제9권6호
• /
• pp.583-590
• /
• 1999

본 연구에서는 컴포넌트의 획득시점에서 객체지향 컴포넌트의 재사용 가능성을 능동적으로 결정할수 객체지향 컴포넌트의 재사용성 결정 모델을 제안한다. 먼저 제안된 모델은 객체지향 컴포넌트의 재사용 결정을 위한 속성들을 선택한다,다음으로 여러 연구들에서 제시된 객체지향 클래스의 품질척도들과 품질 분류기준들에 근거하여 실제 재사용주인 컴포넌트들에서 재사용 정보를 추출한다. 마지막으로 러프집합을 이용하여 추출된 정보에서 객체지향 컴포넌트의 재사용 결정알고리즘을 생성한다.

• 디지털융복합연구
• /
• 제12권12호
• /
• pp.293-301
• /
• 2014

본 논문에서는 데이터 마이닝에 필요한 클러스터링과정에서 불필요한 정보를 감축하기 위하여 베이지언 사후확률의 신뢰도를 이용한 새로운 척도를 제안한다. 데이터 감축을 위한 속성의 중요도가 클러스터링의 결과에 지배적이기 때문에 많은 속성의 변별력을 향상시키기 위하여 사후확률의 신뢰도에 정보 엔트로피를 적용하였다. 제안된 사후확률을 기반으로 한 러프 엔트로피 척도에 의한 속성의 신뢰도의 중복성은 엔트로피의 자연로그에 의하여 상당히 줄어든다. 따라서 제안된 척도에 의하여 생성된 군집화 알고리즘은 속성값의 변별력을 향상시켜 기존의 리덕트를 최소화하였고, 이는 분할의 효율성을 향상시킬 수 있었다. 제안된 알고리즘의 검증을 위해 패턴분류 문제에 적용되는 ACME 데이터에 대하여 속성간의 변별력, 분할결과에 따른 분할의 순정도를 기존의 알고리즘과 비교 분석하였다.

• 한국인터넷방송통신학회논문지
• /
• 제14권6호
• /
• pp.47-54
• /
• 2014

러프집합을 구성하는 식별불가능 관계를 표현하는 정보시스템에서 데이터의 중복이나 비일관성은 피할 수 없기 때문에 속성의 감축은 매우 중요하다. 러프집합이론에 있어서 일관적인 정보시스템과 비일관적인 정보시스템의 속성감축의 차이를 극복하고 자, 본 연구에서는 조건 및 결정속성에 대한 상관분석에 베이지언 사후확률을 적용한 새로운 불확실성 척도와 속성감축 알고리즘을 제안한다. 정보시스템의 불확실성에 대하여 제안된 척도와 기존의 조건부 정보엔트로피 척도를 비교해 본 결과, 정보시스템의 조건속성과 결정속성의 상호정보를 이용하여 속성간의 불확실성을 측정하는데 있어 제안된 방법이 조건부 정보엔트로피에 의한 방법보다 정확성이 있음을 보여준다.