• 한국멀티미디어학회논문지
• /
• 제3권5호
• /
• pp.550-556
• /
• 2000

러프집합에서는 식별불능관계와 근사공간 개념을 이용해서 불완전 정보로부터 최적화된 결정규칙을 유도하게 된다. 그러나, 처리 하고자 하는 정보에 정량적이거나 중복 또는 누락된 데이터가 포함된 경우에는 오류가 발생될 수 있으므로, 이러한 데이터들을 제거하거나 최소화시키는 방법이 필요하다. 정보처리 분야에서 불확실성이나 정보의 양을 측정하는데 사용되고 있는 엔트로피는 러프 관계 데이터베이스의 불완전 정보를 제거하는데 사용되었다. 그러나, 정보시스템에 포함될 수 있는 불완전 정보를 모두 다루지는 못하였다. 본 논문에서는 정보시스템의 조건속성과 결정속성에 포함될 수 있는 불완전 정보를 제거하기 위한 정보 이론적 척도로서 러프집합을 이용한 객체관계 엔트로피와 속성관계 엔트로피를 제시한다.

• 한국전자파학회논문지
• /
• 제25권9호
• /
• pp.952-958
• /
• 2014

본 논문에서는 불완전한 radar-cross-section(RCS) 데이터로부터 inverse synthetic aperture radar(ISAR) 영상 복원과 동시에 표적의 회전각도를 추정하기 위한 compressive sensing(CS) 기반의 레이더 신호 모델을 적용한 parametric sparse 복원 알고리즘을 제안하고자 한다. Sparse 복원 알고리즘으로는 iteratively-reweighted-least-square(IRLS) 기법을 이용하여 각도 방향(cross-range)에서 모르는 처프 비율(chirp rate)의 처프 성분을 포함하는 레이더 신호 모델과 결합한다. 그리고, particle swarm optimization(PSO) 최적화 알고리즘을 이용하여 표적의 회전각도와 연관된 파라미터들을 추출한다. 따라서, RCS 데이터 샘플에 데이터 손실이 발생하더라도 본 논문의 IRLS 기반 parametric sparse 복원 알고리즘에 따라 효율적으로 ISAR 영상을 복원할 수 있고, 동시에 표적의 회전각도를 추정할 수 있다. 또한, 불완전한 RCS 데이터 샘플에 대하여 영상의 엔트로피 관점에서 본 논문에서 제안한 방법의 성능과 전통적인 보간법의 성능을 서로 비교 관찰한다.

• 국방과기술
• /
• 2호통권276호
• /
• pp.50-57
• /
• 2002

정보 융합은 특정한 기술이 아니라 일반적인 개념이다. 즉 특정한 사건에 대해 다양한 경로와 수단으로 획득한 다수의 불완전한 데이터들을 적절히 처리하여 사용자가 필요로 하는 보다 완전한 데이터를 만드는 과정이라고 할 수 있다. 정보융합에 대한 연구는 80년대 초반에 시작되었지만, 80년대 중반에 정보융합에 대한 모델이 정립되면서 미국과 유럽의 국방과 관련된 기관을 중심으로 정보융합 프로젝트에 참여하며너 비로소 본격적인 연구가 시작되었다.

• 대한전자공학회논문지
• /
• 제25권12호
• /
• pp.1559-1565
• /
• 1988

In computed tomography, the errors asociated with interpolation in the reconstruction process degrade the reconstructed image and may cause divergence unless a large number of rays is used. A new data acquisition scheme without interpolation is developed in this paper. Samples (projection data ) are taken in phase with samples of the Cartesian grid to eliminated errors associated with interpolation process.

• 정보과학회 논문지
• /
• 제42권2호
• /
• pp.190-202
• /
• 2015

스마트폰내 GPS 및 다양한 센서 데이터를 이용하여 스마트폰 사용자의 이동 패턴을 학습하고, 이를 기반으로 사용자 목적지와 경로를 예측하여 사용자의 의도에 맞는 서비스를 제공하는 위치기반 지능형 개인화 서비스(Intelligent personal assistant) 연구가 활발히 진행 되고 있다. 위치기반 개인화 서비스의 지능성은 불완전한 센서 데이터로부터 사용자 이동 정보를 처리하여, 실시간으로 사용자의 경로를 예측하는 정확성과 효율성에 좌우된다. 본 논문은 불완전한 정보로부터 사용자의 경로와 목적지를 추론하는 동적 베이지안 네트워크 기반의 강인한 파티클 필터(Robust particle filter)를 제안한다. 제안한 강인한 파티클 필터 방법은 부정확하고, 불완전한 센서 정보를 보완할 수 있는 파티클 생성, 실시간에 계산 복잡도를 감소시키는 효율적인 스위칭 함수와 가중치 함수, 파티클의 정확도를 향상시키는 재표본화로 구성되며, 사용자의 목적지와 경로의 예측 정확성과 효율성의 성능을 향상시켰다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.399-402
• /
• 2022

본 논문에서는 불완전한 시계열 데이터를 활용하기 전 데이터를 선별하여 활용하는 방법을 소개한다. 시계열 데이터의 품질은 수집 네트워크와 수집 기기의 시간적 변화와 같은 가변적 상황에 의존적이므로 불규칙적으로 이상 혹은 누락 데이터가 발생한다. 이때 에러를 포함하였다는 이유로 일괄적으로 데이터를 제거하여 활용하지 않거나, 혹은 누락 데이터의 구간을 조건 없이 복원하여 활용한다면 원하지 않는 결과를 초래할 수 있다. 제안하는 방법은 시계열 데이터의 구간에 대한 누락 데이터의 통계적 정보를 축출하고 이에 기반하여 활용 목적과 활용 가능한 품질의 기준에 부합하지 않는다면 활용 불가능한 데이터라고 판별하고 미리 분석 등의 데이터 활용 시 자동 제외하는 구조를 제안하고 실험하였다. 제안하는 방법은 활용 목적과 상황에 적응적으로 누락 값을 포함하는 데이터의 빠른 활용 판단이 가능하며 보다 나은 분석 결과를 얻을 수 있다.

• 정보처리학회논문지B
• /
• 제13B권2호
• /
• pp.133-138
• /
• 2006

부부분불완전 데이터(Partially Missing Data) 또는 데이터의 속성 값이 표현되는 정도의 깊이가 서로 다른 데이터를 학습하는데 있어서 속성값계층구조(Attribute Value Taxonomy, AVT)를 기반으로 학습하면 기존의 학습 알고리즘을 통해 얻은 결과보다 정확하고 간결한 분류기를 얻을 수 있다는 사실이 밝혀졌다. 하지만 이러한 속성값계층구조는 처음부터 전문가 또는 데이터 도메인에 대한 지식을 가지고 있는 사람에 의해 만들어져 제공되어야 한다. 이러한 수작업을 통한 속성값계층구조를 생성하기 위해서는 많은 시간이 걸리며 생성과정에서 오류가 발생할 수 있다. 또한 데이터 도메인에 따라서 속성값계층구조를 제공할 전문가가 부재한 경우가 있다. 이러한 배경 아래 본 논문은 유전자 알고리즘을 통해 자동으로 근 최적의 속성값계층구조를 생성하는 알고리즘(GA-AVT-Learner)을 제안한다. 본 논문의 실험은 다양한 실제 데이터를 가지고 GA-AVT-Learner로 생성한 속성값계층구조를 다른 속성값계층구조와 비교하였다. 따라서 GA-AVT-Learner에 의해 생성된 속성값계층구조가 정확하고 간결한 분류기를 제공함을 보이고, 불완전데이터 처리에 있어서도 높은 효율을 보임을 실험적으로 증명하였다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2007년도 추계학술발표논문집
• /
• pp.211-214
• /
• 2007

RFID 시스템은 구조상 무선으로 동작 되는 불안정한 구간이 있다. 이 구간 사이의 불완전한 EPC 데이터와 중복 데이터 등을 Filtering, 분석 등의 과정을 거처 저장하게 되며 이런 데이터는 데이터베이스에 EPC 데이터로 저장되며 이를 필요로 하는 곳에 제공하게 된다. 본 논문은 EPCglobal의 표준을 따른 EPCIS를 위한 RFID 성능 향상 방안을 제안 한다. 제안을 바탕으로 구현 할 때 데이터베이스의 저장 공간의 불필요 사용을 줄일 수 있으며 인체에 유해한 전자파의 피해를 줄여주는 개선된 EPCIS를 구현할 수 있는 시스템 이다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권2호
• /
• pp.327-336
• /
• 2014

재발 사건 자료란 연구대상이 같은 종류의 사건을 반복적으로 경험할 때 발생하는 자료이다. 이러한 재발 사건은 사회과학, 자연과학, 공학, 의약학 등 다양한 분야에서 나타날 수 있다. 재발 사건자료를 분석할 때 연구자의 관심에 따라 사건 발생시간이나 사건 발생간의 소요시간을 이용하여 분석할 수 있다. 이 논문에서는 사건 발생시점간의 소요시간을 이용하여 불완전한 관측을 가진 재발 사건자료를 분석하고자 한다. 이 자료의 특징은 일부 관측대상들이 일정기간 동안 연구에서 제외되는 관측틈을 갖는다는 것이다. 이 때 관측틈은 불완전한 형태로 나타나게 되는데 그 이유는 관측틈의 시작시점은 알고 있지만 종료시점은 알 수 없기 때문이다. 이러한 미지의 종료시점을 추정하기 위해서 구간 중도 절단 방법이 적용된다. 따라서 종료시점이 추정된 후 프레일티를 포함한 회귀모형을 적용하여 공변량이 사건 재발에 미치는 영향을 알아볼 수 있다. 또한 제안한 방법을 실제자료에 적용하여 관측틈을 고려한 경우와 고려하지 않은 경우를 비교하고자 한다.

• 한국ITS학회 논문지
• /
• 제18권6호
• /
• pp.11-30
• /
• 2019

교통카드 데이터는 다양한 대중교통 통계 지표 산출, 정책 및 평가를 위한 자료로 활용되어 그 활용범위가 상당히 높다. 그러나 교통카드 데이터 내 주요 문제점은 하차 정류장에서 태그를 안 하고 하차하는 경우가 대부분으로 이는 교통카드 이용자의 불완전한 OD 통행 자료로 활용범위에 있어 한계가 있다. 본 연구는 의사결정 모델 기반 교통카드 데이터 하차 정류장 추정 방법을 적용한 결과 오차 범위 2개 정류장 이하에서 하차 정류장 추정 정확도는 89.7%으로 분석되었다. 이를 통하여 교통카드 데이터의 불완전성을 해소함으로써 다양한 대중교통 분석 및 평가 등에 대한 기초 자료로 활용 될 수 있을 것으로 판단된다.