• Information Systems Review
• /
• v.16 no.1
• /
• pp.37-50
• /
• 2014

Conventional case-based reasoning (CBR) does not perform efficiently for high volume dataset because of case-retrieval time. In order to overcome this problem, some previous researches suggest clustering a case-base into several small groups, and retrieve neighbors within a corresponding group to a target case. However, this approach generally produces less accurate predictive performances than the conventional CBR. This paper suggests a new hybrid case-based reasoning method which dynamically composing a searching pool for each target case. This method is applied to diagnose for the heart disease dataset. The results show that the suggested hybrid method produces statistically the same level of predictive performances with using significantly less computational cost than the CBR method and also outperforms the basic clustering-CBR (C-CBR) method.

• Journal of Intelligence and Information Systems
• /
• v.11 no.2
• /
• pp.175-195
• /
• 2005

사례기반추론(case-based reasoning)은 사례간 유사도를 평가하여 유사한 이웃사례를 찾아내고, 이웃사례의 결과를 이용하여 새로운 사례에 대한 예측결과를 생성하는 전통적인 인공지능기법 중 하나다. 이러한 사례기반추론이 최근 적용이 쉽고 간단하다는 장점과 모형의 갱신이 실시간으로 이루어진다는 점 등으로 인해, 온라인 환경에서의 고객관계관리를 위한 도구로 학계와 실무에서 주목을 받고 있다 하지만, 전통적인 사례기반추론의 경우, 타 인공지능기법에 비해 정확도가 상대적으로 크게 떨어진다는 점이 종종 문제점으로 제기되어 왔다. 이에, 본 연구에서는 사례기반추론의 성과를 획기적으로 개선하기 위한 방법으로 유전자 알고리즘을 활용한 사례기반추론의 동시 최적화 모형을 제안하고자 한다. 본 연구가 제안하는 모형에서는 기존 연구에서 사례기반추론의 성과에 중대한 영향을 미치는 요소들로 제시된 바 있는 사례 특징변수의 상대적 가중치 선정(feature weighting)과 참조사례 선정(instance selection)을 유전자 알고리즘을 이용해 최적화함으로서, 사례간 유사도를 보다 정밀하게 도출하는 동시에 추론의 결과를 왜곡할 수 있는 오류사례의 영향을 최소화하고자 하였다. 제안모형의 유용성을 검증하기 위해, 본 연구에서는 국내 한 전문 인터넷 쇼핑몰의 구매예측모형 구축사례에 제안모형을 적용하여 그 성과를 살펴보았다. 그 결과, 제안모형이 지금까지 기존 연구에서 제안된 다른 사례기반추론 개선모형들은 물론, 로지스틱 회귀분석(LOGIT), 다중판별분석(MDA), 인공신경망(ANN), SVM 등 다른 인공지능 기법들에 비해서도 상대적으로 우수한 성과를 도출할 수 있음을 확인할 수 있었다.

• Journal of the Korea Society of Computer and Information
• /
• v.12 no.6
• /
• pp.287-295
• /
• 2007

This paper proposes a novel data editing techniques with genetic algorithm (GA) in case-based reasoning (CBR) for the prediction of Korea Stock Price Index (KOSPI). CBR has been widely used in various areas because of its convenience and strength in compelax problem solving. Nonetheless, compared to other machine teaming techniques, CBR has been criticized because of its low prediction accuracy. Generally, in order to obtain successful results from CBR, effective retrieval of useful prior cases for the given problem is essential. However. designing a good matching and retrieval mechanism for CBR system is still a controversial research issue. In this paper, the GA optimizes simultaneously feature weights and a selection task for relevant instances for achieving good matching and retrieval in a CBR system. This study applies the proposed model to stock market analysis. Experimental results show that the GA approach is a promising method for data editing in CBR.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.375-382
• /
• 1999

본 연구는 데이터마이닝 기법과 전문가 지식을 활용한 옵션가격 결정모형을 제시하는데 목적이 있다. 첫째, 데이터마이닝 기법 주의 하나인 인공신경망 기법을 활용하여 변동성과 옵션가격을 추정하고, 이를 전통적인 재무이론의 결과와 비교하였다. 인공신경망으로 추정된 변동성은 기존의 모형에 비해 개선된 성과를 보였으며, 가격결정모형은 대등한 성과를 보였다. 또한 모수적 기법과 비모수적 기법의 통합을 통해 성과의 개선을 가져올 수 있음을 보였다. 둘째, 시장 참여자들의 정보를 반영하여 옵션의 이론적 가격결정모형의 성과를 개선할 수 있는 사례기반추론시스템을 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.341-344
• /
• 2003

사례 기반 추론(case-based reasoning)은 현재의 문제를 해결하기 위해서 과거에 유사하게 수행된적이 있는 사례를 유추하여, 유추된 사례의 해를 이용하는 기법으로서 규칙 기반 추론과 함께 여러분야에 응용되고 있다. 하지만 사례기반 추론 시 새로운 사례를 해결하기 위하여 사례베이스 안의 모든 사례를 검색해야 하기 때문에 수행시간이 증가되는 문제점을 지니고 있다. 본 연구에서는 규칙 및 K-Means 클러스터링 알고리즘에 의한 사례 기반 추론을 이용한 ADS-DAAP(Advanced Diagnosis System for Diseases associated with Acute Abdominal Pain)를 제안한다. 제안하는 시스템은 기존의 CDS-DAAP(Combined Diagnosis System for Diseases associated with Acute Abdominal Pain)와 비교해 볼 때, 수행시간을 감소시켰다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.427-434
• /
• 2000

사례기반 추론은 사후학습기법이기 때문에, 사례베이스의 크기가 커지면 추론의 수행시간이 증가하여 전체적인 성능을 저하시킨다. 본 연구에서는 이러한 단점을 극복하기 위하여 사례기반 시스템의 구현에 앞서 사례들이 저장되어 있는 사례베이스를 클러스터링 하였다. 클러스터링에 사용한 기법은 부분적 매칭에 의한 유사도를 기준으로 클러스터링을 하는 사례기반 클러스터링 기법이다. 도출된 클러스터 각각에 대해 가장 적합한 사례기반 시스템을 구축하여 고장진단의 분야에 적용하였다. 즉, 새로운 고장 사례가 입력되었을 때에 본 연구에서 구축된 시스템에서는 먼저 해당 클러스터를 판별한 후 그 클러스터에 적합한 사례기반 시스템으로 고장진단을 하게 되는 것이다. 그 결과, 하나의 사례기반 시스템을 구축하였을 때보다 수행시간이 감소하였으며, 적중률도 향상되었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.433-436
• /
• 2002

본 논문은 인터넷상에서 전자우편물을 자동으로 생성하기 위한 에이전트에 관한 연구로서, 사례기반추론(Case-Based Reasoning:CBR) 모델을 통하여 우편물 발송자의 특성에 적응하는 에이전트의 설계 방안을 제안한다. 먼저, 지능형 에이전트와 사례기반 추론에 관하여 간략하게 조사한 후, 전자우편분석 에이전트, 색인 에이전트, 검색엔진 등으로 구성되는 다중 에이전트 시스템을 보여준다. 특히, 인공지능 기법 중의 하나인 사례기반추론의 유사도 계산 방식과 새로운 CBR 처리주기를 이용하여 전자우편물을 자동으로 생성하는 에이전트 시스템을 제안한다. 그리고 Databases와 Case-Bases를 설명하고 전자우편 자동생성 에이전트를 위한 CBR 처리주기를 제안한다. 그 다음, 에이전트와 사례 연구를 위한 프로토타입을 제공한다. 향후, Data-Mining 기법의 연구는 이 시스템이 사용자의 다양한 취향에 적응할 수 있는 유용한 시스템으로 발전하는데 도움이 될 것이다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.257-260
• /
• 2007

유비쿼터스 컴퓨팅의 목표 중 하나는 사용자의 직접적이거나 은연중에 내포된 요청에 따라 적절한 서비스를 제공하는 것이다. 최근에는 사용자의 다양한 요청에 보다 유연하게 대응할 수 있는 연구가 이루어지고 있으며 그 중 단일서비스의 조합을 통해 복합서비스를 제공할 수 있는 서비스 컴포지션(Service Composition)이 주목을 받고 있다. 하지만 기존 연구들은 늦은 처리속도로 인해 빠른 응답이 필요한 실시간 상황인식 서비스에는 부적합 하다. 또한 사례기반 추론은 사례 기저에 쌓인 사례의 수가 늘어감에 따라 속도가 저하되는 단점이었다. 이러한 단점을 최소화 하기 위하여 클러스터링 기법이 사용되고 있다. 본 논문은 사례기반 추론을 이용한다. 또한 사례 기저의 수를 유지하면서 사례 기저의 수치화 및 트리구조 판리를 이용하여 기존방법보다 빠른 서비스 컴포지션을 구현하는 방법을 제안한다. 그리고 기존의 서비스 컴포지션 기법과 비교 분석을 통하여 제안하는 기법의 유효함을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.100-103
• /
• 2002

사례 기반 추론(case-based reasoning)은 과거에 유사하게 수행된 적이 있는 사레를 유추하고, 유추된 사례의 해를 이용하여 현재의 문계를 해결하는 기법으로서 규칙 기반 추론과 함께 여러 분야에 이용되고 있다. 하지만 사례기반 추론시 사레베이스로부터의 유사성에 근거한 검색을 해야 하므로 사례베이스의 크기가 증가하게 되면 검색시간이 길어지게 되거나 적절하지 못한 사레가 조회될 수 있다 특히 사레베이스 내의 모든 사례에 대하여 유사도를 계산하게 되기 때문에 수행속도가 현저히 저하되는 문제점을 지니고 있다. 본 논문에서는 규칙 및 퍼지 클러스터링에 의한 사레기반추론을 이용한 E-FFIS(Enhanced-Fire Fighting Intelligent System)를 제안한다. 제안하는 시스템은 기존의 H-FFIS(Hybrid-Fire fighting Intelligent System)와 비교해 보았을 때 수행시간을 감소시키면서 정확성을 높이게 되었다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.588-594
• /
• 2005

사례기반추론(Case-Based Reasoning)은 다양한 예측 문제에 있어서 성공적으로 활용되고 있는 데이터마이닝 기법 중 하나이다. 사례기반추론 시스템의 예측 성능은 예측에 사용되는 최근접이웃(Nearest Neighbor)을 어떻게 설정하느냐에 따라 영향을 받게 된다. 따라서 최근접 이웃을 결정짓는 k 값의 설정은 성공적인 사례기반추론 시스템을 구축하기 위한 중요 요인 중 하나가 된다. 최근접 이웃의 설정에 있어서 대부분의 선행 연구들은 고정된 k 값을 사용하는 사례기반추론 시스템은 k 값을 크게 설정할 경우 최근접 이웃 안에 주어진 오류를 일으킬 수 있으며, k 값이 작게 설정된 경우에는 유사 사례 중 일부만을 예측에 사용하기 때문에 예측 결과의 왜곡을 초래할 수 있다. 본 이웃을 결정함에 있어서 Similarity Threshold를 이용하는 s-NN 방법을 제안하였다. 본 연구의 실험을 위해 UCI(University of california, Irvine) Machine Learning Repository에서 제공하는 두 개의 신용 데이터 셋을 사용하였으며, 실험 결과 s-NN 적용한 CBR 모델이 고정된 k 값을 적용한 전통적인 CBR 모델보다 더 우수한 성능을 보여주었다.