• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.117-120
• /
• 2004

본 논문에서는 시계열 데이터베이스에서 타임 워핑 하의 서브시퀀스 매칭을 효과적으로 처리하는 방안에 관하여 논의한다. 타임 워핑은 데이터베이스내 시퀀스들의 길이가 서로 다른 경우에도 유사한 패턴을 갖는 시퀀스들을 찾을 수 있도록 해 준다. 본 논문에서는 타임 워핑 하의 서브시퀀스 매칭을 위한 기존의 기본 처리 방식인 Naive-Scan의 CPU 처리 과정을 최적화하는 새로운 기법을 제안한다. 제안된 기법은 질의 시퀀스와 서브시퀀스들 간의 타임 워핑 거리들을 계산하는 과정에서 발생하는 중복 작업들을 사전에 제거함으로써 CPU 처리 성능을 극대화한다. 제안된 기법이 착오 기각을 발생시키지 않음과 Naive-Scan을 처리하기 위한 최적의 기법임을 이론적으로 규명한다. 또한, 다양한 실험을 통한 성능 평가에 의하여 제안된 최적화 기법이 가져오는 성능 개선 효과를 정량적으로 검증한다. 아울러, 제안된 기법이 기존의 여과 단계를 포함하는 방식인 LB-Scan과 ST-Filter의 후처리 단계에도 성공적으로 적용될 수 있음을 보인다.

• Korean Journal of Remote Sensing
• /
• v.24 no.2
• /
• pp.165-177
• /
• 2008

Small baseline subset (SBAS) algorithm has been recently developed using an appropriate combination of differential interferograms, which are characterized by a small baseline in order to minimize the spatial decorrelation. This algorithm uses the singular value decomposition (SVD) to measure the time-series surface deformation from the differential interferograms which are not temporally connected. And it mitigates the atmospheric effect in the time-series surface deformation by using spatially low-pass and temporally high-pass filter. Nevertheless, it is not easy to correct the phase unwrapping error of each interferogram and to mitigate the time-varying noise component of the surface deformation from this algorithm due to the assumption of the linear surface deformation in the beginning of the observation. In this paper, we present an improved SBAS technique to complement these problems. Our improved SBAS algorithm uses an iterative approach to minimize the phase unwrapping error of each differential interferogram. This algorithm also uses finite difference method to suppress the time-varying noise component of the surface deformation. We tested our improved SBAS algorithm and evaluated its performance using 26 images of ERS-1/2 data and 21 images of RADARSAT-1 fine beam (F5) data at each different locations. Maximum deformation amount of 40cm in the radar line of sight (LOS) was estimated from ERS-l/2 datasets during about 13 years, whereas 3 cm deformation was estimated from RADARSAT-1 ones during about two years.

• Journal of Digital Contents Society
• /
• v.19 no.9
• /
• pp.1727-1737
• /
• 2018

In this paper, we propose a system to detect spatial structures in land cover maps and to detect time-series spatial structure changes. At first, the proposed system detects patches in a certain area at different times and calculates their measures to analyse spatial structure patterns of the area. Then the system conducts patch mapping among the detected time-series patches and decides 6 types of patch changes such as keeping, creating, disappearing, splitting, merging, and changing in a mixed way. Also, the system stores the patch-based spatial structure patterns of time-series land cover maps in binary form to extract changes. This demonstrated that the proposed change detection system can be used as a basis for planning the reconstruction of the urban spatial structure by measuring the degree of urban sprawl.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.95-96
• /
• 2008

본 논문에서는 시계열 예측 공정의 모델링을 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 기존의 Type-1 퍼지 논리 시스템(Fuzzy Logic System, FLS)은 외부의 노이즈와 같은 불확실성에 민감한 단점이 있다. 그러나 Type 퍼지 논기 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 효과적으로 취급할 수 있다. 여기서 불확실한 정보를 표현하기 위해 규칙의 전 후반부 멤버쉽 함수로 삼각형 형태의 Type-2 퍼지 집합을 사용한다. 전반부의 경우 HCM 클러스터링을 사용하여 입력 데이터들 간의 거리를 중심으로 멤버쉽 함수를 정의하고, 후반부는 입자 군집 최적화(Particle Swarm Optimization) 알고리즘으로 멤버쉽 함수의 정점을 동조한다. 제안된 모델은 표준 모델 평가에 주로 사용되는 가스로 시계열 데이터를 적용하고, 특정 데이터로 노이즈에 영향 받은 데이터를 사용하여 수치 석인 예를 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.23-26
• /
• 2006

기존의 데이터 마이닝 예측 기법 중 회귀분석은 학습 단계에서 생성된 모델을 변경 없이 새로운 데이터에 적용하였다. 그러나 시계열 데이터에 모델 변경 없이 동일하게 적용하면 시간이 지남에 따라 정확도가 낮아지는 단점이 있다. 따라서 이 논문에서는 시간에 따라 변화하는 시계열데이터의 특성을 고려하여 점진적으로 회귀 모델을 갱신하는 기법을 제안한다. 이 기법은 입력되는 모든 데이터를 회귀 모델에 적용하여 점진적으로 모델을 갱신한다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였다. 정확도 측정 실험 결과 제안 기법인 IMQR(Incremental Multiple Quadratic Regression) 기법이 MLR(Multiple Linear Regression), MQR(Multiple Quadratic Regression), SVR(Support Vector Regression) 기법에 비해 RME 가 평균 2%, RMSE 가 평균 0.02 정도 우수한 결과를 얻었다.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2002.09a
• /
• pp.265-268
• /
• 2002

경상북도 고령군 다산면, 천안시 풍세면 삼태리 및 부여 정동ㆍ자왕 지역의 장기수위관측 데이터 및 강수, 대기압 자료의 시계열 분석을 통하여 대수층의 함양특성 및 특히, 대기압에 대한 지하수위 변화 특성을 통한 대수층의 특성(properties) 유추 가능 여부를 보고자 하였다. 하천에 인접한 자왕지구의 경우 자기상관분석에 의하면 다른 세 지역에 비해 데이터 값이 안정적이지 못하며, 대기압 변화에 대한 상관분석에서도 낮은 상관성을 나타낸다. 강수에 대한 함양 특성을 상호상관분석을 통해 해 보았으나, 강설에 의한 영향인지 대체적인 지연시간이 길게 나타났다. 차후 장기적인 데이터 수집 및 분석을 통해 좀 더 정확한 대수층 특성을 밝히고자 한다.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.23 no.5
• /
• pp.963-968
• /
• 2013

In this paper, a major factor in determining voice quality that corresponds to the jitter and dejitter algorithm for removing jitter will be described. We analyze legacy dejitter algorithm and propose the study applying Time Series Model to improve performance of the dejitter algorithm.

• Korean Management Science Review
• /
• v.1
• /
• pp.68-80
• /
• 1984

Box-Jenkins 시계열 분석법은 변수에 관한 정보가 부족하거나 너무 많은 변수가 영향을 미치고 있는 경우에도 과학적인 예측치를 구할 수 있는 단기예측 방법이다. Box-Jenkins 모형은 자동회귀 모형(Autoregressive Model), 이동평균 모형 (Moving average Model), 계절적 시계열 모형을 통합한 일반적인 모형이기 때문에 특별한 불안정성을 보이지 않는 경우에는 모두 모형화 할 수 있으며, 모형에 관계된 계수의 수를 최소화 하면서 만족스러운 모형을 찾을 수 있다. Box-Jenkins예측방법은 모형선정, 매개변수추정, 적합성 검정의 3단계를 반복으로 수행함으로써 최적모형에 이르게 하게 하고 있기 때문에 최소의 가능한 모형으로부터 시작하여 부적당한 부분을 제거시켜 나감으로써 시행착오의 과정을 최소화 할 수 있다. 일반 사용자가 Box-Jenkins 시계열 분석법을 쉽게 사용할 수 있도록 Box-Jenkins Package가 개발되었으며 여기서는 KAIST 전산 개발 센터에 설치된 Package를 소개하고 그 사용예를 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.439-442
• /
• 2004

최근에 인터넷 경매가 보편화되면서 경매 물품의 가격 결정을 관한 연구가 증가하고 있다. 그러나 이것들은 경매 물품 대한 최근의 추세와 시간에 따른 주기변화를 반영하지 못하여 잘못된 낙찰 예정가를 생성하는 경우가 많다. 본 논문에서는 이러한 문제점들을 해결하고자 수요 예측에서 사용하는 시계열 분석을 이용하여 경매기록 데이터베이스로부터 경매 물품에 맞는 낙찰 예정가를 자동으로 생성하는 방법을 제안한다. 또한 성능 분석을 통하여 시계열 분석 방법에 의한 낙찰 예정가 생성방법의 특징을 비교하고 분석한다. 여기서 제안된 방법이 경매 물품의 실제 낙찰가와 차이를 줄여 낙찰률을 높이고, 경매 물품이 지나치게 낮은 가격으로 낙찰 되는 경우를 줄일 수 있음을 연구한다.

• Journal of KIISE
• /
• v.44 no.8
• /
• pp.782-790
• /
• 2017

The service, 'Hot Search Keywords', provides a list of the most hot search terms of different web services such as Naver or Daum. The service, bases the changes in rank of a specific search keyword on changes in its users' interest. This paper introduces a temporal modelling framework for predicting the rank change of hot search keywords using past rank data and machine learning. Past rank data shows that more than 70% of hot search keywords tend to disappear and reappear later. The authors processed missing rank value, using deletion, dummy variables, mean substitution, and expectation maximization. It is however crucial to calculate the optimal window size of the past rank data. We proposed an optimal window size selection approach based on the minimum amount of time a topic within the same or a differing context disappeared. The experiments were conducted with four different machine-learning techniques using the Naver, Daum, and Nate 'Hot Search Keywords' datasets, which were collected for 2 years.