• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.19-22
• /
• 2002

분류자 시스템은 유전자 알고리즘(Genetic Algorithm : GA)을 이용하여 새로운 규칙 집합을 발견하는 시스템이다 또 로봇 축구 시뮬레이션 게임(SimuroSot)은 시간에 따라 상태가 변화하는 동적인 시스템이다 본 논문에서는 GBML(Genetic Based Machine Learning)의 한 갈래이자 미시간 접근 방법을 기반으로 하는 Zeroth Level Classifier System(ZCS)을 SimuroSot에 적용하여 게임 전략을 구성하는 새로운 규칙의 발견과 학습에 의한 축구 로봇의 행동전략 알고리즘을 제안하고, 시뮬레이션을 통하여 본 전략의 유용성을 확인한다

• 한국정보과학회논문지:데이타베이스
• /
• 제34권1호
• /
• pp.46-58
• /
• 2007

마이크로어레이 데이타는 동시에 수 만개 유전자의 발현 값을 포함하고 있기 때문에 질병의 발현 형질 분류에 매우 유용하게 쓰인다. 그러나 동일한 생물학적 주제라 할지라도 여러 독립된 연구 집단에서 생성된 마이크로어레이의 분석결과는 서로 다르게 나타날 수 있다. 이에 대한 주된 이유는 하나의 마이크로어레이 실험에 참여한 샘플의 수가 제한적이기 때문이다. 따라서 개별적으로 수행된 마이크로어레이 데이타를 통합하여 샘플의 수를 늘리는 것은, 보다 정확한 분석을 하는데 있어 매우 중요하다. 본 연구에서는 이에 대한 해결 방안으로 두 단계 접근방법을 제안한다. 제 1 단계에서는 개별적으로 생성된 동일주제의 마이크로어레이 데이타를 통합한 후 인포머티브(Informative) 유전자를 추출하고 제 2 단계에서는 인포머티브 유전자만을 이용하여 클래스 분류(Classification) 과정 후 분류자를 추출한다. 이 분류자를 다른 테스트 샘플 데이타에 적용한 실험결과를 보면 마이크로어레이 데이타를 통합하여 샘플의 수를 증가시킬수록, 비교 방법에 비해 정확도가 최대 24.19% 높은 분류자를 만들어 내는 것을 알 수 있다.

• 전자공학회논문지CI
• /
• 제46권6호
• /
• pp.44-55
• /
• 2009

최근 활발히 연구가 진행 중인 마이크로어레이로부터 얻어지는 유전자 발현 데이터를 이용한 질병 진단은, 데이터를 직접적으로 분석하기 힘들기 때문에 일반적으로 기계 학습 알고리즘을 사용하여 이루어져왔다. 그러나 유전자 발현 데이터를 분석함에 있어서 유전자들 간의 상호작용을 고려하는 분석이 필요하다는 최근의 연구 결과들은 기존 기계 학습 알고리즘들을 이용한 분석에 한계가 있음을 의미한다고 볼 수 있다. 본 논문에서는 특징들 사이의 고차원 상관관계를 고려 가능한 하이퍼네트워크 모델을 이용하여 유전자 발현 데이터의 분류를 수행하고 기존의 기계 학습 알고리즘들과 분류 성능을 비교한다. 또한 기존 하이퍼네트워크 모델의 단점을 개선 한 모델을 제안하고, 이를 병렬 프로세서 상에서 구현하여 처리 성능을 비교한다. 실험 결과 제안 된 모델은 기존의 기계 학습 방법들과의 비교에서도 경쟁력 있는 분류 성능을 보여주었고, 기존 하이퍼네트워크 모델 보다 안정적이고 향상된 분류 성능을 보여주었다. 또한 이를 병렬 프로세서 상에서 구현 할 경우 처리 성능을 극대화 할 수 있음을 보였다.

• 응용통계연구
• /
• 제18권2호
• /
• pp.355-369
• /
• 2005

마이크로어레이 실험에서는 유전자의 기능과 상호작용의 이해를 돕기 위한 방안으로 유전자발현자료의 시각화방법이 많이 사용되고 있다. 행렬도는 유전자와 샘플들을 동시에 그려볼 수 있어서, 유전자 또는 샘플의 군집이나 유전자-샘플간 연관작용을 알아보는데 더욱 유용하게 쓰일 수 있다. 본고에서는 마이크로어레이실험에서 행렬도를 이용하여 유전자의 군집 및 연관성을 알아보는 방법을 소개하고, 추가점기법을 이용하여 새로운 샘플을 분류하는 방법을 제안하였다. Golub et al.(1999)의 백혈병 데이터와 Alizadeh et al. (2000)의 림프구데이터, Ross et al.(2000)의 NCI60 종양조직데이터를 이용하여 유용성을 살펴보았으며, 계층적 군집분석 및 k-평균 군집분석 등 다른 기법을 이용한 결과와 비교하고 이러한 기법을 행렬도와 연계하는 방안을 살펴보았다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.295-297
• /
• 2001

최근 생물 유전자 정보를 효과적으로 분석하기 위한 적절한 도구의 필요성이 대두되고 있다. 본 논문에서는 백혈병 환자의 골수로부터 얻어낸 DNA Microarray 유전 정보를 분류하여 환자가 가지고 있는 암의 종류를 예측하기 위한 최적의 특징추출방법과 분류 방법을 찾고자 한다. 이를 위해 피어슨 상관관계, 유클리디안 거리, 코사인 계수, 스피어맨 상관관계, 정보 이득, 상호 정보, 신호 대잡음비의 7가지 특징 추출 방법을 사용하였으며, 역전과 신경망, 의사결정 트리, 구조 적응형 자기구성 지도, $textsc{k}$-최근접 이웃 등 가지의 기계학습 분류기를 이용하여 분류 실험을 하였다. 실험결과, 피어슨 상관관계와 역전파 신경망을 이용한 분류 방법이 97.1%의 인식률을 보임을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.1-3
• /
• 2003

최근 생물정보 기술이 암 진단의 새로운 방법으로 관심을 모으고 있다. 다양한 기계학습 기법을 적용하여 우수한 결과를 얻고 있지만, 의학 분양에서는 정확률이 높은 분류기의 획득과 동시에 획득된 분류규칙을 분석하고 이해할 수 있어야 한다. 생물정보 기술에서 많이 사용되는 유전발현 데이터는 데이터내에 수천 내지 수만의 변수가 존재하여 직접 이들 사이의 복잡한 관계를 표현하고 이해하는 것은 매우 어렵다. 본 논문에서는 이러한 어려움을 극복하기 위해 유전발현 데이터에서 분류에 유용한 특징들을 추출하고 유전자 프로그래밍으로 추출된 특징들을 이용한 암 분류규칙을 생성한다. 림프종 유전발현 데이터에 대하여 실험해본 결과, 90% 수준의 인식 성능을 보였고, 또한 모든 샘플을 완벽하게 분류하는 산술 분류규칙을 발견하였다.

• 생명과학회지
• /
• 제5권4호
• /
• pp.211-217
• /
• 1995

• 한국생물공학회:학술대회논문집
• /
• 한국생물공학회 2003년도 생물공학의 동향(XIII)
• /
• pp.810-814
• /
• 2003

원핵생물 (procaryote)의 분류에 16S rRNA 유전자가 많이 이용되어 있으나 제한된 해상력과 유전자의 수에 차이가 있는 등의 문제가 있어 이를 보완할 수 있는 새로운 생체분자를 찾고 그 분류 결과는 16S rRNA의 결과와 비교하였다. COG(clusters of orthologous of protein) 알고리즘으로 42종의 원핵생물 (procaryote)에서만 발견되는 transcription elongation factor (COG0195), bacterial DNA primase (COG0358) 그리고 uridylate kinase (COG0528)를 구하였다. 이중 유사도와 유전자수를 바탕으로 새로운 분류의 키로 uridylate kinase를 설정하여 분석한 결과 16S rRNA 유전자 결과와 유사점과 차이점을 보여, uridylate kinase를 이용한 분류가 16S rRNA 유전자를 이용한 분류의 문제점을 보완하여 원핵생물의 정확한 분류에 기여할 수 있을 것으로 사료되었다.

• 터널과지하공간
• /
• 제15권1호
• /
• pp.47-54
• /
• 2005

암반 불연속면의 조사 및 분석 과정에서 거쳐야할 필수적인 단계 중 하나는 방대한 불연속면 자료로부터 군을 판별하는 것이다. 불연속면 군 분류는 암반분류, 키블록 해석. 개별요소해석 및 불연속연결망 생성과 같은 암반공학적 업무에 있어서 필수적이다. 일반적으로 등고선도를 이용한 수작업 군 분류가 적용되었으나 이 방법은 수작업에 의존한 주관적인 결과를 제공한다는 단점이 있다. 본 연구에서는 유전자알고리즘을 이용한 불연속면 군 분석기법을 도입하였으며 방향성 자료에 적용하기 위해 기본적인 유전자알고리즘을 변경하였다. 최종적으로 이러한 이론을 적용한 FORTRAN 프로그램 GAC를 개발하였으며 두 가지 형태의 불연속면 자료의 군 분석에 적용하였다. 적용 결과 GAC를 적용한 군 분류는 빠르고 효율적인 군 분석방법임을 확인하였으며 최적의 불연속면 군 수를 결정하는 데 있어서 분산에 근거한 적합도 함수가 Davis-Bouldin 지수에 근거한 적합도 함수보다 효율적인 것으로 나타났다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.94-99
• /
• 2008

속성선택 (Feature Selection)은 패턴분류 문제에서 분류기들의 성능을 향상시킬 수 있는 중요한 기법이다. 특히, 많은 속성들을 가지는 데이터의 분류문제에서 관련이 적은 데이터, 중복되거나 또는 노이즈 있는 데이터를 제거한 주요 속성부분집합을 선택하여 이용함으로써 분류기의 정확도를 향상시킬 수 있다. 본 논문에서는 유전자 알고리즘과 정보이론의 상호정보량을 이용하여 속성선택을 하는 기법을 제안하였다. 실험을 통하여 제안된 알고리즘이 패턴인식문제에서 다른 방법들보다 성능이 우수함을 보였다.