• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권6호
• /
• pp.519-529
• /
• 2007

본 논문에서는 효율적인 침입 탐지를 위해 퍼지 규칙을 이용하는 방법을 제안한다. 제안한 방법은 퍼지 의사결정 트리의 생성을 통해 침입 탐지를 위한 퍼지 규칙을 생성하고 진화 알고리즘을 사용하여 최적화한다. 진화 알고리즘의 효율적인 수행을 위해 지도 군집화를 사용하여 퍼지 규칙을 위한 초기 소속함수를 생성한다. 제안한 방법의 진화 알고리즘은 적합도 평가시 퍼지 규칙(퍼지 의사결정 트리)의 성능과 복잡성을 고려하여 평가한다. 또한 데이타 분할을 이용한 평가와 퍼지 의사결정 트리의 생성과 평가 시간을 줄이는 방법으로 소속정도 캐싱과 zero-pruning을 사용한다. 제안한 방법의 성능 평가를 위해 KDD'99 Cup의 침입 탐지 데이타로 실험하여 기존 방법보다 성능이 향상된 것을 확인하였다. 특히, KDD'99 Cup 우승자에 비해 정확도가 1.54% 향상되고 탐지 비용은 20.8% 절감되었다.

• 정보처리학회논문지D
• /
• 제18D권5호
• /
• pp.313-316
• /
• 2011

다차원 데이터 집합에서 서로 지배되지 않는 데이터로 구성된 부분 집합을 스카이라인이라고 한다. 스카이라인 계산은 다차원 데이터를 대상으로 한 의사결정에 유용한 연산이다. 그러나 스카이라인이 지나치게 큰 경우 이를 의사결정에 활용하기 어려울 수 있다. 본 연구에서는 사용자가 제시하는 원점의 이동, 원점으로부터의 각도와 거리 정보를 반영하여 스카이라인의 일부를 효율적으로 구하는 방법을 모색하였다. 제안한 알고리즘은 스카이라인에 속하지 않는 데이터를 신속하게 제거해가며, 사용자의 요구를 점진적으로 반영할 수 있다는 특징을 갖는다. 알고리즘의 효율성은 실험을 통해 검증하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.865-870
• /
• 2006

HCI 연구의 주된 주제는 인간중심의 상호작용 환경의 개발이다. 이러한 개발과정에서 새로운 인터페이스 환경이 실생활에 어떠한 기능적 효용가치를 가져다 줄 것인가에 관한 문제가 중요하게 고려되어야 한다. 이를 위해 실질적인 적용사례 구축을 통해 효용성을 입증하는 것이 필요하다. 또한, 최근의 HCI는 기존의 인터페이스 수단을 대체하는 것을 목적으로 개발되어 왔으나, 보다 발전된 접근방법으로서 기존의 인터페이스가 소화할 수 없었던 상호작용의 의미론적 요소들을 다루는 것이 필요할 것이다. 이러한 맥락에서 기존 컴퓨팅 환경에서의 문제해결 프로세스의 한 예를 고찰하고 이것이 새로운 HCI환경에서 효과적인 방법으로 어떻게 구현될 수 있는가에 대한 구체적인 사례를 연구하였다. 본 논문은 문제해결의 한 예로서, '복수개의 결정사안 중 최선의 방안을 도출하는 의사결정과정'에서 HCI를 접목한 효과적인 의사결정 프로세스를 제안하고 이의 효용성을 검증한다. 이러한 의사결정 방법론으로 기존에 사용되는 AHP(Analytic Hierarchy Process)가 대표적이다. 일반적으로 AHP는 각 고려인자간 쌍대비교(pairwise comparisons)를 통해 중요도를 평가하는 과정을 포함한다. 이 과정을 통해 각각의 인자간의 쌍대비교치를 결정한 후 일련의 계산과정을 거쳐 그 결과를 도출한다. 이 작업은 통상적인 데스크탑 컴퓨터 환경에서 이루어진다. 본 논문에서는 각 인자간의 쌍대비교를 통한 우선순위를 결정하는 과정에서 새로운 인터페이스 환경의 적용을 위한 효과적인 연산 알고리즘을 제안하고 이의 효용성을 검증한다. 또한 의사결정 과정의 직관적 가시화를 위해 기본적인 프리미티므 도형으로 이루어진 그래픽 인터페이스를 구현하고, 기존의 의사결정 과정과 그 효용성을 비교한다.

• 감성과학
• /
• 제10권1호
• /
• pp.23-36
• /
• 2007

본 연구는 소비자가 모바일 기기를 구매함에 있어서 어떤 멘탈 모델을 가지고 있는지를 파악하는데 중점을 두고 멘탈 모델의 추출과 분석을 시도하였다. 본 연구는 모바일 기기 구매 의사결정 과정에서 IT 친숙도에 따라 서로 다른 멘탈 모델을 가지고 있을 것이라는 가설을 가지고 크게 두 부분으로 나누어 연구를 진행하여 인지 과제 분석 방법의 하나인 Critical Decision Method를 이용하여 멘탈 모델을 이루는 27가지 구성요소들을 추출하였고, 이렇게 추출된 구성요소들을 바탕으로 IT 친숙도에 따라 소비자의 멘탈 모델을 두 그룹으로 구분하여 Pathfinder 알고리즘과Social Network Analysis를 이용하여 각각의 멘탈 모델을 분석하고 있다. 분석결과 IT 친숙도가 높은 그룹은 멘탈 모델을 구성하는 요소들이 각각의 독자적 특성에 따라 구매 의사결정 과정에서 비교적 조직적이고 분명하게 구분된 역할을 수행하는 것으로 나타난 반면, IT 친숙도가 낮은 그룹은 멘탈 모델 구성 요소들 간의 관계나 역할이 불분명하고 혼재된 경향을 보였으며 구매 의사결정 과정에서 외부 의견이나 사회적 통념을 중시하는 것으로 나타났다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 춘계 학술발표회 논문집
• /
• pp.97-102
• /
• 2003

데이터 마이닝의 여러 기법중 모형의 변동성을 줄이고 정확도가 높은 분류자를 형성하기 위하여 다양한 앙상블 기법이 연구되고 있다. 그 중에서 배깅과 부스팅 방법이 가장 널리 알려져 있다. 여러 가지 데이터에 이 두 방법을 적용하여 오분류율을 구하여 비교한 후 각 데이터 특성을 입력변수로 하고 배깅과 부스팅 중 더 낮은 오분류율을 갖는 알고리즘을 목표변수로 하여 의사결정나무를 형성하였다. 이를 통해서 배깅과 부스팅 알고리즘이 어떠한 데이터 특성의 패턴이 존재하는지 분석한 결과 부스팅 알고리즘은 관측치, 입력변수, 목표변수 수가 큰 것이 적합하고 반면에 배깅 알고리즘은 관측치, 입력변수, 목표변수 수의크기가 작은 것이 적합함을 알 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권8호
• /
• pp.331-338
• /
• 2022

차기 상태 천이 표상(Successor representation, SR) 기반 강화학습 알고리즘은 두뇌에서 발현되는 신경과학적 기전을 바탕으로 발전해온 강화학습 모델이다. 해마에서 형성되는 인지맵 기반의 환경 구조 정보를 활용하여, 변화하는 환경에서도 빠르고 유연하게 학습하고 의사결정 가능한 자연 지능 모사형 강화학습 방법으로, 불확실한 보상 구조 변화에 대해 빠르게 학습하고 적응하는 강인한 성능을 보이는 것으로 잘 알려져 있다. 본 논문에서는 표면적인 보상 구조가 변화하는 환경뿐만 아니라, 상태 천이 확률과 같은 환경 구조 내 잠재 변수가 보상 구조 변화를 유발하는 상황에서도 SR-기반 강화학습 알고리즘이 강인하게 반응하고 학습할 수 있는지 확인하고자 한다. 성능 확인을 위해, 상태 천이에 대한 불확실성과 이로 인한 보상 구조 변화가 동시에 나타나는 2단계 마르코프 의사결정 환경에서, 목적 기반 강화학습 알고리즘에 SR을 융합한 SR-다이나 강화학습 에이전트 시뮬레이션을 수행하였다. 더불어, SR의 특성을 보다 잘 관찰하기 위해 환경을 변화시키는 잠재 변수들을 순차적으로 제어하면서 기존의 환경과 비교하여 추가적인 실험을 실시하였다. 실험 결과, SR-다이나는 환경 내 상태 천이 확률 변화에 따른 보상 변화를 제한적으로 학습하는 행동을 보였다. 다만 기존 환경에서의 실험 결과와 비교했을 때, SR-다이나는 잠재 변수 변화로 인한 보상 구조 변화를 빠르게 학습하지는 못하는 것으로 확인 되었다. 본 결과를 통해 환경 구조가 빠르게 변화하는 환경에서도 강인하게 동작할 수 있는 SR-기반 강화학습 에이전트 설계를 기대한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권12호
• /
• pp.978-982
• /
• 2009

본 논문에서는 다수의 강화 학습 에이전트들의 학습 결과 및 Expert의 지식을 하나의 학습 알고리즘으로 융합하는 강화학습인 "potential-based" reinforcement learning(RL)기법에 불확실한 환경에서의 의사결정 알고리즘인 Case-based Decision Theory(CBDT)를 적용한 "RLs-CBDT"를 제안한다. 그리고 테트리스 실험을 통하여 기존의 RL 알고리즘에 비해 RLs-CBDT가 최적의 정책에 더 마르게 수렴하는 것을 보인다.

• 응용통계연구
• /
• 제19권1호
• /
• pp.149-161
• /
• 2006

CART로 대표되는 의사결정나무의 알고리즘에서 가장 중요한 요소는 분리변수의 선택방법이다. 대부분의 알고리즘은 변수의 형태가 연속형인지, 혹은 명목형(nominal)인지에 따라 별개의 변수선택방법을 적용한다. 하지만 변수의 형태가 순서형(ordinal)인 경우에는 그 변수를 연속형으로 취급하여 연속형 변수선택방법을 적용하는 것이 대부분이다. 이것은 CART와 같은 Greedy탐색을 이용하는 방법에는 문제점이 발생하지 않는다. 하지만 Greedy탐색의 약점을 보완하기 위해 통계이론을 이용하여 개발된 최근의 방법들에는 최선의 대처방법이 아니다. 따라서 본 연구에서는 의사결정 나무에서 분리변수를 선택하는데 있어서 비모수적 접근 방법인 Clamor-von Mises 검정을 이용한 방법을 순서형 변수에 사용하는 것을 제안하고, CART, C4.5, QUEST, CRUISE등 기존 알고리즘과 본 연구에서 제안하는 방법의 순서형 변수 선택력을 비교하였다. 모의실험의 결과, Clamor-von Mises 검정을 이용한 변수선택방법은 순서형 변수의 분류력을 기존 방법들에 비해 더 정확히 예측하는 좋은 성과를 보여주었다.

• 디지털융복합연구
• /
• 제15권5호
• /
• pp.505-515
• /
• 2017

이 연구는 한국 신노년층의 생산적 노화를 위한 회복탄력형 여가 프로그램 알고리즘을 검증하는데 목적이 있다. 연구의 목적을 달성하기 위해서 2014년 대도시와 중/소도시 그리고 농촌지역에 예비노인(56세-64세)을 모집단으로 설정하여 525명을 대상으로 설문조사를 실시하였으며, 수집된 자료는 SPSS 20.0프로그램을 이용하여 설문지의 신뢰도와 타당도검사, 의사결정나무분석을 실시한 결과 다음과 같은 결과를 도출하였다. 첫째, 의사결정나무분석을 이용한 회복탄력형 여가프로그램에 영향을 미치는 요인은 주관적 건강상태, 활동욕구, 대인관계교류, 가계소득으로 나타났다. 둘째, 의사결정 나무분석을 이용하여 회복탄력성 변인의 알고리즘을 분석한 결과, 대인관계성, 자기조절성, 긍정성 요인 순으로 나타났다. 회복탄력성의 구성요인들 간의 구조적 알고리즘은 대인관계성에 따라 대인관계성이 낮은 집단의 경우는 긍정성과 관련이 있고, 높은 집단은 자기조절성과 관련이 있음을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제15권10호
• /
• pp.229-237
• /
• 2010

최근 산림경영의 목표가 다양해지고 환경적인 기능을 고려한 공간적인 요소들이 고려되는 등 경영계획을 수립하는 것이 점차 복잡해지고 있다. 따라서 다양한 목표와 조건을 만족시킬 수 있는 최적화 경영기법의 개발이 요구되고 있다. 본 연구에서는 복잡한 경영목표를 다루거나 공간적인 인자들을 다루는데 효과적인 Tabu Search(TS) 휴리스틱 알고리즘을 이용하여, 최적화된 경영계획을 수립할 수 있도록 산림경영 의사결정지원시스템을 개발하였다. 이를 위해 TS 알고리즘의 논리적 흐름을 분석하여 여러 세부 프로세스를 설계하였다. 또한 시스템의 효율성을 높이기 위해서, 각 세부 프로세스의 운영시간 및 작업부하를 최소화하고 시스템 자원의 활용을 극대화하기 위한 방안들을 검토하였다. 이를 토대로 본 연구에서는 TS 알고리즘의논리적 흐름을 일부 변형한모델과 원형 알고리즘에 기반한 모델을 적용하여 최적화 모델링을 수행하고 그 결과를 비교하였다. 그 결과 본 연구를 통해 개발된 의사결정시스템은 주어진 경영목표 및 제한조건을 만족시키는 해를 제공하는 것이 가능하였으며, 특히 변형된 TS 알고리즘을 적용하는 경우 보다 안정적인 최적화 모델링이 가능한 것으로 나타났다. 앞으로 우리나라 산림의 최적화된 경영계획을 수립하는데 본 연구에서 개발된 의사결정시스템의 활용이 가능할 것으로 기대된다.