• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.343-345
• /
• 2017

통신 기술이 발달하고, 네트워크 환경 또한 다양해짐에 따라 통신 사용자들에 대한 사이버 위협 또한 다양해졌다. 패턴인식 기술과 기계학습에 기반한 침입탐지 기술은 새롭게 보고되는 수많은 사이버 공격들에 대응하기 위해 등장하였다. 기계학습 기반의 IDS는 낮은 오탐률과 높은 효율성을 요구하며, 이러한 특징은 데이터셋을 구성하는 방법론에 큰 영향을 받는다. 본 논문에서는 패턴인식 기반 트래픽 분석을 수행하기 위한 데이터셋을 구성할 때 고려해야할 주안점에 대해 논하며, 현실의 사이버 위협 상황을 잘 반영할 수 있는 데이터셋을 도출하는 방법을 모색한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2009.01a
• /
• pp.31-34
• /
• 2009

ART2 알고리즘은 신경 회로망 모델로서 실시간 학습이 가능하여 저속 및 고속을 지원할 뿐만 아니라 지역 최소화(local minima) 문제가 발생하지 않는 장점을 갖는다. 그러나 ART2 알고리즘은 경계 변수 설정에 따라 클러스터의 수가 달라지며, 이러한 경계 변수 설정은 패턴의 분류와 인식 성능을 좌우한다. 따라서 본 논문에서는 ART2 알고리즘에서 효율적으로 경계 변수를 설정하기 위해 패턴셋 설정을 통한 경계 변수 설정 방법을 제안한다. 제안된 경계 변수 설정 방법의 성능을 평가하기 위해 숫자 및 영문 패턴을 대상으로 실험한 결과, 패턴 분류의 성능이 기존의 방식 보다 개선된 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.346-347
• /
• 2021

For pattern recognition for machine learning, the larger the amount of learning data, the better its performance. However, it is not always possible to secure a large amount of learning data with the types and information of patterns that must be detected in daily life. Therefore, it is necessary to significantly inflate a small data set for general machine learning. In this study, we study techniques to augment data so that machine learning can be performed. A representative method of performing machine learning using a small data set is the transfer learning technique. Transfer learning is a method of obtaining a result by performing basic learning with a general-purpose data set and then substituting the target data set into the final stage. In this study, a learning model trained with a general-purpose data set such as ImageNet is used as a feature extraction set using augmented data to detect a desired pattern.

• 한국HCI학회:학술대회논문집
• /
• 2006.02b
• /
• pp.524-529
• /
• 2006

짧은 기간에 비약적으로 기술이 발전하는 시대에는 사용자의 미래환경과 그에 따른 사용자의 행태를 미리 분석할 수 있는 방법이 절실히 요구된다. 본 연구에서는 블루투스 핸즈프리 헤드셋의 UI 디자인 개발을 위해 사용된 사용자의 제품 사용행태 예측 과정을 통해 그 방법론을 제시하고자 한다. 1 차로 블루투스 핸즈프리 헤드셋 사용자가 그것을 사용하는 사용행태를 조사 분석하였으며, 조사의 결과를 인터랙티브 스토리텔링의 방법으로 구성하여 아이디어개발을 위한 보조도구로 개발하였다. 조사의 대상은 블루투스 헤드셋의 주요 사용자 층인 10 대 후반에서 20 대 중반에 속하는 사용자 그룹이며 블루투스 헤드셋으로 변용 가능한 패션 액세서리를 선정하고 선정한 액세서리를 블루투스 핸즈프리 헤드셋으로 가정하여 사용시의 그들의 사용 포즈를 분석하는 방법을 통해 주사용자 층의 사용행태를 예측하고자 하였다. 이 연구의 결과는 블루투스 헤드셋 개발팀내의 기획자, 기술자, 디자이너들이 제품의 개발 방향에 대한 아이디어 공유를 위하여 Macromedia Flash 를 사용하여 인터랙티브 스토리텔링으로 제작하여 디자인을 위한 보조 툴로 제안하였다. 본 연구는 블루투스 핸즈프리 헤드셋과 같이 사용자의 새로운 요구와 사용성이 기대되는 제품 UI 디자인을 위해서는 사용자의 미래 요구사항을 예측 할 수 있는 방법이 필요하다는 배경에서 시작되었으며, 블루투스 핸즈프리 헤드셋의 사용자의 요구 파악 및 예측을 위한 방법으로 제품과 사용자의 사용 포즈를 연계하여 분석하는 방법을 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.178-180
• /
• 2003

본 논문은 순차 패턴을 갱신하는 알고리즘을 제안한다. 갱신된 데이터베이스에서 새로운 순차 패턴을 찾는 비용을 줄이기 위해 갱신 전 데이터베이스에서 발견한 순차 패턴에 대한 정보와 추가되는 데이터베이스의 정보만으로 새로운 순차 패턴의 후보를 줄이는 방법으로, 갱신된 전체 데이터베이스를 대상으로 순차 패턴 마이닝 알고리즘을 재실행하는 방법에 비해 후보 셋이 줄어들고 이로 인해 연산 비용을 줄일 수 있는 장점이 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.93-96
• /
• 2022

IoT 기기의 보급 및 확산으로 많은 산업군에서 이를 바탕으로 시계열 데이터를 획득하고 분석하려는 시도가 확대되고 있다. 시간의 흐름에 따라 저장된 데이터들은 주기에 따라 특정 패턴을 갖는 경우가 많으며 이러한 패턴을 파악한다면 주요 산업군의 의사 결정에 도움이 된다. 그러나 IoT 기기의 수집 오류 및 네트워크 환경에 의해 대부분의 시계열 데이터들은 누락 데이터, 이상 데이터를 갖고 있으며 이를 처리하지 않고 분석할 경우 오히려 잘못된 결과를 초래한다. 본 논문에서는 패턴 파악을 위해 '시간, 일, 주, 월, 년' 등 시간의 주기를 기준으로 데이터를 분할하며 이에 기반하여 데이터셋을 재구성하고 활용 가능한 데이터와 불가능한 데이터로 구분한다. 선별된 데이터셋은 클러스터링에 적용하였으며, 제안하는 방법을 적용할 경우 주기를 갖는 시계열 데이터를 활용하는 분석 및 학습에서 더 나은 결과를 보임을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.342-344
• /
• 2023

클라우드 시장의 성장과 마이크로 서비스 접근식이 제기됨에 따라 IT인프라를 관리하기 위한 연구가 최근 활발히 이루어지고 있다. 하지만 고도화 및 분산된 환경에서 관찰 가능성 응용을 확보하기 어렵다는 문제점을 가지고 있다. 따라서 본 연구에서는 모니터링 시스템을 통한 데이터 분석 중 수집한 데이터의 분석이 난해하다는 문제를 해결하기 위한 방법을 제안한다. 제안된 방법은 NAB 데이터셋을 대상으로 STUMPY를 이용하여 데이터를 시각화하고, CNN을 이용하여 분류 작업을 수행한다. 분류를 수행한 데이터셋은 이상치 데이터와 이상 전조 데이터, 정상 데이터셋으로 분류하여 데이터셋을 구성한다. 구성한 학습 데이터셋에 대해 훈련을 마친 딥러닝 모델은 부하 테스트 환경에서 수집한 데이터에 대한 그래프 패턴을 분석하여 이상치 데이터와 이상 전조 데이터를 탐지한다.

• The Journal of the Korea Contents Association
• /
• v.4 no.2
• /
• pp.50-60
• /
• 2004

Recently, most of the embedded system is required not only many functions but also real-time characteristics in purpose. In the hard real-time system, especially, strict deadline of periodic task can affect the performance of the system. In this paper, we design and implement the scheduler based on RM(Rate-Monotonic) rule. This scheduler makes feasible patterns based on EDF(Earliest deadline first) rule with extended schedulability inspection before execution, for periodic task-set that has high CPU utilization and then, execute periodic task-set depended on feasible patterns. The feasible pattern formed into EDF rule is capable of the efficiency of CPU up to 100 percentage and by the referenced execution of the feasible pattern is possible of removing the red-time scheduling overhead that is the defect of the order of dynamic assignment rule.

• The Journal of the Convergence on Culture Technology
• /
• v.8 no.6
• /
• pp.647-653
• /
• 2022

Data mining is a technique that explores knowledge such as relationships and patterns between data by exploring and analyzing data. Data that occurs in the real world includes a temporal attribute. Temporal data mining research to find useful knowledge from data with temporal properties can be effectively utilized for predictive judgment that can predict the future. In this paper, we propose an algorithm using time-unit grouping to classify the database into regular time period units and discover frequent pattern itemsets in time units. The proposed algorithm organizes the transaction and items included in the time unit into a matrix, and discovers frequent items in the time unit through grouping. In the experimental results for the performance evaluation, it was found that the execution time was 1.2 times that of the existing algorithm, but more than twice the frequent pattern itemsets were discovered.

• Journal of the Korea Computer Industry Society
• /
• v.7 no.1
• /
• pp.47-56
• /
• 2006

Proteome patterns reflect the underlying pathological state of a human organ. It is believed that the anomalies or diseases of human organs are identified by the analysis of the pattern. There are many ways to analysis these patterns. <중략> (colon cancer and leukemia dataset) indicates that the proposed method shows better classification performance and more stable results than other single kernel functions.