• The KIPS Transactions:PartD
• /
• v.8D no.1
• /
• pp.88-98
• /
• 2001

in this paper, we imlemented design pattern retrieval system for efficient managemant and reusability of design patterns. Pattern is conssisted of property information and meta information id used for similarity measurement on classification and retrieval of patterns.Meta information od used for UML modeling of patterns. We classified design patterns with the empirical scope in addition to Gamma's basic classification. also we used E-SARM for retrieval represented UML diagram with pattern meta information, and simulated the environment so as to obtain best result on applying to retrieval of design pattern. This system is able ro resister new patterns through pattern viewer and manages these patterns with property informaiton and meta information. Thus this system supports efficient management of patterns, UML modeling, priority pattern retrieval, higher reusability and reduces pattern selection cost.

• Proceedings of the Korea Contents Association Conference
• /
• 2006.05a
• /
• pp.440-443
• /
• 2006

In this paper, we implemented design pattern retrieval system for efficient management and reusability of design patterns. Pattern is consisted of property information and meta information. Property information is used for similarity measurement on classification and retrieval of patterns. Meta information is used for UML modeling of patterns. We classified design patterns with the empirical scope in addition to Gamma's basic classification.

• Proceedings of the Korean Society for Bioinformatics Conference
• /
• 2003.10a
• /
• pp.53-60
• /
• 2003

생명과학 관련 문서에서의 이벤트 추출은 관련 연구자들의 연구에 많은 도움을 줄 수 있다. 기존의 연구에서는 주로 이벤트 동사에 대해 패턴을 정의한 후에 정의된 패턴에 의해서만 이벤트를 추출하고자하였다. 그러나 모든 패턴을 수동으로 정의하는 것은 너무 많은 비용이 들기 때문에 패턴을 자동 추출 또는 확장하는 방법이 필요하다. 또한 학습을 하기 위해서는 상당수의 학습 말뭉치가 있어야 하는데 그것 또한 충분하지 않은 실정이다. 본 논문에서는 초기 패턴에 의해 생성된 소량의 정답 이벤트로부터 학습한 후 공기정보와 패턴정보를 이용한 Co-training방법으로 패턴 확장 및 이벤트 추출을 시도하였다. 실험 결과, 이벤트 동사의 패턴 정보가 유용한 정보라는 것을 확인할 수 있었고, 후보 이벤트 내의 개체간 공기정보와 문법관계정보 또한 매우 중요한 정보라는 것을 새롭게 보일 수 있었다. GENIA 말뭉치에서 162개의 이벤트 동사에 대해 실험한 결과, 88.02%의 정확률, 79.25%의 재현율을 얻었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.11a
• /
• pp.244-246
• /
• 2011

컬러 구조광을 이용한 깊이 정보 획득 시스템에서 구조광의 패턴의 색상 정보를 정확하게 추출하는 것이 중요하다. 본 논문에서는 시변화 가시구조광 시스템을 위한 색상 패턴을 해석하는 방법에 대해서 제안한다. 제안하는 방법은 시변화 가시구조광의 패턴이 투사된 영상으로부터 투사된 색상 정보를 추출하고, 추출된 색상 정보로부터 색상 패턴의 ID를 추출한다. 추출된 정보는 물체에 대한 깊이 정보로 계산될 수 있다. 패턴 ID를 빠르고 정확하게 추출하기 위해 최초의 원 패턴 정보를 기반으로 하여 Look-up 테이블을 구성하고, 이 테이블 정보를 이용하여 초기 패턴 ID 정보를 추출한다. 이후 추출된 패턴 ID에 대해서 신뢰도를 바탕으로 비어있는 정보를 채워준다. 본 논문의 실험에서는 제안하는 방법이 기존의 방법에 비해 정확하면서도 빠르게 색상 패턴 정보를 찾을 수 있음을 보여준다.

• The KIPS Transactions:PartD
• /
• v.13D no.2 s.105
• /
• pp.199-206
• /
• 2006

Sequential pattern mining is an important data mining task with broad applications. However, conventional methods may meet inherent difficulties in mining databases with long sequences and noise. They may generate a huge number of short and trivial patterns but fail to find interesting patterns shared by many sequences. In this paper, to overcome these problems, we propose the theme of approximate sequential pattern mining roughly defined as identifying patterns approximately shared by many sequences. The proposed method works in two steps: one is to cluster target sequences by their similarities and the other is to find consensus patterns that ire similar to the sequences in each cluster directly through multiple alignment. For this purpose, a novel structure called weighted sequence is presented to compress the alignment result, and the longest consensus pattern that represents each cluster is generated from its weighted sequence. Finally, the effectiveness of the proposed method is verified by a set of experiments.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.01a
• /
• pp.7-10
• /
• 2012

본 논문에서는 스마트폰을 이용하여 도로 주행 정보를 기록하고 운전자에게 패턴 별 주행정보를 제공하는 라이프로그(Lifelog) 형태의 서비스에 목적을 두고 있다. 운전자의 도로 주행 데이터를 데이터베이스화한 이 정보는 다양하게 이용될 수 있다. 주행 패턴 인식은 이벤트 구간 검출 과정을 통한 패턴 구간을 검출하고 가속도 센서와 방향 센서, 즉 멀티 센서 기반으로 주행패턴을 인식한다. 주행 패턴을 분석 후 시간 정보를 이용하여 촬영된 영상 데이터에서의 패턴 구간 영상을 같이 제공한다. 이렇게 패턴 구간의 센서 스트리밍 정보와 영상을 제공하면 운전자의 운전 성향 및 주행 기록을 분석하는데 이용될 수 있다. 따라서 주행패턴 인식 알고리즘을 프로토타입으로 제안한다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2004.05a
• /
• pp.9-9
• /
• 2004

나노 패턴 성형 기술은 반도체와 같은 정보전자 소자 기술과 정보저장매체 기술 분야 및 광통신 분야에서 그 기술의 필요도가 급속히 증가하고 있다. 정보저장 매체의 경우 저장밀도가 기하급수적으로 증가하고 있는 추세이며 향후 수년 내에 기존의 정보저장매체 제작방법으로는 더 이상의 저장밀도 증가가 불가능한 수준까지 기술의 발달이 이루어지리라 예상된다. 이에 따라 패턴드 미디어(patterned media) 및 초고밀도 광정보저장매체가 정보저장기술의 차세대 매체로서 제안되었으며 이의 실현을 위해 나노 패턴 성형기술의 시급한 개발이 요구되고 있다.(중략)

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.124-126
• /
• 2001

시차를 두고 발생한 사건속에서 잠재해있는 패턴을 발견하는 연속패턴(sequential pattern) 생성기술은 데이터 마이닝 분야에서 최근 관심을 모으고 있는 분야이다. 본 연구는 정보이론을 이용하여 데이터베이스로부터 연속패턴을 자동으로 발견하는 방법에 관한 내용이다. 본 연구에서 제시하는 방법은 기존의 방법과는 달리 테이블내의 모든 속성간의 연속패턴 관계를 탐지할 수 있으며 헬링거(Hellinger) 변량을 이용하여 발견된 연속패턴들의 중요도를 측정할 수 있다. 또한 헬링거 변량의 함수적인 특성을 분석하여 연속패턴 추출의 복잡도를 줄이기 위한 두 가지의 법칙이 제안되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.232-233
• /
• 1998

이 논문에서는 시간지원 데이터베이스를 대상으로 하여 시간 간격과 시간 위상을 지닌 데이터에서의 정보를 탐사한다. 그리고 시간지원 데이터베이스에서의 시간 정보 유형을 제시하고 이에 따라 탐사되는 패턴의 유형을 분류한다. 또한 시간에 대한 계층적 구조인 시간 계층을 도입하고 이를 이용하여 각 항목의 유효시간 정보를 일반화시킨다. 시간 계층에 의한 유효시간의 일반화에 있어서 발생하는 시간 정보 유형의 변화와 패턴 유형의 변화를 살펴본다. 그리고 시간 간격 변화에 따른 패턴 정보의 발견을 예를 들어 기술한다. 이 논문에서는 시간 계층을 이용하여 시간 간격을 변화시킬 경우 발견되는 새로운 유형의 패턴 지식을 탐사하고 이를 제시한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06b
• /
• pp.222-225
• /
• 2011

이전에 수행된 연구에서 인간의 이동 패턴은 Levy flight 행동을 보인다고 알려져있다. 그러나 우리의 경험적 지식을 바탕으로 생각해 볼 때 인간의 이동 패턴을 Levy flight 행동만 가지고 나타내기에는 한계가 있어 보인다. 인간의 이동 패턴은 주위환경, 시간, 개인의 습관, 그리고 사회적 지위 등에 따라 서로 다른 모양을 보인다. 즉, 인간 이동의 형태를 파악하기 위해서는 좀 더 다양한 정보가 있어야만 인간 이동의 패턴을 사실적으로 모델링 할 수 있다. 인간의 이동 패턴을 사실적으로 모델링하기에 필요한 정보를 얻기 위해서 상향식 방법(Bottom up)으로 우선 실제 이동 패턴을 분석하여 모델링에 필요한 정보를 추출하고 다시 그 정보를 검증하는 과정으로 모델링에 필요한 정보가 구체적으로 나타나게 될 것이다. 이에 실제 인간의 이동 패턴을 분석하기 위해 아무런 매개변수 없이 개인의 GPS 데이터를 바탕으로 위치정보만을 가지고 군집화(Clustering)를 하게 되면 특정 위치에 대한 군집이 생성된다. 이러한 군집이 나타내는 것은 자주 머무는 지역, 이동 경로 등이 될 것이다. 본 논문에서는 인간의 이동 정보인 GPS 데이터를 가지고 EM 군집화를 통하여 생성된 군집을 통해 인간의 이동 패턴을 분석할 것이다.