• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.175-178
• /
• 2005

스마트 홈과 같은 유비쿼터스 환경은 다양한 센서 및 제어 네트워크가 밀집되어 있는 복잡한 시스템이다. 본 논문에서는 이러한 환경하에서 복잡한 인터페이스의 사용에 대한 사용자의 인지 부담(cognitive load)를 줄이고 개인화된(personalized) 서비스를 자율적으로 제공하기 위한 사용자 행동 패턴 선호도 학습 기법을 제안한다. 이를 위해 지식 발견(Knowledge Discovery)을 위한 평생 학습(life-long learning)의 관점에서 퍼지 귀납(Fuzzy Inductive)학습 방법론을 제안하며, 이것은 수치 데이터로부터 입력 공간에 대한 효율적인 퍼지 분할(fuzzy partition)을 얻어내고 일관성있는(consisitent) 퍼지 상관 룰(fuzzy association rule)을 얻어내도록 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.7
• /
• pp.805-812
• /
• 2005

Smart home is one of the ubiquitous environment platforms with various complex sensor-and-control network. In this paper, a now learning methodology for learning user's behavior preference pattern is proposed in the sense of reductive user's cognitive load to access complex interfaces and providing personalized services. We propose a fuzzy inductive learning methodology based on life-long learning paradigm for knowledge discovery, which tries to construct efficient fuzzy partition for each input space and to extract fuzzy association rules from the numerical data pattern.