• 한국정보통신학회논문지
• /
• 제23권6호
• /
• pp.711-718
• /
• 2019

이진결정도는 고장수목 해석에서 기존의 Boolean Logic 해석법의 잘 알려진 대체 방법이다. 고장수목의 규모가 커짐에 따라 계산에 필요한 컴퓨터 연산시간과 자원이 급격하게 증가한다. 이진결정도로부터 단절집합 및 최소단절 집합을 효과적으로 계산하기 위해 새로운 고장경로 탐색법과 고장경로 재구성 방법이 제안되었다. 고장경로 그룹화와 Bottom-Up 탐색법은 고장경로의 탐색에 효율적임을 증명하였고, 최소단절집합 계산을 위한 단절집합의 비교계산 횟수를 줄이기 위해 경로 재구성 방법을 사용할 수 있음을 증명하였다. 새로 제안된 방법을 적용하고, 기존의 근사확률 공식인 MCUB 확률공식과 동일한 새로운 ASDMP 확률공식을 사용하여 정상사상 확률을 계산 할 수 있다.

• 한국산학기술학회논문지
• /
• 제13권2호
• /
• pp.668-677
• /
• 2012

이 연구는 2009년 청소년 건강행태온라인조사에 참여한 우리나라 고등학교 3학년 학생 11,753명을 대상으로 위염 및 장염에 영향을 미치는 관련 요인들을 알아보기 위해 SAS 9.2 version, E-Miner를 이용하여 서베이 로지스틱과 의사결정나무분석을 하였다. 대상자중 남자가 5,685명(47.6%), 여자가 6,068명(52.4%) 이었으며 '오랫동안 위염 및 장염을 앓고 있다'고 응답한 응답자는 8.7% 이었고, 여자가 위염 및 장염 발생률이 조금 더 높게 나타났다(P<.001). 위염 및 장염 발생에 스트레스 및 건강행태는 양의 상관관계가 있는 것으로 나타났으며 스트레스 인지가 높을수록, 주관적 건강상태가 좋지 않을수록, 흡연, 자살생각, 자살시도, 심한 음주나 13세 이전에 음주를 시작 할수록, 대상자의 위염 및 장염 발생에 유의하게 영향을 미치는 것으로 나타났다.(P<.001) 따라서 청소년의 위염 및 장염인지에 대한 호소에 관심과 면밀한 평가 및 관리에 대한 간호중재가 필요할 것으로 여겨진다.

• 한국산학기술학회논문지
• /
• 제12권6호
• /
• pp.2668-2676
• /
• 2011

손상입원환자의 재원일수 변이요인을 분석하기 위해 질병관리본부의 퇴원손상환자 자료를 이용하여 재원일수 중증도 보정모형을 개발하였다. 이 모형을 적용, 보정값을 산출하고 실측값과의 차이를 이용하여 재원일수를 표준화한 후 재원일수의 변이를 분석하였다. 입원손상환자의 중증도 보정 재원일수에 영향을 미치는 주요 요인은 중증도, 수술유무, 연령, 손상기전, 입원경로 등으로 나타났다. 의사결정나무 모형에 의하여 재원일수의 보정값을 산출하여 실측값과의 차이를 분석한 결과 병원규모(병상수)별, 보험유형별, 기관 소재지별로 통계적으로 유의한 차이가 있는 것으로 나타났다. 따라서 재원일수의 변이를 줄이기 위해 국가차원에서 진료행위프로토콜을 개발하여 의료기관에서 이를 활용하도록 유도하고, 더 나아가 이를 체계적으로 평가하여 지속적으로 노력하여야 할 것이다.

• 한국정보과학회논문지:데이타베이스
• /
• 제34권6호
• /
• pp.473-482
• /
• 2007

네트워크 기반의 침입탐지시스템에서는 수집된 패킷데이타의 분석을 통해 침입인지 정상행위 인지를 판단하여 경보를 발생 시키며 이런 경보데이타의 양은 기하급수적으로 증가하고 있다. 보안관리자는 이러한 대량의 경보데이타들을 분석하고 통합 관리하여 네트워크 보안레벨을 진단하거나 시간에 따른 적절한 대응을 하는데 유용하게 사용하여야 한다. 그러나 오경보의 비율이 너무 높아 경보 데이터들간의 상관관계 분석이나 고수준의 의미 분석에 어려움이 많으므로 분석결과에 대한 신뢰성이나 분석의 효율성이 낮아지는 문제점을 가진다. 이 논문에서는 데이타 마이닝의 분류 기법을 적용하여 오경보율을 최소화하는 방법을 제안한다. 결정트리기반의 분류 기법을 오경보 분류 모델로 적용하여 오경보들 중 실제는 공격이 아님에도 불구하고 공격이라 판단된 오경보를 정상으로 분류할 수 있는 경보 데이타 분류 모델을 설계하고 구현한다. 구현된 경보데이타 분류 모델은 오경보율을 최소화하므로 경보데이타의 분석 및 통합을 통해 경보메시지의 축약 및 침입탐지시스템의 탐지율을 높이는데 활용될 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.332-335
• /
• 2018

최근 IT분야에서는 빅 데이터를 활용한 인공지능이 크게 대두되고 있다. 이와 같이 빅 데이터를 효과적으로 처리하기 위한 서비스 또는 기술에 대하여 다양한 연구가 진행되고 있다. 교육분야에 있어서도 학생들에 대한 빅 데이터가 존재하나 이러한 데이터를 단순히 수집, 조회, 저장하는 단순처리과정을 거칠 뿐이다. 향후 인공지능이나 기계학습, 통계분석 등을 폭 넓게 이용하여 교육분야의 빅 데이터에서 의미 있는 규칙이나 패턴 및 관계를 찾아내어, 실제 학생들에게 도움이 되는 데이터를 생산 지능적인 활용이 요구되고 있다. 이에 따라서 본 연구에서는 학생들의 수업 관찰을 통한 데이터를 의사결정트리 알고리즘을 이용하여 학생들의 진로를 예측하는 프로그램을 설계하고자 한다. 진로예측 프로그램을 통하여 학생들의 상담에 활용 진로를 제시하고 또한 희망 진로에 따른 수업 태도 및 방향을 제시하는데 도움이 될 것으로 사료된다.

• 디지털융복합연구
• /
• 제11권6호
• /
• pp.221-233
• /
• 2013

본 연구는 뇌졸중 환자의 효율적인 재원일수 관리를 위해 행정자료를 이용하여 우리나라 의료기관을 이용한 뇌졸중 입원환자의 중증도 보정 적정 재원일수 예측 모형을 개발하고 이를 의료기관에서 활용할 수 있는 방안을 제시하고자 하였다. 이를 위해 2004-2009년 퇴원손상심층조사 자료 중 뇌졸중 입원환자 23,134명을 대상으로 데이터마이닝 기법을 이용하여 뇌졸중 입원환자의 적정 재원일수 예측모형을 개발하였다. 의사결정나무 모형에 따라 뇌졸중 입원환자의 평균재원일수에 가장 큰 영향을 미치는 변수는 뇌졸중 발생유형이었으며, 의사결정나무를 이용하여 개발된 뇌졸중 입원환자의 중증도 보정 재원일수 모형 결과, 적정 재원일수와 실제 재원일수의 차이는 진료비지불방법, 의료기관 소재지, 병상규모가 모두 통계적으로 유의하게 나타났다. 따라서 뇌졸중 입원환자의 재원일수 변이를 줄이고 효율적으로 관리하기 위해서는 개발된 모형을 의료기관의 의료정보시스템에 적용하고 관리하는 활동을 전개해야 할 것이다.

• 정보교육학회논문지
• /
• 제11권3호
• /
• pp.299-306
• /
• 2007

정부교육기관의 조사에 따르면 학습부진아에 대한 학습 지원이 절실한 상황이다. 이에 본 논문에서는 학습 스타일 심리검사를 이용하여 부진아에게 맞는 학습방법으로 학습을 지원하는 부진아 학습 지원 시스템을 구축하였다. 제안한 시스템은 첫째, 부진아의 특성으로 구성된 의사결정트리와 사전평가가 점수를 통하여 부진아를 진단한다. 둘째, 부진아로 판단된 학생은 학습 스타일 심리검사를 실시하여 강의형 학습(청각형), 멀티미디어형 학습(시각형), 게임형 학습(촉각형) 방법 중에 한 형태의 학습방법으로 학습을 지원한다. 셋째, 사후평가를 통하여 학업성취도를 학인하고 학업성취도가 낮은 학생에 대해서는 교수자와의 일대일 개별지도를 지원한다. 제안한 시스템을 사용하여 학습부진아를 실험집단과 비교집단으로 나누어 학습을 검증한 결과 학습 스타일 심리검사를 실시하여 학습을 했을 경우의 학습성취도가 평균 10% 향상되었다.

• 디지털콘텐츠학회 논문지
• /
• 제19권1호
• /
• pp.133-140
• /
• 2018

감성 분석에서 정확한 감성 분류는 중요한 연구 주제이다. 본 연구는 최근 많은 연구가 이루어지는 word2vec과 앙상블 방법을 이용하여 효과적으로 한국어 리뷰를 감성 분류하는 방법을 제시한다. 연구는 20 만 개의 한국 영화 리뷰 텍스트에 대해, 품사 기반 BOW 자질과 word2vec를 사용한 자질을 생성하고, 두 개의 자질 표현을 결합한 통합 자질을 생성했다. 감성 분류를 위해 Logistic Regression, Decision Tree, Naive Bayes, Support Vector Machine의 단일 분류기와 Adaptive Boost, Bagging, Gradient Boosting, Random Forest의 앙상블 분류기를 사용하였다. 연구 결과로 형용사와 부사를 포함한 BOW자질과 word2vec자질로 구성된 통합 자질 표현이 가장 높은 감성 분류 정확도를 보였다. 실증결과, 단일 분류기인 SVM이 가장 높은 성능을 나타내었지만, 앙상블 분류기는 단일 분류기와 비슷하거나 약간 낮은 성능을 보였다.

• 한국빅데이터학회지
• /
• 제3권1호
• /
• pp.95-103
• /
• 2018

ICT 기술의 발전에 따라 제조 산업은 공정 상에서 생성되는 제조 데이터를 분석하여 효율을 높이고자 많은 노력을 하고 있다. 본 논문에서는 스마트 공장의 일환으로 의사결정나무 알고리즘(CHAID)을 이용한 데이터 마이닝 기반 제조공정을 제안한다. 약 5개월간 수집된 실제 제조 공정의 432개 센서 데이터를 활용하여 불량률이 낮은 안정적인 공정 기간과 불량률이 높은 불안정한 공정 기간 간에 유의미한 차이를 보이는 변수를 찾아냈다. 선정된 최종 변수가 불량률 개선에 실제로 효과가 있는지를 측정하기 위해 해당 변수의 안정 값 범위를 설정하여 14일 간 공정에서 해당 센서가 안정 값의 범위를 벗어나지 않도록 공정 설정 값을 조절했고, 불량률 개선의 효과를 측정하였다. 이를 통해 제조 산업에서 생성되는 공정 센서 데이터를 활용 및 분석하여 불량률을 개선할 수 있는 실증적인 가이드라인을 제시할 수 있을 것으로 기대한다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제17권12호
• /
• pp.5309-5314
• /
• 2016

Background: Breast cancer is the most common type of cancer amongst women throughout the world. Currently, there are various follow-up strategies implemented in Iran, which are usually dependent on clinic policies and agreement among the resident oncologists. Purpose: A cost-effectiveness analysis was performed to assess the cost-effectiveness of intensive follow-up versus standard models for early breast cancer patients in Iran. Materials and methods: This cross sectional study was performed with 382 patients each in the intensive and standard groups. Costs were identified and measured from a payer perspective, including direct medical outlay. To assess the effectiveness of the two follow-up models we used a decision tree along with indicators of detection of recurrence and metastasis, calculating expected costs and effectiveness for both cases; in addition, incremental cost-effectiveness ratios were determined. Results: The results of decision tree showed expected case detection rates of 0.137 and 0.018 and expected costs of US$24,494.62 and US$6,859.27, respectively, for the intensive and standard follow-up models. Tornado diagrams revealed the highest sensitivity to cost increases using the intensive follow-up model with an ICER=US$148,196.2. Conclusion: Overall, the results showed that the intensive follow-up method is not cost-effective when compared to the standard model.