• 전기학회논문지
• /
• 제67권3호
• /
• pp.419-426
• /
• 2018

An useful and effective design method for the gas identification system is presented in this paper. The proposed gas identification system adopts hierarchical structure with two level rule base combining fuzzy sets with rough sets. At first, a hybrid genetic algorithm is used in grouping the array sensors of which the measured patterns are similar in order to reduce the dimensionality of patterns to be analyzed and to make rule construction easy and simple. Next, for low level identification, fuzzy inference systems for each divided group are designed by using TSK fuzzy rule, which allow handling the drift and the uncertainty of sensor data effectively. Finally, rough set theory is applied to derive the identification rules at high level which reflect the identification characteristics of each divided group. Thus, the proposed method is able to accomplish effectively dimensionality reduction as well as accurate gas identification. In simulation, we demonstrated the effectiveness of the proposed methods by identifying five types of gases.

• 보건행정학회지
• /
• 제30권1호
• /
• pp.15-25
• /
• 2020

While healthcare data sets include extensive information about patients, many researchers have limitations in analyzing them due to their intrinsic characteristics such as heterogeneity, longitudinal irregularity, and noise. In particular, since the majority of medical history information is recorded in text codes, the use of such information has been limited due to the high dimensionality of explanatory variables. To address this problem, recent studies applied word embedding techniques, originally developed for natural language processing, and derived positive results in terms of dimensional reduction and accuracy of the prediction model. This paper reviews the deep learning-based natural language processing techniques (word embedding) and summarizes research cases that have used those techniques in the health care field. Then we finally propose a research framework for applying deep learning-based natural language process in the analysis of domestic health insurance data.

• 국제학술발표논문집
• /
• The 6th International Conference on Construction Engineering and Project Management
• /
• pp.559-563
• /
• 2015

Identification of energy use patterns in buildings has a great opportunity for energy saving. To find what energy use patterns exist, clustering analysis has been commonly used such as K-means and hierarchical clustering method. In case of high dimensional data such as energy use time-series, data reduction should be considered to avoid the curse of dimensionality. Principle Component Analysis, Autocorrelation Function, Discrete Fourier Transform and Discrete Wavelet Transform have been widely used to map the original data into the lower dimensional spaces. However, there still remains an ongoing issue since the performance of clustering analysis is dependent on data type, purpose and application. Therefore, we need to understand which data reduction techniques are suitable for energy use management. This research aims find the best clustering method using energy use data obtained from Seoul National University campus. The results of this research show that most experiments with data reduction techniques have a better performance. Also, the results obtained helps facility managers optimally control energy systems such as HVAC to reduce energy use in buildings.

• Asian-Australasian Journal of Animal Sciences
• /
• 제30권2호
• /
• pp.160-166
• /
• 2017

Objective: This study identifies single-nucleotide polymorphisms (SNP) or gene combinations that affect the flavor and quality of Korean cattle (Hanwoo) by using the SNP Harvester method. Methods: Four economic traits (oleic acid [C18:1], saturated fatty acids), monounsaturated fatty acids, and marbling score) were adjusted for environmental factors in order to focus solely on genetic effects. The SNP Harvester method was used to investigate gene combinations (two-way gene interactions) associated with these economic traits. Further, a multifactor dimensionality reduction method was used to identify superior genotypes in gene combinations. Results: Table 3 to 4 show the analysis results for differences between superior genotypes and others for selected major gene combinations using the multifactor dimensionality reduction method. Environmental factors were adjusted for in order to evaluate only the genetic effect. Table 5 shows the adjustment effect by comparing the accuracy before and after correction in two-way gene interactions. Conclusion: The g.3977-325 T>C and (g.2988 A>G, g.3977-325 T>C) combinations of fatty acid-binding protein4 were the superior gene, and the superior genotype combinations across all economic traits were the CC genotype at g.3977-325 T>C and the AACC, GACC, GGCC genotypes of (g.2988 A>G, g.3977-325 T>C).

• 한국정보통신학회논문지
• /
• 제13권8호
• /
• pp.1679-1686
• /
• 2009

후각 정보의 실감성을 높일 수 있는 멀티미디어 통신 시스템에서 후각정보 전달을 위한 오더(odor) 센싱 시스템 및 관련 신호 처리 기술 개발은 차세대 멀티미디어 산업을 위한 핵심 과제로 떠오르고 있다. 오더 센싱 시스템의 성능 측정에 전통적으로 많이 사용된 방법은 주성분분석(PCA)이다. PCA는 분산에 기반한 도구로서 많은 경우 잘 동작한다. 그러나 오더 센싱 측정 데이터에 대해서는 의미 있는 값을 표시하는 것에 한계가 있다. 이 논문은 독립성분분석(ICA)을 사용하여 오더 센싱 데이터를 분석하는 방법을 설명한다. PCA와 ICA의 차이를 실질적인 측정데이터를 사용하여 비교하도록 한다. 실험을 통해 ICA가 개선된 변별력으로 센서의 경향 분석, 차원축소, 보다 적합한 데이터 표현 등에 있어 PCA보다 나은 결과를 도출함을 보인다.

• 한국콘텐츠학회논문지
• /
• 제10권9호
• /
• pp.97-106
• /
• 2010

시계열 데이터를 효율적이고 효과적으로 처리하기 위해 다양한 시계열 표현 방법들이 제안되었다. SAX(Symbolic Aggregate approXimation)는 단편화와 이산화 기법들을 결합한 시계열 표현 방법으로, 시계열 분류 문제에 성공적으로 적용되었다. 그러나 SAX는 시계열의 움직임을 평활하여 시계열의 중요한 동적 패턴들을 정확히 표현하기 위해 세그먼트 수를 크게 해야 한다. 본 논문은 PIPs (Perceptually Important Points)탐지 기법과 Persist 이산화 방법을 결합한 시계열 표현 방법을 제안한다. 제안된 방법은 시계열의 중요한 변곡점들을 나타내는 PIP 들을 탐지하여 고차원 시계열의 동적 움직임을 저차원 공간에서 표현한다. 그리고 시계열의 자기 전이와 주변 확률 분포를 KL 다이버전스에 적용하여 최적의 이산화 영역들을 결정한다. 제안된 방법은 시계열의 차원 축소과정에서 정보 손실을 최소화하여 시계열 분류의 성능을 향상시킨다.

• 응용통계연구
• /
• 제24권5호
• /
• pp.861-869
• /
• 2011

최근 유전학에서 주요 목표중 하나는 복합질환에 영향을 미치는 유전적 요인을 찾아내는 것이다. 유전자좌간의 상호작용이 있을 때에는 단일 유전자좌 분석으로는 이러한 목표를 달성하기 어려우므로, 유전자-유전자간 상호작용이나 유전자-환경인자간 상호작용분석을 고려할 필요가 있다. 자주 사용되는 MDR(multifactor dimensionality reduction)방법은 데이터를 고위험군과 저위험군으로 각각 병합하여 사용하므로 특정 유전자형에서 차이가 나는 경우에는 이를 찾아내기 어렵다. 본 연구에서는 이러한 점을 보완하도록 유전자형 조합에서의 대조군과 질환군의 상대위험도를 이용하여 유전자-유전자간 상호작용을 탐색하는 방법을 제안하였다. MDR 공개데이터와 8가지 유전모형으로부터 생성한 모의자료의 분석을 통해 방법의 유용성을 확인하였다.

• Genomics & Informatics
• /
• 제10권4호
• /
• pp.256-262
• /
• 2012

Most common complex traits, such as obesity, hypertension, diabetes, and cancers, are known to be associated with multiple genes, environmental factors, and their epistasis. Recently, the development of advanced genotyping technologies has allowed us to perform genome-wide association studies (GWASs). For detecting the effects of multiple genes on complex traits, many approaches have been proposed for GWASs. Multifactor dimensionality reduction (MDR) is one of the powerful and efficient methods for detecting high-order gene-gene ($G{\times}G$) interactions. However, the biological interpretation of $G{\times}G$ interactions identified by MDR analysis is not easy. In order to aid the interpretation of MDR results, we propose a network graph analysis to elucidate the meaning of identified $G{\times}G$ interactions. The proposed network graph analysis consists of three steps. The first step is for performing $G{\times}G$ interaction analysis using MDR analysis. The second step is to draw the network graph using the MDR result. The third step is to provide biological evidence of the identified $G{\times}G$ interaction using external biological databases. The proposed method was applied to Korean Association Resource (KARE) data, containing 8838 individuals with 327,632 single-nucleotide polymorphisms, in order to perform $G{\times}G$ interaction analysis of body mass index (BMI). Our network graph analysis successfully showed that many identified $G{\times}G$ interactions have known biological evidence related to BMI. We expect that our network graph analysis will be helpful to interpret the biological meaning of $G{\times}G$ interactions.

• Journal of the Korean Data and Information Science Society
• /
• 제26권3호
• /
• pp.677-685
• /
• 2015

인간의 질병 또는 가축의 경제적인 특성은 단일 유전자보다는 여러 유전자들의 상호작용에 의한 영향을 많이 받는다. 본 연구에서는 이러한 유전자들의 상호작용을 규명하기 위해 기존에 사용되었던 방법들의 단점을 보완한 에스엔피 하비스트 방법을 이용하였다. 사용된 유전자는 최근 한우의 육질에 영향을 미치는 지방산 조성과 깊은 연관이 있다고 밝혀진 단일염기다형성 중 SREBPs (g.3270+10274 C>T, g.13544 T>C)와 FABP4 (g.2634+1018 A>T, g.2988 A>G, g.3690 G>A, g.3710 G>C, g.3977-325 T>C, g.4221 A>G)이며, 경제형질은 한우의 맛과 향에 영향을 주는 올레인산, 불포화지방산, 근내지방도를 이용하였다. 먼저 에스엔피 하비스트 방법을 이용하여 경제형질에 영향을 주는 우수 유전자 조합을 찾은 뒤 다중인자차원축소방법을 이용하여 단일염기다형성 조합 내의 우수 유전자형도 함께 규명하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권6호
• /
• pp.1331-1339
• /
• 2013

지질 단백질 리파제 (lipoprotein lipase; LPL) 유전자는 지방산 합성을 조절하는 유전자로 알려져 있다. 특히, 한우의 LPL 유전자 내의 지방산 합성과 단일염기다형성 (SNP) 사이의 유전적 연관성이 밝혔진 바 있다. 최근에는 LPL 유전자 내의 3가지 SNP 즉, c.322G>A, c.329A>T 그리고 c.1591G>A는 한우의 불포화 지방산 조성과 도체형질과 관련된 새로운 유전자로 밝혀진 바 있다 (Oh 등; 2013). 본 논문은 최근 밝혀진 3개의 새로운 LPL 유전자를 활용 한우의 도체경제형질은 물론 맛과 향이 좋은 여러 경제형질에 영향을 주는 우수 유전자 조합을 선별하려 하였다. 우수 유전자 선별 조합을 선별하기 위해 유전자 조합 방법으로 많이 활용되는 다중인자 차원 축소 방법을 이용하였다. 순수 유전자 효과만의 결과를 활용하기 위해 실험에서 얻어진 자료의 환경요인을 보정한 후 분석을 시도하였다 (Matsuhashi 등, 2011).