• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제31권5호
• /
• pp.468-478
• /
• 2004

시퀀스 데이타베이스로부터 원하는 질의 패턴과 일치하는 모든 서브 시퀀스를 검색하는 것은 데이타 마이닝이나 바이오 인포매틱스 등 응용 분야에서 필수적인 연산이다. 예를 들어, 특정한 이벤트가 발생할 때마다 이벤트의 유형과 발생 시각을 기록하는 네트웍 이벤트 관리 시스템에서 네트웍 이벤트들의 연관 관계를 발견하기 위한 전형적인 질의 형태는 다음과 같다: 'CiscoDCDLinkUp이 발생한 후 MLMStatusUP과 TCPConnectionClose가 각각 20초 이내와 40초 이내에 순차적으로 발생하는 모든 경우를 검색하라.' 본 논문에서는 대규모 이벤트 시퀀스 데이타베이스를 대상으로 하여 위와 같은 질의를 효율적으로 처리할 수 있는 인덱싱 방법을 제안한다. 기존의 방법들이 비효율적인 순차적 검색이나 페이지화 하기 어려운 인덱스 구조에 의존하는데 반하여, 제안하는 방법은 저장 및 검색 효율이 입증된 다차원 공간 인덱스를 사용하여 질의를 만족하는 모든 서브 시퀀스를 착오 기각(false dismissal) 없이 신속하게 검색한다. 다차원 공간 인덱스의 입력은 이벤트 시퀀스 데이타베이스 상의 슬라이딩 윈도우 내에서 각 이벤트 유형이 최초로 발생한 시각을 기록한 n 차원 벡터가 된다. 여기서 n은 발생 가능한 이벤트 유형의 수이다. n이 큰 경우는 차원 저주(dimensionality curse) 문제가 발생할 수 있으므로 차원 선택이나 이벤트유형 그루핑을 이용하여 차원을 축소한다. 실험 결과에 의하면 제안된 방법은 순차적 검색이나 ISO-Depth 인덱스 기법에 비하여 몇 배에서 몇 십 배의 성능 향상 효과를 갖는 것으로 나타났다. 것으로 나타났다.예측치가 비교적 유사한 것으로 나타났으며, 평균 절도오차도 10% 수준이었다.HNP 처리구에서 가장 많았던 것으로 나타났다. 지상부 식생에 대한 총 양분함량은(N+P+K+Ca+Mg) 리기다소 나무가 703kg/ha 그리고 낙엽송이 869kg/ha였다.여 주었다.능성을 시도하였고, 그 결과는 다음과 같다. 1. Cholesterol을 제거한 cheese의 제조에서 최적조건은 균질압력 1200psi(70kg$cm^2$), 균질온도 $70^{\circ}$, $\beta$-cyclodextrin 첨가량 2%였으며, 이때 우유의 cholesterol의 제거율이 86.05%로 가장 높게 나타났다. 2. Cholesterol을 제거한 cheese들의 수율은 모두 12.53%(control 10.54%) 이상으로 균질 처리가 cheese의 수율을 18.88%이상 향상시키는 것으로 나타났다. 3. 유지방 함량 23.80%인 control 치즈의 cholesterol 함량은 81.47mg/100g이었고, 균질압력 1200psi(91kg/$cm^2$)에 $\beta$-cyclodextrin 2%를 첨가한 cheese에서는 cholesterol 함량이 20.15mg/100g으로 cholesterol 제거율이 75.27%로 가장 높게 나타났다. 4. Meltability는 균질압력 1200psi(91kg/$cm^2$)에 $\beta$-cyclodextrin 1과 2%로 처리한 치즈에서 2.25cm(control 3.34cm)로 가장 낮았으며,

• 한국컴퓨터정보학회논문지
• /
• 제16권2호
• /
• pp.249-256
• /
• 2011

텍스처 영상을 표현할 수 있는 새로운 특징(feature)의 개발은 텍스처 영상 연구에서 가장 중요한 분야 중 하나이다. 모든 종류의 텍스처 영상을 표현하는 완벽한 특징의 집합을 정립하는 것은 불가능하여 텍스처 영상을 분석하는 분야에 따라 적절한 텍스처 특징을 사용하여야 하기 때문이다. 본 논문의 첫 번째 연구 목적은 텍스처 영상을 분할하는데 유용한 새로운 텍스처 특징을 찾아내는 것이다. 실험 텍스처를 통해 본 논문에서 제안하는 새로운 특징의 영상 분할에서의 유용성 검증도 제시하였다. 한편 본 논문에서 제안한 텍스처 특징은 페이즈의 미분 데이터이다. 페이즈 정보는 텍스처에 가버 함수를 필터로 적용한 결과 영상으로부터 구해지는데, 페이즈 정보는 지금까지 텍스처 특징으로 사용하기에는 적절하지 않다고 알려져 왔으며 관련 연구도 미미한 상태이다. 그 이유는 페이즈 정보를 계산하는 방법으로 역탄젠트 오퍼레이터를 적용하여 구하는데, 이렇게 구한 페이즈 값은 $-{\pi}/2$와 ${\pi}/2$ 범위에서 정의 되는 불연속 값들이기 때문이다. 이러한 불연속적인 페이즈 데이터는 텍스처에 대한 정보를 적절하게 표현하지 못하고 왜곡된 정보를 만든다. 물론 불연속적인 페이즈 데이터를 연속적인 페이즈 데이터로 변환하는 언랩핑은 이론적으로는 불연속의 문제를 해결하지만 실제적인 적용에서는 문제점을 노출시킨다. 즉 실수와 허수 부문이 모두 0인 지점을 중심으로 페이즈 불연속을 해결하는 과정에 따라 상이한 페이즈 데이터의 값들이 도출되어 정보가 왜곡된다. 본 논문의 두 번째 연구 목적은 이러한 단점을 근본적으로 회피하는 다른 방법을 찾는 것이다. 본 연구에서 제안하는 새로운 방법은 불연속적인 페이즈를 왜곡되고 복잡한 언래핑을 거치지 않고 바로 미분함으로써 영상분할에 필요한 데이터를 도출하는 것이다. 페이즈 미분 방식은페이즈 언랩핑 절차를 필요로 하지 않기 때문에 언랩핑의 왜곡을 회피하고, 알고리즘이 매우 간단해지며, 가버함수에 적용하는 필터도 자유롭게 선택할 수 있다는 장점을 가진다. 본 논문에서는 제시하는 방법의 유용성을 검증하기 위해 가버 필터를 적용하여 도출된 결과 영상으로부터 새롭게 제시한 방법으로 계산한 페이즈로 구성된 특징 벡터를 구해 텍스처 영상의 분할에 이용하였다. 실험 결과를통해 본 논문에서 제시한 새로운 방식이 텍스처 영상분할에 필요한 유용한 정보를 생성하는 것을 확인할 수 있었다.

• 한국전자파학회논문지
• /
• 제13권7호
• /
• pp.667-678
• /
• 2002

본 논문에서는 구형 빔 패턴 형성을 위한 다층 이차원 원형 도체 배열을 갖는 새로운 방사 구조를 제안하였다. 새로운 방사 구조는 방사 원형 도파관 위에 유한하게 적층된 원형 도체 배열 소자들이 무한적, 주기적 평면 배열 구조를 갖는다. 이론적 해석은 rigid full-wave 해석 방법으로 배열 구조의 각 영역에서의 전자장에 대한 모드 전개식과 원형 도체상의 전류에 대한 모드 전개식에 바탕을 두고 상세히 수행되었으며, 함수의 직교성, 모드 정합 방법, 경계조건 그리고 Galerkin 방법을 사용하여 선형 대수 방정식 시스템을 유도하였다. 또한, Gauss 소거법을 사용하여 배열 특성 계산에 필요한 미지의 진폭 계수들을 얻었다. 제안된 알고리듬은 Ka대역에서 $\pm$20$^{\circ}$의 빔 폭을 갖는 구형 빔 패턴 형성을 위한 배열 설계에 사용되었으며, 일반적인 응용을 위해 파장으로 정규화된 최적화 설계 변수들을 제시하였다. 시뮬레이션 결과와 실험 결과들을 서로 비교하기 위해, 대칭적으로 19개의 방사 소자를 갖는 Ka 대역 실험 시제품을 제작하였다. 방사 원형 도파관 개구면 위에 적층된 원형 도체 배열 구조는 얇은 필름상에 이온-빔 증착 방법을 사용하여 구현되었다. 계산된 단위소자 패턴들과 시제품의 측정된 단위소자 패턴들은 빔 스캔 범위 내에서 거의 일치함을 보여주었으며, 사이드 로브 레벨과 그레이팅 로브 레벨에 대한 결과 분석도 이루어졌다 또한, 정 방향에서 다층 원형 도체 구조에 의해 생길 수 있는 blindness 현상에 대하여 언급하였다. 제작된 시제품의 입력 VSWR은 1.14 보다 작았으며, 29.0 GHz, 29.5 GHz 그리고 30 GHz에서 측정된 이득은 각각 10.2 dB, 10.0 dB 그리고 10.7 dB 였다. 실험 및 시뮬레이션 결과들은 제안된 다층 원형 도체 배열 구조가 효율적인 구형 빔 패턴을 형성할 수 있음을 보여 주었다.능성을 시도하였고, 그 결과는 다음과 같다. 1. Cholesterol을 제거한 cheese의 제조에서 최적조건은 균질압력 1200psi(70kg$cm^2$), 균질온도 $70^{\circ}$, $\beta$-cyclodextrin 첨가량 2%였으며, 이때 우유의 cholesterol의 제거율이 86.05%로 가장 높게 나타났다. 2. Cholesterol을 제거한 cheese들의 수율은 모두 12.53%(control 10.54%) 이상으로 균질 처리가 cheese의 수율을 18.88%이상 향상시키는 것으로 나타났다. 3. 유지방 함량 23.80%인 control 치즈의 cholesterol 함량은 81.47mg/100g이었고, 균질압력 1200psi(91kg/$cm^2$)에 $\beta$-cyclodextrin 2%를 첨가한 cheese에서는 cholesterol 함량이 20.15mg/100g으로 cholesterol 제거율이 75.27%로 가장 높게 나타났다. 4. Meltability는 균질압력 1200psi(91kg/$cm^2$)에 $\beta$-cyclodextrin 1과 2%로 처리한 치즈에서 2.25cm(control 3.34cm)로 가장 낮았으며, 균질압력이 증가할수록 meltability가 감소하여 치즈의 품질을 저하시켰다. 5. Control 치즈의 stretchability는 30cm 이상 늘어나 가장 양호한 수치인 5점을 나타낸 반면, cholesterol을 제거한 cheese에서는 5~10cm 사이를 나타내어 2점으로 stretchability가 저하된 것을 볼 수 있었다. 6. Oiling off는 균질압력 1200psi(91kg/$cm^2$)에 $\beta$-cyclodextrin 1과 2%로 처리한 치즈에서

• 지능정보연구
• /
• 제22권2호
• /
• pp.33-56
• /
• 2016

대부분의 부도 예측에 관한 연구는 재무 변수를 중심으로 통계적 방법 또는 인공지능 기법을 적용하여 부도 예측 모형을 구축하였다. 그러나 재무비율과 같은 회계 정보를 이용한 부도 예측 모형은 재무 제표 결산 시점과 신용평가 시점 간 시차를 고려하지 않을 뿐만 아니라 해당 산업의 경제적 상황과 같은 외부 환경적인 요소를 반영하기 어렵다는 한계점이 존재하였다. 기업의 부도 여부를 예측하기 위해 정량 정보인 재무 변수만을 이용하는 것에 한계가 있음에도 불구하고 정성 정보를 부도 예측 모형에 반영한 연구는 아직 미흡한 실정이다. 본 연구에서는 재무 변수를 이용하는 기존 부도 예측 모형의 성과를 개선하기 위해 빅데이터 기반의 정성 정보를 추가적인 입력 변수로 활용하는 부도 예측 모형을 제안하였다. 제안 모형의 성과 향상은 정성 정보를 예측 모형에 통합시키기에 적합한 형태로 정보의 유형을 변환시킬 수 있는가에 따라 달려있다. 이에 본 연구에서는 정성 정보 처리를 위한 방법으로 빅데이터 분석 기법 중 하나인 텍스트 마이닝(Text Mining)을 활용하였다. 해당 산업과 관련된 경제 뉴스 데이터로부터 경제 상황에 대한 감성 정보를 추출하기 위해 도메인 중심의 감성 어휘 사전을 구축하고, 구축된 어휘 사전을 기반으로 감성 분석(Sentiment Analysis)을 수행하였다. 형태소 분석 등을 포함한 텍스트 전처리 과정을 거쳐 감성 어휘를 추출하고, 각 어휘에 대한 극성 및 감성 점수를 부여하였다. 분석 결과, 전통적 부도 예측 모형에 경제 뉴스 데이터에서 도출한 정성 정보를 반영하는 것은 모형의 성과를 개선하는 것으로 나타났다. 특히, 경제 상황에 대한 부정적 감정이 기업의 부도 여부를 예측하는 데 더욱 효과적임을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제23권2호
• /
• pp.145-152
• /
• 2007

본 논문은 지표면 현상의 관측에 날씨의 영향을 거의 받지 않는 마이크로파 L-밴드(1.95 GHz)와 C-밴드(5.3 GHz) scatterometer 시스템을 이용하여 농업과학기술원 내의 논에서 자라는 추청벼를 대상으로 2006년 5월 29일부터 10월 9일까지 생육에 따른 군락의 후방산란계수를 관측한 데이터와 작물의 생육과의 관계를 살펴보고 또한, 측정 시스템의 개요, 측정 시스템의 보정 방법들을 기술하고자 한다. Scatterometer 시스템의 송수신기로 HP 8753D 벡터 네트워크 분석기를 사용하며, 타워 위에 안테나를 설치하여 3.4 m의 높이에서 측정하도록 하였다. L-밴드와 C-밴드 scatterometer는 VV-, VH-, HV-, HH-편파를 측정하여 fully polarimetric한 데이터를 얻도록 설계된 레이더시스템으로 입사각을 $30^{\circ}{\sim}60^{\circ}$에서 $10^{\circ}$간격으로 각각 30개의 독립적인 샘플을 측정하여 통계적으로 후방산란계수를 얻었다. 타워에서 발생하는 전파 잡음과 안테나 패턴의 부엽에 의한 지면에서의 수직반사(coherent 성분) 전파를 제거하기 위해 네트워크 분석기의 time gating 기능을 사용하며, 55 cm 크기의 trihedral 전파반사기를 보정용 반사기로 사용하고, STCT(single target calibration technique) 방법을 이용하여 시스템을 보정하였다. 측정 결과를 분석하여 주파수, 입사각도, 편파의 변화에 대한 벼의 후방산란 특성과 벼의 생육상태와의 관계를 살펴보았다. L-밴드와 C-밴드 모두 벼의 생육과 밀접한 결과를 나타내었으나, 입사각이 작을 때는 C-밴드와의 상관이 높게 나타났고 입사각이 커질수록 L-밴드와의 상관이 높게 나타났다. 편파는 L-밴드와 C-밴드 모두 hh 편파가, 입사각은 50도에서 가장 생육의 변이를 잘 설명하는 것으로 나타났다. 생육 데이터 모두를 이용한 경우보다는 유수형성기 또는 출수기 등 벼 생육의 질적인 변화를 보이는 시기에 따라 나누어 분석하는 것이 변화추이를 더 잘 설명하는 것으로 나타났다.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.562-569
• /
• 2019

최근에 원 거리에서 폭발 물질의 감지를 위해 라만 분광 기기의 관심이 점차 증가하고 있다. 더불어 측정된 화학물질에 대한 라만 스펙트럼을 대용량 데이터베이스의 알려진 라만 스펙트라와 비교하여 식별할 수 있는 고속 검색 방법에 대한 요구도 커지고 있다. 지금까지 가장 간단하고 널리 사용되는 방법은 주어진 스펙트럼과 데이터베이스 스펙트라 사이의 유클리드 거리를 계산하고 비교하는 방법이다. 하지만 고차원 데이터의 속성으로 검색의 문제는 그리 간단하지 않다. 가장 큰 문제점중의 하나는 검색 방법에 있어서 연산량이 많아 계산 시간이 너무 오래 걸린다는 것이다. 이러한 문제점을 극복하기 위해, 우리는 정렬된 분산에 따른 MPS Sort+PDS 방법을 제안하였다. 이 방법은 벡터의 두 개의 주요한 특징으로 평균과 분산을 사용하여 후보가 될 수 없는 많은 코드워드를 계산하지 않으므로 연산량을 줄이고 계산 시간을 줄여준다. 본 논문에서 우리는 기존의 방법보다 더욱 더 향상된 2가지 새로운 방법의 고속 검색 알고리즘을 제안한다. PCA+PDS 방법은 전체 데이터를 사용하는 거리 계산과 똑같은 결과를 가지면서 PCA 변환을 통해 데이터의 차수를 감소시켜 계산량을 줄여준다. Hierarchical Cluster Tree 알고리즘은 PCA 변환된 스펙트라 데이터를 사용하여 이진 계층 클러스터 트리를 만든다. 그런 후 입력 스펙트럼과 가장 가까운 클러스터부터 검색을 시작하여 후보가 될 수 없는 많은 스펙트라를 계산하지 않으므로 연산량을 줄이고 계산 시간을 줄여준다. 실험은 정렬된 분산에 따른 MPS Sort+PDS와 비교하여 PCA+PDS는 60.06%의 성능 향상을 보였다. Hierarchical Cluster Tree는 PCA+PDS와 비교하여 17.74%의 성능향상을 보였다. 실험결과는 제안된 알고리즘이 고속 검색에 적합함을 확인시켜 준다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.1-17
• /
• 2019

빅데이터 시대에 정보의 양이 급증하고, 그중 많은 부분을 차지하는 문자열 정보를 정량화하여 의미를 찾아 낼 수 있는 인공지능 방법론이 함께 발전하면서, 텍스트 마이닝을 통해 주가 예측에 적용해 온라인 뉴스로 주가를 예측하려는 시도가 다양해지고 있다. 이러한 주가 예측의 방법은 대개 예측하고자 하는 기업의 뉴스로 주가를 예측하는 방식이다. 하지만 특정 회사의 뉴스만이 그 회사의 주가에 영향을 주는 것이 아니라, 그 회사와 관련성이 높은 회사들의 뉴스 또한 주가에 영향을 줄 수 있다. 그러나 관련성이 높은 기업을 찾는 것은 시장 전반의 공통적인 영향과 무작위 신호 때문에 쉽지 않다. 따라서 기존 연구들은 주로 미리 정해진 국제 산업 분류 표준에 기반을 둬 관련성이 높은 기업을 찾았다. 하지만 최근 연구에 따르면, 국제 산업 분류 표준은 섹터에 따라 동질성이 다르며, 동질성이 낮은 섹터는 그들을 모두 함께 고려하여 주가를 예측하는 것이 성능에 악영향을 줄 수 있다는 한계점을 가진다. 이러한 한계점을 극복하기 위해, 본 논문에서는 주가 예측 연구에서 처음으로 경제물리학에서 주로 사용되는 무작위 행렬 이론을 사용하여 시장 전반 효과와 무작위 신호를 제거하고 군집 분석을 시행하여 관련성이 높은 회사를 찾는 방법을 제시하였다. 또한, 이를 기반으로 관련성이 높은 회사의 뉴스를 함께 고려하며 다중 커널 학습을 사용하는 인공지능 모형을 제시한다. 본 논문의 결과는 무작위 행렬 이론을 통해 시장 전반의 효과와 무작위 신호를 제거하여 정확한 상관 계수를 찾아 군집 분석을 시행한다면 기존 연구보다 더 좋은 성능을 보여 준다는 것을 보여준다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.119-133
• /
• 2020

Fama에 의하면 효율적 시장에서는 일시적으로 높은 수익을 얻을 수는 있지만 꾸준히 시장의 평균적인 수익을 초과하는 투자전략을 만드는 것은 불가능하다. 본 연구의 목적은 변동성의 장중 비대칭적 전이효과를 이용하는 변동성 매도전략을 기준으로 투자 성과를 추가적으로 개선하기 위하여 SVM을 활용하는 투자 전략을 제안하고 그 투자성과를 분석하고자 한다. 한국 시장에서 변동성의 비대칭적 전이효과는 미국 시장의 변동성이 상승한 날은 한국 시장의 아침 동시호가에 변동성 상승이 모두 반영되지만, 미국 시장의 변동성이 하락한 날은 한국 시장의 변동성이 아침 동시호가에서 뿐만 아니라 장 마감까지 계속해서 하락하는 이상현상을 말한다. 분석 자료는 2008년부터 2018년까지의 S&P 500, VIX, KOSPI 200, V-KOSPI 200 등의 일별 시가지수와 종가지수이다. 11년 동안의 분석 결과, 미국 시장의 변동성이 상승으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가 변동성에 모두 반영되지만, 미국 시장의 변동성이 하락으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가뿐만 아니라 오후 장 마감까지도 계속해서 유의적으로 영향을 미치고 있다. 시장이 효율적이라면 미국 시장의 전일 변동성 변화는 한국 시장의 아침 동시호가에 모두 반영되고 동시호가 이후에는 추가적인 영향력이 없어야 한다. 이러한 변동성의 장중 비정상적 전이 패턴을 이용하는 변동성 매도전략을 제안하였다. 미국 시장의 전날 변동성이 하락한 경우 한국 시장에서 아침 동시호가에 변동성을 매도하고 장 마감시에 포지션을 청산하는 변동성 데이트레이딩전략을 분석하였다. 연수익률은 120%, 위험지표인 MDD는 -41%, 위험과 수익을 고려한 성과지수인 Sharpe ratio는 0.27을 기록하고 있다. SVM 알고리즘을 이용해 변동성 데이트레이딩전략의 성과 개선을 시도하였다. 2008년부터 2014년까지의 입력자료를 이용하여 V-KOSPI 200 변동성지수의 시가-종가 변동 방향을 예측하고, 시가-종가 변동율이(-)로 예측되는 경우에만 변동성 매도포지션을 진입하였다. 거래비용을 고려하면 2015년부터 2018년까지 테스트기간의 연평균수익률은 123%로 기준 전략 69%보다 크게 높아지고, 위험지표인 MDD도 -41%에서 -29%로 낮아져, Sharpe ratio가 0.32로 개선되고 있다. 연도별로도 모두 수익을 기록하면서 안정적 수익구조를 보여주고 있고, 2015년을 제외하고는 투자 성과가 개선되고 있다.