• 전자공학회논문지S
• /
• 제36S권9호
• /
• pp.49-57
• /
• 1999

퍼지 집합 이론과 신경망 이론의 융합은 퍼지논리 시스템의 최적 규칙 베이스를 얻기 위해 신경망을 적용하는 방향으로 주된 연구가 진행되고 있다. 그러나 이러한 접근 방법은 신경망의 제한된 학습능력으로 인해 최적성의 한계는 여전히 극복되지 못하고 있는 실정이다. 따라서 본 논문에서는 이러한 어려움을 극복하기 위해 입출력 데이터로부터 최적의 규칙을 얻을 수 있는 Rough Set 이론과 뉴로-퍼지의 새로운 융합기법을 제안한 알고리즘을 생성된 규칙 베이스가 중첩되지 않기 때문에 기존의 FNN과 비교하여 더욱더 우수함을 냉장고의 온도추론 시스템에 적요하여 검증하였다.

• 대한산업공학회지
• /
• 제33권2호
• /
• pp.183-190
• /
• 2007

We present a new decision tree classification algorithm using rough set theory that can induce classification rules, the construction of which is based on core attributes and relationship between objects. Although decision trees have been widely used in machine learning and artificial intelligence, little research has focused on improving classification quality. We propose a new decision tree construction algorithm that can be simplified and provides an improved classification quality. We also compare the new algorithm with the ID3 algorithm in terms of the number of rules.

• 대한수학회논문집
• /
• 제31권3호
• /
• pp.451-460
• /
• 2016

The notion of a rough fuzzy filter in a BE-algebra is introduced and some properties of such a filter are investigated. The relations between the upper (lower) rough filters and the upper (lower) approximations of their homomorphism images are discussed.

• 한국지능시스템학회논문지
• /
• 제11권5호
• /
• pp.441-447
• /
• 2001

In general, Rough Set theory is used for classification, inference, and decision analysis of incomplete data by using approximation space concepts in information system. Information system can include quantitative attribute values which have interval characteristics, or incomplete data such as multiple or unknown(missing) data. These incomplete data cause tole inconsistency in information system and decrease the classification ability in system using Rough Sets. In this paper, we present various types of incomplete data which may occur in information system and propose INcomplete information Processing System(INiPS) which converts incomplete information system into complete information system in using Rough Sets.

• 한국통신학회논문지
• /
• 제38C권12호
• /
• pp.1095-1105
• /
• 2013

본 논문에서는 헬스 케어 시스템에서 효율적으로 질병을 관리할 수 있는 RDMS(Rough Set Theory based Disease Monitoring System)을 제안한다. RDMS는 DCM(Data Collection Module), RDRGM(RST based Disease Rule Generation Module), HMM(Healthcare Monitoring Module)로 구성된다. DCM은 바이오센서로부터 환자의 생체 정보를 수집하고, 데이터 처리 절차에 따라 RDMS DB에 저장한다. RDRGM은 RST의 코어와 속성의 지지율을 이용하여 질병 규칙을 생성한다. HMM은 DCM에 의해 수집된 환자 정보를 이용하여 환자의 질병에 대한 위험지수뿐만 아니라 질병에 대한 합병증에 관한 위험지수까지 분석함으로써 환자의 질병을 예측하고, 환자의 위험지수에 따라 환자, 주치의 등에 시각화된 환자의 정보를 전달한다. 또한, RDRGM에 의해 생성된 규칙들에 따라 환자의 의료정보, 현재의 환자건강상태, 환자 가족력 등을 비교분석하여 환자의 질병을 예측하고, 예측결과에 따라 환자 맞춤형 의료 서비스와 의료 정보를 신속하고 신뢰성 있게 제공할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제17권12호
• /
• pp.179-185
• /
• 2012

본 논문에서는 RST(Rough Set Theory)과 SVM(Support Vector Machine) 알고리즘을 이용한 RSIDS (RST and SVM based Intrusion Detection System)를 설계하였다. RSIDS는 PrePro(Preprocessing) 모듈, RRG(RST based Rule Generation) 모듈, 그리고 SAD(SVM based Attack Detection) 모듈로 구성된다. PrePro 모듈은 수집한 정보를 RSIDS의 데이터 형식에 맞게 변경한다. RRG 모듈은 공격 자료를 분석하여 공격 규칙을 생성하고, 그 규칙을 이용하여 대량화된 데이터에서 공격정보를 추출하고, 그리고 추출한 공격정보를 SAD 모듈에 전달한다. SAD 모듈은 추출된 공격 정보를 이용하여 공격을 탐지하여 관리자에게 통보한다. 그 결과, 기존의 SVM과 비교해볼 때, RSIDS는 평균 공격 탐지율 77.71%에서 85.28%로 향상되었으며, 평균 FPR은 13.25%에서 9.87%로 감소하였다. 따라서 RSIDS는 기존의 SVM을 이용한 공격 탐지 기법보다 향상되었다고 할 수 있다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2009년도 제38회 동계학술대회 초록집
• /
• pp.413-413
• /
• 2010

In semiconductor manufacturing field, all equipments have various sensors to diagnosis the situations of processes. For increasing the accuracy of diagnosis, hundreds of sensors are emplyed. As sensors provide millions of data, the process diagnosis from them are unrealistic. Besides, in some cases, the results from some data which have same conditions are different. We want to find some information, such as data and knowledge, from the data. Nowadays, fault detection and classification (FDC) has been concerned to increasing the yield. Certain faults and no-faults can be classified by various FDC tools. The uncertainty in semiconductor manufacturing, no-faulty in faulty and faulty in no-faulty, has been caused the productivity to decreased. From the uncertainty, the rough set theory is a viable approach for extraction of meaningful knowledge and making predictions. Reduction of data sets, finding hidden data patterns, and generation of decision rules contrasts other approaches such as regression analysis and neural networks. In this research, a RGB sensor was used for diagnosis plasma instead of optical emission spectroscopy (OES). RGB data has just three variables (red, green and blue), while OES data has thousands of variables. RGB data, however, is difficult to analyze by human's eyes. Same outputs in a variable show different outcomes. In other words, RGB data includes the uncertainty. In this research, by rough set theory, decision rules were generated. In decision rules, we could find the hidden data patterns from the uncertainty. RGB sensor can diagnosis the change of plasma condition as over 90% accuracy by the rough set theory. Although we only present a preliminary research result, in this paper, we will continuously develop uncertainty problem solving data mining algorithm for the application of semiconductor process diagnosis.

• 디지털융복합연구
• /
• 제11권11호
• /
• pp.343-349
• /
• 2013

러프집합에서는 동치류와 근사공간의 개념을 이용하여 데이터 마이닝 분야에서 중복되는 정보로부터 특징점을 효율적으로 추출하여 최적화된 제어규칙을 유도할 수 있다. 이러한 추출과정에서 가장 중요하게 고려되어져야 할 부분은 많은 속성에 대한 감축이다. 본 논문에서는 속성간의 관계에서 러프엔트로피를 이용하여 가장 신뢰도가 우수한 속성을 구할 수 있는 정보이론적인 척도를 제시한다. 제안된 방법은 러프엔트로피를 기반으로 불필요한 속성을 제거함으로써 유용한 리덕트를 생성하고 이들에 대한 코어를 형성한다. 결과적으로 원시정보의 내용은 변하지 않으면서 지식감축을 통하여 간소화된 제어규칙을 구축할 수 있음을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.965-967
• /
• 2013

본 논문에서는 헬스케어시스템에서 효율적인 질병 관리를 위한 질병 규칙을 생성하는 질병규칙생성 기법(Disease Rule Creation Scheme)을 제안한다. DRCS는 기본적으로 Rough Set Theory의 개념을 이용하며, 각 속성과 결정 속성간의 지지율을 계산한다. 그리고 결정 속성을 기준으로 지지율이 낮은 속성은 제거한 후에, 질병을 판단할 수 있는 질병 규칙을 생성한다. 그 결과, DRCS는 C4.5알고리즘 보다 적은 질병규칙의 수를 생성하였으며, 질병 규칙의 정확성은 향상되었다.

• 한국컴퓨터정보학회논문지
• /
• 제13권2호
• /
• pp.113-119
• /
• 2008

월드 와이드 웹에는 거대한 양의 하이퍼링크들과 웹 사용 정보들을 포함하고 있는 동적인 페이지들이 모여 있다. 이러한 구조화되어 있지 않은 웹 데이터들과 온라인 정보들의 폭발적인 증가로 인해 효율적인 웹 데이터 마이닝 툴이 필요로 하게 되었다. 최근에는 웹 사용자들의 특성을 자동적으로 발견하기 위한 Web usage mining 분야에서 많은 연구가 진행되고 있다. 본 연구에서는 웹 사용자들의 방문 기록, 단백질 시퀀스, 소매점 거래 데이터 등과 같은 시퀀스 데이터를 분석하는 방법에 대하여 연구한다. 러프 셋 이론을 이용하여 시퀀스 데이터들을 클러스터링 하는 방법을 제안하고, 간단한 예제를 통하여 제안하는 절차를 소개하고 splice 데이터셋과 합성 데이터셋을 통한 실험 결과를 제시한다.