• Journal of Information Processing Systems
• /
• 제15권6호
• /
• pp.1489-1502
• /
• 2019

This work introduces a novel unweighted combination method (UCSS) for business failure perdition (BFP). With considering features of BFP in the age of big data, UCSS integrates the quantitative and qualitative analysis by utilizing soft set theory (SS). We adopt the conventional expert system (ES) as the basic qualitative classifier, the logistic regression model (LR) and the support vector machine (SVM) as basic quantitative classifiers. Unlike other traditional combination methods, we employ soft set theory to integrate the results of each basic classifier without weighting. In this way, UCSS inherits the advantages of ES, LR, SVM, and SS. To verify the performance of UCSS, it is applied to real datasets. We adopt ES, LR, SVM, combination models utilizing the equal weight approach (CMEW), neural network algorithm (CMNN), rough set and D-S evidence theory (CMRD), and the receiver operating characteristic curve (ROC) and SS (CFBSS) as benchmarks. The superior performance of UCSS has been verified by the empirical experiments.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.429-430
• /
• 2011

Roughness set theory is a popular topic to use in color-image segmentation. A new popular color image segmentation algorithm is proposed by scientists with the point using traditional histogram and Histon construct roughness set histogram. But, there is still a problem about that is the correlativity of color vector in roughness set histogram, which take an inactive effect in the process of color-image segmentation. Therefore, this paper represents further research based on this and proposed an improved method proved through lot of experiments. The experimental result reduces the correlativity of color vector in roughness set histogram and calculation time remarkably.

• 디지털융복합연구
• /
• 제12권8호
• /
• pp.257-264
• /
• 2014

본 논문은 대학생을 대상으로 학생들의 학업 및 취업경쟁력 강화에 필요한 핵심 역량의 도출과 진단에 관한 연구이다. 이러한 데이터의 처리에는 매우 많은 변수로 인한 차원의 증가로 인하여 계산상의 어려움이 수반되어지고 변수의 중복성과 중요도에 있어서 다양한 통계적 관계가 존재한다. 따라서 범주형 데이터의 분류에서 발생하는 애매함이나 불확실성을 처리하기 위하여 러프집합과 정보 엔트로피를 기반으로 불확실성의 척도를 정의하여 학생들의 유사행동을 분석하고, 기존의 통계적인 방법과의 비교우위를 위하여 속성간의 변별력을 비교하였다. 도출된 공통 핵심역량과 전공핵심역량을 이용하여 학생들이 가지고 있는 역량의 정성적인 보유수준과 부족한 역량을 파악할 수 있기 때문에, 대학생활지도와 취업진로지도의 보조자료로 활용이 가능할 뿐만 아니라 대학 적응을 높이고 취업 활성화에 부합될 수 있다고 사료된다.

• 정보처리학회논문지D
• /
• 제8D권3호
• /
• pp.203-210
• /
• 2001

본 논문에서는 저장 데이터베이스의 정보 시스템을 정제하여 새로운 객체를 근사 추론하기 위한 규칙 생성에 관한 연구이다. 이 때 많은 수의 규칙 생성은 의사결정자로 하여금 직관적인 판단을 어렵게 하며 의사 결정 시 부가되는 시간적인 단점도 있다. 그러므로 본 논문에서는 확률적 러프 이론에 기반하여 규칙을 최대한 간결화 하는 데 주안점을 두었다. 제안하는 알고리즘은 러프 이론에 기반한 최적 리덕트를 생성하는 과정에 확률적 개념을 도입하여 리덕트 생성에서부터 어느 정도의 허용치를 부여함으로써 기존의 규칙 생성 알고리즘의 근사 결정 규칙을 보다 간결하게 표현할 수 있다. 이 과정에서 제안한 확률적 최소 리덕트 생성 알고리즘은 기존의 리덕트를 더욱 작게하여 추론에 필요한 조건 속성의 수를 최소화하였고 이는 확률적 근사 결정 규칙의 생성 과정에서 시간 복잡도에 따른 시간을 줄일 수 있다. 제안된 알고리즘을 이용하여 패턴 분류 문제에 표준적으로 사용되는 IRIS 데이터와 Wisconsin Breast Cancer 데이터에 대해 실험하였으며 허용된 분류율 하에서 규칙의 수와 간결함의 정도를 기존 알고리즘과 비교하였다.

• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.460-465
• /
• 2007

본 논문에서는 규칙의 커플링 문제를 최소화하기 위해 주어진 데이터의 통계적 특성과 퍼지-러프집합을 기반으로 한 새로운 패턴분류 방법을 제안한다. 제안한 방법 하에서 주어진 데이터의 통계적 특성은 입력부 퍼지집합의 파티션 개수를 결정하고, 생성된 규칙의 커플링문제를 최소화하기 위한 선택기준으로 사용하였다. 또한 러프집합은 수치적인 데이터로부터 생성된 규칙들 간의 불필요한 속성들을 제거하기 위한 도구로서 이용하였다. 제안된 방법의 타당성을 검증하기 위하여 Fisher의 IRIS 데이터를 사용하여 기존의 패턴분류 방법과 분류 정확도를 비교하였다. 실험결과, 제안한 방법이 기존의 학습에 의한 방법들보다 비교적 좋은 성능을 가진다는 것을 알 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권3호
• /
• pp.161-169
• /
• 2010

요구사항 추출 활동은 다양한 이해당사자의 요구를 요구사항으로 추출하고 협상을 위한 정보를 생성하는 사전 준비 작업이다. 그러나 현재 고객으로부터 요구사항 수집을 위한 기법은 다수 존재하고 있으나, 요구사항 분류와 협상을 위한 정보 제공에 대한 연구는 부족한 실정이다. 본 연구는 요구사항을 분류하고, 협상을 위한 정보를 식별하는 기법에 대한 연구이다. 본 연구는 요구사항 분류를 위해 Kano 모델과 통계 기법을 활용하였으며, 협상을 위한 정보를 생성하기 위해 요구사항과 문제의 관계를 고려하였다. 제안한 기법에 대한 시뮬레이션, Rough Set Theory, 사례 검증을 수행하여 제안한 방법의 타당성을 검증하였다.

• 전자공학회논문지CI
• /
• 제45권3호
• /
• pp.97-102
• /
• 2008

본 논문은 컬러 질의 영상의 효과적인 검출을 위해 공간 컬러모델 및 특징점 정합 방법을 이용한 객체 기반 영상 검색 방법을 제안한다. 제안하는 방법은 선행 연구 되었던 컬러 히스토그램 방법의 단점을 극복하고, 데이터베이스 영상과 질의 영상의 컬러 유사도를 사용자 조작 없이 실시간 분할 검출한다. 이를 위해 HMMD 모델과 러프 집합 이론을 이용하였다. 여기서 질의 영상의 검출을 위해 질의 영상과 데이터베이스 영상 간의 색상 유사도를 비교하여 관심 영역을 선택하고, 관심 영역에서 SIFT 정합 방법을 이용하여 검색한다. 실험 결과, 본 논문에서 제안하는 방법이 기존 방법보다 우수한 검출율을 보임을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제10권2호
• /
• pp.77-83
• /
• 2010

차량 애드 혹 망 (Vehicular Ad Hoc Networks: VANETs)은 일반적으로 이동성이 높은 차량 노드들로 구성되어 매우 짧은 시간 망 위상이 지속되므로 불안정한 통신 링크를 갖는 자기 조직화 P2P 망이다. VANETs은 고정된 인프라 구조나 중앙 통제 라우팅 장비 없이 자동적으로 망구조를 구성하고, 차량 노드들은 시간에 따라 고속으로 이동하며 망에 결합하거나 이탈하는 개방 망이므로 중앙 집중식 제어 없이 누구나 접속을 허용하기 때문에 망상에 해롭고 비정상 행위 노드들에 대한 침입에 매우 취약하다. 본 논문에서는 이러한 VANETs에서의 노드들의 활동에 대한 비정상 행위를 효율적으로 식별할 수 있는 러프집합기반 비정상 행위 탐지방법을 제안하고, 그 성능을 모의실험을 통해 임계 허용 오차에 대한 비정상 행위 탐지율과 거짓 경고율로 평가하였다.

• 한국지능시스템학회논문지
• /
• 제10권3호
• /
• pp.188-193
• /
• 2000

본 논문에서는 플랜트를 위한 규칙수가 줄어든 뉴로-퍼지 모델을 얻기 위한 접근을 제안한다. 뉴로-퍼지 네트워크는 가우시안 소속함수를 가진 RBF(Radial Basis Function) 네트워크들로 구성되고 오차 역전파 학습 알고리듬에 의해 학습된다. 러프 집합 이론에서 의존도는 규칙들으 줄이는데 사용된다. 모델에서 각 규칙이 조건 소속함수 값과 플랜트의 출력 값 사이의 의온도는 플랜트를 동정하기 위하여 규칙이 얼마나 많은 공헌을 하는가를 알 수 있도록 한다. 줄어든 모델은 원래의 것으로써 동일한 성능을 유지하는 동안 선택 알고리듬은 복잡성과 구조의 잉여성을 최소화할 수 있다.

• 한국지능시스템학회논문지
• /
• 제8권6호
• /
• pp.27-36
• /
• 1998

본 논문은 대규모 데이터베이스에서 유용한 지식을 발견하기 위해 라프셋을 중심으로 한 통합적 방법을 제시한다. 본 방업에서는 데이터베이스에 있는 실제 데이터에서 일반화된 데이터를 추출하기 위해 속성중심의 개념계층 상승기법을 사용하고, 획득 정보량을 측정하기 위해 결정 트리에 의한 귀납법을 사용한다. 그리고 불필요한 속성 및 속성값을 제거하기 위해 라프셋 이론의 지식감축 방법을 적용한다. 통합 알고리즘은 먼저, 개념의 일반화에 의해 데이터베이스의 크기를 줄이고, 다음으로 결정속성에 영향을 적게 미치는 조건속성을 제거함으로써 속성의 수를 줄인다. 마지막으로 속성간의 종속관계를 분석함으로써 불필요한 속성값을 제거하여 간략화된 결정규칙을 유도한다.