• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06b
• /
• pp.332-335
• /
• 2011

GPS 칩을 내장한 다양한 이동 통신 기기의 사용으로 위치 정보를 이용한 응용이 점차 확산될 전망이다. 위치 정보를 기반으로 한 응용 시스템에서는 다수 이동 객체의 위치 정보를 실시간으로 기록하고, 미래 시점의 객체 위치를 추정할 수 있어야 한다. 이런 요구에 따라 효과적인 이동 객체 색인에 고안된 기법이 TPR*-트리이다. 하지만 TPR*-트리는 고정 위치 색인에 최적화된 R-트리에 기본을 두었기 때문에 갱신 비용이 매우 커질 수 있다는 문제가 있다. R-트리에서는 갱신 연산이 빈번하지 않을 수 있지만 TPR*-트리의 경우는 이동 객체가 속도를 변화시킬 때마다 갱신 연산이 요구되기 때문에 상대적으로 매우 큰 갱신 비용이 발생할 수 있다. 이런 문제점을 부분적으로 해결하기 위해 본 논문에서는 쿨링다운 노드를 사용한 TPR*-트리를 제안한다. 제안된 트리는 트리의 상위 계층에 일부 이동 객체를 버퍼링함으로써 갱신 연산을 최소화 할 수 있다. 또한 지나친 사장 영역(dead space)의 확대를 방지함으로써 검색 성능 저하를 효과적으로 줄일 수 있다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2004.12a
• /
• pp.113-116
• /
• 2004

Assisted by high technologies of information and communication in storing and collecting moving object information, many applications have been developing technical methods to exploit databases of moving objects effectively and variously. Among them, today, Current and Anticipated Future Position Indexing methods manage current positions of moving objects in order to anticipate future positions of them or more complex future queries. They, however, strongly demand update performance as fast enough to guarantee certainty of queries as possible. In this paper, we propose a new indexing mettled derived from the TPR-tree that should has update performance considerably improved, we named it BUR-tree. In our method, index structure can be inserted, deleted, and updated with a number (or bulk) of objects simultaneously rather than one object at a time as in conventional methods. This method is intended to be applied to a traffic network in which vast number of objects, such as cars, pedestrians, moves continuously.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.91-93
• /
• 2004

이동 객체의 현재와 미래 위치 질의에 최적화된 색인 구조로써 TPR-트리가 있다 TPR-트리는 기존의 공간 색인 구조와 달리 이동 객체와 경계 사각형을 참조 위치와 속도 벡터를 매개 변수로 한 시간에 대한 선형 함수 형태로 모델링 함으로써 갱신 비용을 줄이고 현재 및 가까운 미래 위치 정보의 예측을 가능하도록 한다 . 하지만 TPR- 트리는 시간의 정파에 따라 경계 사각형이 선형적으로 환장됨으로 인해 경계 사각형 내의 객체를 제외한 나머지 공간인 사장 공간과 경계 사각 혈들 간의 겹침 현상을 증가시켜 정의 성능이 떨어진다는 단점을 가진다. 본 논문에서는 질의 성능을 향상시키기 위하여 경계 사각형 내의 이동 객체들이 이동함에 따라 변경되는 최소 경계 사각형 (MBR: Minimim Bounding Rectangle)을 베지어 곡선 함수를 이용하여 근사함으로써 사장 공간을 줄이는 적응 경계 사각형 (ABR: Adaptive Bounding Rectangle) 기법을 제안한다.

• Journal of KIISE:Databases
• /
• v.33 no.3
• /
• pp.283-298
• /
• 2006

The TPR-tree is the time-parameterized indexing scheme that supports the querying of the current and projected future positions of such moving objects by representing the locations of the objects with their coordinates and velocity vectors. If this index is, however, used in environments that directions and velocities of moving objects, such as vehicles, are very often changed, it increases the communication cost between the server and moving objects because moving objects report their position to the server frequently when the direction and the velocity exceed a threshold value. To preserve the communication cost regularly, there can be used a manner that moving objects report their position to the server periodically. However, the periodical position report also has a problem that lineal time functions of the TPR-tree do not guarantee the accuracy of the object's positions if moving objects change their direction and velocity between position reports. To solve this problem, we propose the query processing scheme and the data structure using road networks for predicting uncertainty positions of moving objects, which is reported to the server periodically. To reduce an uncertainty of the query region, the proposed scheme restricts moving directions of the object to directions of road network's segments. To remove an uncertainty of changing the velocity of objects, it puts a maximum speed of road network segments. Experimental results show that the proposed scheme improves the accuracy for predicting positions of moving objects than other schemes based on the TPR-tree.

• Journal of KIISE:Databases
• /
• v.33 no.3
• /
• pp.261-270
• /
• 2006

Positional data of moving objects can be regularly sampled in order to minimize the cost of data collection in LBS. Since position data which are regularly sampled cannot include the changes of position occurred between sampling periods, sampled position data differ from the data predicted by a time parameterized linear function. Uncertain position data caused by these differences make the accuracy of the range queries for present positions diminish in the TPR tree. In this paper, we propose the uncertainty region to handle the range queries for uncertain position data. The uncertainty region is defined by the position data predicted by the time parameterized linear function and the estimated uncertainty error. We also present the weighted recent uncertainty error policy and the kalman filter policy to estimate the uncertainty error. For performance test, the query processor based by the uncertainty region is implemented in the TPR tree. The experiments show that the Proposed query processing methods are more accurate than the existing method by 15%.

• International Journal of Computer Science & Network Security
• /
• v.21 no.7
• /
• pp.350-358
• /
• 2021

In modern years, the performance of the students is analysed with lot of difficulties, which is a very important problem in all the academic institutions. The main idea of this paper is to analyze and evaluate the academic performance of the college students with bipolar disorder by applying data mining classification algorithms using Jupiter Notebook, python tool. This tool has been generally used as a decision-making tool in terms of academic performance of the students. The various classifiers could be logistic regression, random forest classifier gini, random forest classifier entropy, decision tree classifier, K-Neighbours classifier, Ada Boost classifier, Extra Tree Classifier, GaussianNB, BernoulliNB are used. The results of such classification model deals with 13 measures like Accuracy, Precision, Recall, F1 Measure, Sensitivity, Specificity, R Squared, Mean Absolute Error, Mean Squared Error, Root Mean Squared Error, TPR, TNR, FPR and FNR. Therefore, conclusion could be reached that the Decision Tree Classifier is better than that of different algorithms.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.88-90
• /
• 2004

대표적인 현재 및 미래 위치 색인인 TPR-Tree는 이동 객체의 위치 좌표와 속도 벡터 정보를 이용하여 시간에 대해 선형적으로 이동 객체의 현재 및 미래 위치를 예측한다. 그러나 이동 객체의 이동 방향 및 속도가 특정한 임계값을 벗어날 경우에는 서버로 새로운 위치 보고를 수행하기 때문에, 차량과 같이 이동 방향과 속도가 빈번하게 변하는 환경에 적용할 경우 서버로 잦은 보고를 필요로 하게 되어 통신비용을 크게 증가시키는 문제가 있다. 통신비용을 일정하게 유지하기 위한 방법으로 이동 객체의 보고를 일정한 시간 간격으로 수행하게 하는 방법이 있다. 그러나 일정한 시간 간격으로 이동 객체의 위치 보고가 수행되는 환경에서는 보고간격 사이에 속도와 방향이 변하게 되면 시간에 대해 선형적인 위치 예측 시에 오차가 발생할 수 있다. 본 논문에서는 일정한 시간 간격으로 이동 객체의 위치 보고가 수행되는 환경에서 보고 간격 사이에 이동객체의 이동 속도와 방향의 변화에 대한 불확실성을 반영하기 위하여 도로 네트워크를 이용한 이동 객체의 불확실 위치데이터의 질의 처리 기법을 제시한다.