• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.20 no.4
• /
• pp.107-113
• /
• 2020

A number of studies have been conducted on predicting software faults, but most of them have been supervised models using labeled data as training data. Very few studies have been conducted on unsupervised models using only unlabeled data or semi-supervised models using enough unlabeled data and few labeled data. In this paper, we produced new semi-supervised models using tree algorithms in the self-training technique. As a result of the model performance evaluation experiment, the newly created tree models performed better than the existing models, and CollectiveWoods, in particular, outperformed other models. In addition, it showed very stable performance even in the case with very few labeled data.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.19 no.3
• /
• pp.127-133
• /
• 2019

Most studies of software fault prediction have been about supervised learning models that use only labeled training data. Although supervised learning usually shows high prediction performance, most development groups do not have sufficient labeled data. Unsupervised learning models that use only unlabeled data for training are difficult to build and show poor performance. Semi-supervised learning models that use both labeled data and unlabeled data can solve these problems. Self-training technique requires the fewest assumptions and constraints among semi-supervised techniques. In this paper, we implemented several models using self-training algorithms and evaluated them using Accuracy and AUC. As a result, YATSI showed the best performance.

• 한국체육학회지인문사회과학편
• /
• v.54 no.4
• /
• pp.329-345
• /
• 2015

Our study examines the relationship between coach turnover and professional sport team performance using the evidences of Korean professional soccer teams. We collected panel dataset of 304 team-year observations and 96 coaches from Korean professional soccer league during the period of 1983-2013. Among them, our final sample is comprised of 226 observations and 81 coaches manifested for fixed-effect generalized least square (GLS) regression analysis. Drawing on sport management literatures and organizational learning theory, we argue that it takes time for a new head coach to take charge of the team in which the new leader who secure more time to interact with organization members is better able to remodel and improve team performance. Our empirical findings reveal that off-season coach turnover has a positive impact while turnover during the season has its negative influences on team performance. In addition, we find that subsequent team performance in association of off-season coach turnover is comparably better than that of on-season succession. The results show that coach succession rendered from inside the professional soccer team mediates the relationship between coach turnover and team performance. Our findings imply that coach turnover in professional sport teams is a significant factor affecting team performance.

• 한국벤처창업학회:학술대회논문집
• /
• 2022.11a
• /
• pp.227-236
• /
• 2022

벤처기업 CEO의 본질적 역량과 역할은 조직의 자원을 얼마나 효율적으로 운영하는가에 따라 관리자로서 조직성과에 큰 영향을 미친다. 이러한 중요성에도 불구하고 CEO 역량 수준이 조직이 내재하는 자원에 미치는 영향에 대한 이론적 고찰과 CEO의 역량 수준과 조직성과 간의 관계가 조직 구성원의 역량에 따라서 어떻게 달라지는가에 관한 실증연구는 매우 부족한 실정이다. 기존 선행연구의 한계점을 보완하기 위해 본 연구에서는 자원기반이론(resource-based view of the firm)을 바탕으로 프로스포츠 산업에서의 조직 구성원의 역량에 따른 관리자의 감독역할에 대해 실증적으로 분석하였다. 구체적으로, 본 연구에서는 기존의 스포츠 기업가정신(sport entrepreneurship) 연구 분야의 이론을 경영전략의 자원기반관점과 융합하여 벤처기업 CEO와 프로스포츠 감독의 역할이 조직구조와 성과 메커니즘의 측면에서 매우 흡사하며 조직의 자원을 효율적으로 운영하고 성과를 도출하는 측면에서 모두 기업가(entrepreneur)적 특성을 반드시 내재해야 한다고 본다. 이러한 맥락에서 프로스포츠팀에서의 관리자로서의 감독 역량과 조직성과 간의 관계에서 조직의 자원 효율성의 매개효과와 조직 구성원 역량에 대한 조절효과를 설명하고자 한다. 미국프로농구(NBA) 30개 구단과 한국프로농구(KBL) 10개 구단의 9개 시즌(2013~2014시즌 - 2021~2022시즌)의 감독과 팀 데이터를 실증분석에 있어 프로세스 매크로 58 모형을 적용하여 본 연구의 가설을 검증하였다. 실증분석 결과, 미국프로농구과 한국프로농구 데이터 모두에서 (1) 프로농구팀의 자원 효율성은 감독의 역량과 승률 간의 정(+)의 관계를 매개하고, (2) 조직 구성원의 역량은 농구팀의 자원 효율성을 통한 감독 역량이 승률에 미치는 간접효과를 조절(p<.05) 하는 것으로 나타났다. 본 연구는 비교적 객관적으로 조직의 성과측정이 가능한 프로스포츠 데이터를 활용하여 프로스포츠 산업에서 벤처기업의 CEO와 유사한 기업가적 역할을 수반해야 하는 감독 및 조직 구성원의 역량이 조직의 성과에 미치는 영향을 실증분석하는 한편 스포츠 애널리틱스(sport analytics) 분야와 경영학 연구를 융합하였다는 의의가 있다.

• KIPS Transactions on Software and Data Engineering
• /
• v.3 no.2
• /
• pp.57-64
• /
• 2014

Most previous studies of software fault prediction model which determines the fault-proneness of input modules have focused on supervised learning model using training data set. However, Unsupervised learning model is needed in case supervised learning model cannot be applied: either past training data set is not present or even though there exists data set, current project type is changed. Building an unsupervised learning model is extremely difficult that is why only a few studies exist. In this paper, we build unsupervised models using representative clustering algorithms, EM and DBSCAN, that have not been used in prior studies and compare these models with the previous model using K-means algorithm. The results of our study show that the EM model performs slightly better than the K-means model in terms of error rate and these two models significantly outperform the DBSCAN model.

• 한국항공운항학회:학술대회논문집
• /
• 2016.05a
• /
• pp.117-124
• /
• 2016

현행 국내 항공안전감독 업무 및 시스템의 인허가 AOC(Air Operator Certificate) 관련 정보 확인 기능 부재, 연 월간 감독계획 간의 연계성 취약, 점검 데이터 활용 통계 및 분석 기반 취약, 점검 및 인허가 대상별 인허가 점검 관련 데이터 관리 기반 미흡, 제한적 시스템 기능 구현에 따른 상당 업무기능의 수작업 문서처리 등의 한계점을 파악하고 이를 개선하기 위한 대안으로 위험관리(Risk Management) 기법을 활용한 항공안전감독 업무절차 및 현행 운영 시스템의 개선모형을 도출하고 이를 적용한 운영체계의 구현 방향성을 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.945-947
• /
• 2013

입력 모듈의 결함경향성을 결정하는 결함 예측 모델 연구들은 대부분 훈련 데이터 집합을 사용하는 감독형 모델에 관련된 것들이었다. 하지만 과거 데이터 집합이 없거나 현재 프로젝트 성격이 다른 경우는 비감독형 모델이 필요하며, 이들에 관한 연구들은 모델 구축의 어려움 때문에 극소수 존재한다. 본 논문에서는 대표적인 클러스터링 알고리즘들을 사용한 비감독형 모델들을 제작하여, 기존 모델들이 많이 사용한 K-means 모델과 나머지 모델들의 성능을 비교하였다.

• Journal of IKEEE
• /
• v.17 no.3
• /
• pp.254-259
• /
• 2013

The choice of labeled data in semi-supervised learning algorithm can result in effects on the performance of the resultant classifier. In order to select labeled data required for the training of a semi-supervised learning algorithm, VCNN(Vector Centroid Neural Network) is proposed in this paper. The proposed selection method of label data is evaluated on UCI dataset and caltech dataset. Experiments and results show that the proposed selection method outperforms conventional methods in terms of classification accuracy and minimum error rate.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.637-639
• /
• 2021

인공지능 기반의 생활폐기물의 인식 및 선별에서, 선별 정확도의 저하는 인식 대상의 형태적 다양성과 학습데이터 부족 및 불균등성에 기인한다. 본 연구에서는 비전 인공지능 기반의 효과적인 폐기물 선별을 위한 인식 시스템 및 감독학습 기반의 인공지능 학습 기법을 제안한다. 생활폐기물 중 순환자원적 가치가 높은 CAN, PET, 그리고 이와 형상적으로 유사한 폐기물에 대해 본 연구에서 제안된 시스템에서 물체원형 및 훼손된 형태의 총 18 종 이미지 데이터를 대상으로, 감독학습기반의 인공지능 모델 제작에서 최적의 데이터 레이블링을 위한 분류체계를 제시한다.

• Journal of KIISE
• /
• v.42 no.6
• /
• pp.817-822
• /
• 2015

Relation extraction is an important information extraction technique that can be widely used in areas such as question-answering and knowledge population. Previous studies on relation extraction have been based on supervised machine learning models that need a large amount of training data manually annotated with relation categories. Recently, to reduce the manual annotation efforts for constructing training data, distant supervision methods have been proposed. However, these methods suffer from a drawback: it is difficult to use these methods for collecting negative training data that are necessary for resolving classification problems. To overcome this drawback, we propose a one-class classification model that can be trained without using negative data. The proposed model determines whether an input data item is included in an inner category by using a similarity measure based on lexical information and syntactic patterns in a vector space. In the experiments conducted in this study, the proposed model showed higher performance (an F1-score of 0.6509 and an accuracy of 0.6833) than a representative one-class classification model, one-class SVM(Support Vector Machine).