• Proceedings of the KIEE Conference
• /
• 2001.07c
• /
• pp.1685-1687
• /
• 2001

변전소 및 전력계통에 지락사고가 발생하면 변전소의 접지망에 사고전류가 유입하게 된다. 이 유입전류는 가공지선이나 변압기 중성선 그리고 기타 접지 망에 연결되어 있는 접지시스템에 의해 분류되는데, 모델변전소의 지락전류 흐름도를 모델화하여 Pspice 프로그램으로 대략적인 분류율을 계산하고, 실측치를 통해 지락사고시의 가공지선 분류율을 비교 평가하였다.

• Proceedings of the CALSEC Conference
• /
• 2002.01a
• /
• pp.175-197
• /
• 2002

The persons who realize e-Business should have capabilities of understanding in both Information Technology and business processes. It is expected that current education policies and systems could not meet needs of e-Business Human Resources in Korea, In this paper. we define and categorize HR for e-Business. Using this, we present policies for a development of e-Business human resources. after conducting intensive field survey, Also we develop a program for e-Business education. In order to develop that, we research previous studies on skills and knowledge requirements of human resources and e-Business education program.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06c
• /
• pp.64-67
• /
• 2008

DNA Chip을 이용한 실험은 그 결과에 대하여 대용량의 정보를 쏟아내고 있다. 이러한 데이터를 분석하는 다양한 기법 중, 미리 정해진 클래스에 데이터를 해당하는 클래스로 분류하는 기법인 분류화를 수행하여 의도한 목표를 위한 규칙을 찾아내고자 한다. 본 논문에서는 이를 위해 DNA Chip과 같은 방대한 양의 정보 분석에 대하여 적합한 생태계 모방 알고리즘인 PSO Algorithm을 사용하여 분류 규칙을 발견하여 이를 데이터에 적용, 분류하는 연구를 기술하고 있다.

• Annual Conference on Human and Language Technology
• /
• 2007.10a
• /
• pp.216-227
• /
• 2007

본고는 서로 다른 용어와 기준들로 일관성 없이 나열되어 있던 이전의 '-이나'의 의미 해석을 통합적으로 설명해 보고자 한다. 즉 특정한 양상 척도(개연성, 희구성, ${\ldots}$ 등)을 이용하여 '-이나'가 쓰인 맥락에 따라 척도 함축을 해석해 내고자 한다. 따라서 본고는 교착어의 특성을 가진 한국어의 특수조사(혹은 한정사) '-이나'의 함축 해석에서 척도의 유형을 분류함으로써 의미 해석과 형식화의 초석을 다지는 연구가 될 것이라고 기대한다. 먼저 '-(이)나'의 함축 해석에서 나타나는 척도의 유형에 대하여 논의하고자 한다. 따라서 '-(이)나'의 함축이 드러내는 척도들을 형식적으로'선형과 비선형'척도를 나누고 이러한 문장들이 들어내는 양상을 분류할 것이다. 둘째, 정대호 외(2002)에서 논의하고 있는 '~이나/도'가 분류사구와 결합한 문장이 화용론적인 개연성의 척도상에서 하한 값을 유발한다고 제안함에 따라, 본고는 양상을, 이러한 개연성의 척도를 포함한, '인식(진리, 원인, 지식, 평가), 의무(의지), 희구(기원)'의 3가지 양상으로 분류하고, 이에서 '-(이)나'가 유발하는 각각의 척도상의 함축을 기술할 것이다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.213-214
• /
• 2018

빅 데이터 활용의 증가로 인해 효율적으로 데이터를 분류하는 것은 머신러닝의 주요 과제이다. 제한적인 자원을 가지고 이에 맞는 처리능력을 갖기 위해서는 단일 기기의 자원 관리능력을 향상시키는 방향의 연구가 필요하다. 본 논문에서는 머신러닝을 위한 학습 데이터를 최대 엔트로피 이론을 적용시켜 효과적으로 분류하는 방법을 제안한다. 최대 엔트로피에 대한 간단한 설명과 최대 엔트로피 이론을 적용시키기 위한 간단한 사전 작업들의 방향 등에 대한 설명을 토대로 기술하였다. 또한 본 연구를 통해 얻게 된 문제점들과 향후 연구에 필요한 피드백을 갖는다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2002.05a
• /
• pp.42-48
• /
• 2002

기존 연구에서 정보화전략계획(Information Strategy Planning)과 계획의 실현을 위한 절차와 산출물, 기법을 정형화하는 정보화전략계획 방법론(Methodology)에 관한 논의가 존재해 왔다. 그런데 이들은 기업 모델 도출을 위한 절차와 산출물 기법의 기술과 정형화에 그칠 뿐 그 하위 구성 요소인 데이터의 관리나 입출력 관계, 업무 지식, 경험에 대한 효과적인 관리에 관한 접근은 부족했던 실정이다. 게다가. 비 정형화된 지식이나 경험, 업무 성과 데이터 등의 정형화와 분류체계에 대한 전략적인 접근은 미비하다. 본 연구에서는 기업 자원을 프로세스. 조직. 환경. 정보시스템의 네 관점으로 분류한 기업 정보 분류 체계를 제시하고 그 구성, 내용, 범위를 살펴본다. 이렇게 분류된 데이터간 연관관계의 정의와 그 타당성 검증을 거쳐, 기업 자원의 전략적 관리를 위한 기업 모형 수립 방안을 제시하게 된다. 본 연구의 정보 관리 모델을 통해, 정형화된 데이터 뿐 아니라 비 정형화된 지식과 경험, 선진 업무 지식, 성과 지표를 효과적으로 활용하여 기업의 전략적 방향을 보여줄 수 있다.

• Annual Conference on Human and Language Technology
• /
• 2011.10a
• /
• pp.94-97
• /
• 2011

본 논문은 자동으로 한글 트위터 메시지(트윗: tweet)에 포함된 감정을 분석하는 방법에 대하여 기술한다. 제안된 시스템에 의하여 수집된 트윗들은 어떤 질의에 대해 긍정 혹은 부정으로 분류된다. 이것은 일반적으로 어떤 상품을 구매하기 원하는 고객이나, 상품에 대한 고객들의 평가를 수집하기 원하는 기업에게 유용하다. 영문 트윗에 대한 연구는 이미 활발하게 진행되고 있지만 한글 트윗, 특히 감정 분류에 대한 연구는 아직 공개된 것이 없다. 수집된 트윗들은 기계 학습(Naive Bayes, Maximum Entropy, 그리고 SVM)을 이용하여 분류하였고 한글 특성에 따라 자질 선택의 기본 단위를 2음절과 3음절로 나누어 실험하였다. 기존의 영어에 대한 연구는 80% 이상의 정확도를 가지는 반면에, 본 실험에서는 60% 정도의 정확도를 얻을 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.220-222
• /
• 2006

현재 마이크로어레이 기술은 대량의 유전자 발현 데이터 특히 암과 관련한 데이터들을 쏟아내고 있다. 이 데이터를 기반으로 암의 종류에 따른 유전자들의 차별적 발현 양상을 분석하고 발현량의 변화가 두드러지는 유전자들에 기반하여 암을 분별할 수 있는 분류 모델을 구축한 후, 이것을 암을 진단하거나 예측하는데 이용할 수 있다. 본 논문에서는 마이크로어레이 데이터를 사용해 특징추출방법과 분류를 위한 Naive Bayes, k-Nearest Neighborhood, Decision Tree, Support Vector Machine, Neural Network 알고리즘을 이용하여 최적의 조합을 찾고 어떤 알고리즘이 가장 효과적인지 실험을 통해 분석해보고 성능평가 하는 것을 목표로 한다.

• Annual Conference of KIPS
• /
• 2003.05a
• /
• pp.321-324
• /
• 2003

근래, DNA microarray와 관련된 기술의 발달은 한번에 수천 개 이상의 유전자발현데이터를 얻을 수 있게 해주었고, 많은 연구기관에서 이를 이용한 질병 분류에 관하여 연구를 진행하고 있다. 하지만 수천 개의 유전자 모두가 암에 관계된 것은 아니기 때문에, 관련 유전자의 선별 작업을 먼저 수행하는 것이 필요하며, 이를 위하여 통계기반 방법, 정보이론기반 방법 등 다양한 방법이 사용되고 있다. 본 논문에서는 의미 있는 유전자를 선택하는 방법으로서, 일반적인 순위-기반 방법이 양의 상관관계만 이용한다는 점을 보완하여, 유전자와 학습데이터 사이의 음의 상관관계까지도 고려한 방법을 제시하였다. 제안한 방법의 성능을 검증하고자 잘 알려진 암 관련 유전자발현데이터이인 림프종 데이터에 대하여, MLP와 KNN을 이용한 분류를 해 보았다. 실험 걸과 총합 상관관계를 가지는 특징 집합이 일반적인 순위-기반 방식의 특징 집합에 비하여 높은 분류 인식률을 보여주었다.

• Annual Conference of KIPS
• /
• 2018.10a
• /
• pp.755-758
• /
• 2018

현재의 정보 검색 및 문서를 분류하는 기법에 대하여 신경망을 이용한 정보검색 모델에 대한 연구가 활발히 진행되고 있으며, 간단한 문장에 대한 주제어 분석에서부터 장문에 해당하는 수필 등의 문서를 분류하는 기술이 요구되고 있으며, 이를 실현하기 위한 다양한 알고리즘을 적용하거나, 단어 및 문서에 가중치를 적용하거나, 문서에서의 특이 값을 구하고, 이를 분석하는 방법에 대하여 정보화가 가속화 되면서 정확한 문서에 대한 이해가 요구되고 있다. 이러한 연구와 직접적으로 관련된 단어의 빈도에 대한 논의는 사회과학의 영어학습에 대한 연구 또는 순수 언어에 대한 연구에 머물러 있다. 이에 본 연구에서는 영문에서의 응집장치를 이용하여 문장에서의 중요 단어에 대한 빈도를 합리적으로 증가시켜 문장의 의미를 더 정확하게 분석할 수 있는 기법에 대하여 제시하고자 하며, 본 논문에서는 영문 수필 사이트의 분류를 추측하고 이를 자동 분류 할 수 있는 방법에 대하여 제시하고자 하며, 이를 구현하여 문서의 의미에 대한 연구에 기여하고자 한다.