• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.4
• /
• pp.493-498
• /
• 2011

This paper presents the GraphSLAM improved by selecting the measurement with respect to their likelihoods. GraphSLAM estimates the robot's path and map by utilizing the entire history of input data. However, GraphSLAM's performance suffers a lot from severely noisy measurements. In this paper, we present GraphSLAM improved by the selective measurement method. Thus the presented GraphSLAM provides higher performance compared with the standard GraphSLAM.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.309-314
• /
• 2005

$PICS^{1}$는 터넷 내용물을 선별적으로 볼 수 있게 해주는 기반구조로서, 선별 소프트웨어와 등급 서비스들 간에 효과적으로 동작할 수 있게 도와주는 기술규격이다. 또한 시맨틱 $PICS^{1}$은 팀 버너스 리가 창안한 차세대 웹 기술로서 온롤로지를 기반으로 웹 데이터를 기계가 인식하고 자원의 공유와 재사용이 가능하다는 장점을 가진다. 본 논문에서는 시맨틱 웹 개념을 도입한 지능형 무선 PICS 환경을 구현함으로서 개선된 무선 웹 서비스 환경을 제안한다. 그리고 사전 연구를 통해 구현된 무선 PICS 환경을 초석으로 온톨로지 기술언어인 RDF를 사용하여 지능형 PICS 환경을 구현한다. 끝으로 일반 웹에 시맨틱 웹 개념을 도입할 때 유념해야 할 스키마의 처리를 고려하고 PICS 환경에서 중심이 되는 PICS 레이블, PICS 규칙을 RDF 로 기술하여 데이터의 의미를 명확하게 하고 관리 능력을 향상시킨다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.1166-1168
• /
• 2019

본 논문은 엣지컴퓨팅 환경에서 딥러닝기반 추천모델을 이용한 지능형 디지털 사이니지 플랫폼을 제안한다. 제안하는 플랫폼은 서버와 엣지로 구성되어 있다. 서버는 데이터를 관리하고, 광고추천 모델을 학습시키며, 엣지는 학습된 광고추천 모델을 이용하여 실시간으로 광고될 상품을 결정한다. 광고추천 모델은 상품을 선별하는 단계와 구매확률을 예측하는 단계로 구성되어 있다. 선별단계에서는 DNN에 벡터화된 사용자 기본정보와 상품 메타데이터를 입력하여 구매할 만한 상품을 도출한다. 최종적으로 군집의 예측된 구매확률을 이용하여 가장 적합한 광고를 선정한다. 제안하는 시스템은 서버와 통신하지 않고 엣지에서 학습된 모델로 광고를 결정한다. 이를 다수의 사용자에게 즉각적인 반응을 필요로 하는 디지털 사이니지에 적용했다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.721-723
• /
• 2020

부분 공간 군집화는 고차원 데이터에서 의미 있는 특징들을 선별 및 추출하여 저차원의 부분 공간에서 군집화 하는 것이다. 그러나 최근 딥러닝 활용한 부분 공간 군집화 연구들은 AutoEncoder을 기반으로 의미있는 특징을 선별하는 것이 아닌 특징 맵의 크기를 증가시켜서 네트워크의 표현 능력에 중점을 둔 연구되고 있다. 본 논문에서는 AutoEncdoer 네트워크에 Channel Attention 모델을 활용하여 Encoder와 Decoder에서 부분 공간 군집화를 위한 특징을 강조하는 네트워크를 제안한다. 본 논문에서 제안하는 네트워크는 고차원의 이미지에서 부분 공간 군집화를 위해 강조된 특징 맵을 추출하고 이를 이용해서 보다 향상된 성능을 보여주었다.

• Journal of Korean Library and Information Science Society
• /
• v.46 no.2
• /
• pp.367-392
• /
• 2015

In the library domain, the metadata concerning the journal and the articles published in the respective journal are the important attributes that can be used to search academic related information. In order to conduct this study, the American JATS standard and the XML DTDs of journal articles commonly used by well-known publishers were used. By comparing JATS standard to XML DTDs used by Elsevier and Springer, we were able to extract a total of 50 metadata elements(10 about the journals, 7 about the issues, 22 about the articles, and 11 about the authors). Additionally, we identified a total of 7 mandatory elements, 9 applicable mandatory elements, and 34 optional metadata elements. The implication of this study is that we selected metadata elements using XML DTDs that are used in the real world.

• Journal of Digital Convergence
• /
• v.15 no.1
• /
• pp.247-253
• /
• 2017

Feature selection or variable selection is a data mining scheme for selecting highly relevant features with target concept from high dimensional data. It decreases dimensionality of data, and makes it easy to analyze clusters or classification. A feature selection scheme requires an evaluation function. Most of current evaluation functions are based on statistics or information theory, and they can evaluate only for single feature (one-dimensional data). However, features have interactions between them, and require evaluation function for multi-dimensional data for efficient feature selection. In this study, we propose modification of FSDD evaluation function for utilizing evaluation of multiple features using extended distance function. Original FSDD is just possible for single feature evaluation. Proposed approach may be expected to be applied on other single feature evaluation method.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.33 no.5
• /
• pp.737-751
• /
• 2023

The importance of digital forensics in the cloud environment is increasing as businesses and individuals move their data from On-premise to the cloud. Cloud data can be stored on various devices, including mobile devices and desktops, and encompasses a variety of user behavior artifacts, such as information generated from linked accounts and cloud services. However, there are limitations in securing and analyzing digital evidence due to environmental constraints of the cloud, such as distributed storage of data and lack of artifact linkage. One solution to address this is archiving services, and Google's Takeout is prime example. In this paper, user behavior data is analyzed for cloud forensics based on archiving data and necessary items are selected from an investigation perspective. Additionally, we propose the process of analyzing selectively collected data based on time information and utilizing web-based visualization to meaningfully assess artifact associations and multi-behaviors. Through this, we aim to demonstrate the value of utilizing archiving data in response to the increasing significance of evidence collection for cloud data.

• Journal of Industrial Convergence
• /
• v.18 no.2
• /
• pp.95-100
• /
• 2020

Among the customer-oriented data used to comprehend the customer, the user review data has received much attention as it provides insights into customer opinion in a detailed and large-scale manner; many customers have come to rely upon and trust the user reviews. Many application developers are cognizant of the importance of user reviews, so they monitor and respond to these reviews. However, due to the absence of a systematic method, developers have been investing their time and money without clear correlation to the customer satisfaction. Therefore, this paper suggests a systematic method to select user reviews from the application market using the Kano Model that deals with customer satisfaction and service quality, thereby maximizing the customer satisfaction under the given time period and budget. This method is constructed in the following phases: the user review collection and requirement elicitation phase in which the developers collect user reviews from the application market and elicit requirements, the Kano Model application and selection phase in which the Kano Model is applied to the elicited requirements and selection occurs based on the quality type, and the stakeholder review and redefinition phase in which relevant personnel gather to review and redefine requirements from an internal perspective.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.7
• /
• pp.57-65
• /
• 2023

Various studies to enhance the accuracy of rice production forecasting are focused on improving the accuracy of the models. In contrast, there is a relative lack of research regarding the data itself, which the prediction models are applied to. When applying the same dependent variable and prediction model to two different sets of rice production data composed of distinct features, discrepancies in results can occur. It is challenging to determine which dataset yields superior results under such circumstances. To address this issue, by identifying potential influential features within the data before applying the prediction model and centering the modeling around these, it is possible to achieve stable prediction results regardless of the composition of the data. In this study, we propose a method to adjust the composition of the data's features in order to select optimal base variables, aiding in achieving stable and consistent predictions for rice production. This method makes use of the Korea Meteorological Administration's ASOS data. The findings of this study are expected to make a substantial contribution towards enhancing the utility of performance evaluations in future research endeavors.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.93-96
• /
• 2022

IoT 기기의 보급 및 확산으로 많은 산업군에서 이를 바탕으로 시계열 데이터를 획득하고 분석하려는 시도가 확대되고 있다. 시간의 흐름에 따라 저장된 데이터들은 주기에 따라 특정 패턴을 갖는 경우가 많으며 이러한 패턴을 파악한다면 주요 산업군의 의사 결정에 도움이 된다. 그러나 IoT 기기의 수집 오류 및 네트워크 환경에 의해 대부분의 시계열 데이터들은 누락 데이터, 이상 데이터를 갖고 있으며 이를 처리하지 않고 분석할 경우 오히려 잘못된 결과를 초래한다. 본 논문에서는 패턴 파악을 위해 '시간, 일, 주, 월, 년' 등 시간의 주기를 기준으로 데이터를 분할하며 이에 기반하여 데이터셋을 재구성하고 활용 가능한 데이터와 불가능한 데이터로 구분한다. 선별된 데이터셋은 클러스터링에 적용하였으며, 제안하는 방법을 적용할 경우 주기를 갖는 시계열 데이터를 활용하는 분석 및 학습에서 더 나은 결과를 보임을 확인하였다.