• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 춘계학술대회 학술발표 논문집
• /
• pp.8-11
• /
• 2001

연관규칙 마이닝은 트랜잭션 데이터를 이루고 있는 항목간의 잠재적인 의존관계를 발견하는 데이터 마이닝의 한 분야이다. 정량 연관규칙이란 부류적 속성과 정량적 속성을 모두 포함한 연관규칙이다. 정량 연관규칙 마아닝을 위한 퍼지 기술의 응용, 정량 연관규칙 마이닝을 위한 일반화된 연관규칙 마이닝, 사용자의 관심도를 반영한 중요도 가중치가 있는 연관규칙 마이닝 등에 대한 연구가 이루어져 왔다. 이 논문에서는 중요도 가중치가 있는 일반화된 퍼지 정량 연관규칙 마이닝의 새로운 방법을 제안한다. 이 방법은 부류적 속성의 퍼지 개념 계층과 정량적 속성의 퍼지 언어항 일반화 계층을 일반화된 추출하기 위해 이용한다. 이것은 속성들의 수준별 일반화 계층과 속성의 중요도 가중치를 이용함으로써 사용자가 보다 융통성 있는 연관규칙을 마이닝할 수 있게 해준다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제26권1호
• /
• pp.51-69
• /
• 2012

본 연구는 Davydov가 언급한 이론적 일반화가 구체적으로 어떻게 이루어지는지를 탐구하는 것을 목적으로 하며, 이를 위해 본질적 속성의 인식을 돕는 전략과, 이 전략을 통해 이루어지는 이론적 일반화의 과정을 제시하는 것을 연구문제로 설정하였다. 본질적 속성의 인식을 돕는 전략으로 WIOS를 제시하였다. WIOS는 일반화하려는 명제의 결론을 고정하여, 명제의 가정으로부터 추출한 여러 속성을 대상으로 WIO를 통해 결론에 영향을 미치는 속성과 그렇지 않는 속성의 인지를 통해 본질을 추출하는 전략이다. 한편, 이 전략을 통해 이루어지는 이론적 일반화의 과정을 '인지, WIOS, 일반화된 명제의 추측, 정당화, 본질적 속성에 대한 통찰'의 순으로 제시하였다. 그리고 WIOS를 통해 이루어지는 이론적 일반화의 과정을 중학교 교과서에 수록된 2가지 정리에 적용하여 보았으며, 이를 통해 이 전략의 과정이 이론적 일반화의 수행을 도울 수 있는 전략임을 확인해 보았다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.484-486
• /
• 2004

현재 침입탐지시스템이 직면하고 있는 문제점 중 하나는 침입탐지시스템이 발생시키는 경보의 수가 실제공격 횟수에 비해 너무 많다는 점이다. 따라서 침입시도 정보관리자의 경보 분석을 도와 줄 수 있는 침입시도 정보 클러스터링 기법들이 최근 소개되고 있다. AOI를 이용한 기법 또한 그중 하나이다 하지만 기존 AOI 알고리즘은 속성 칸에 대한 과도한 일반화를 발생시키는 문제점이 있다 이에 본 논문에서는 AOI 알고리즘의 속성 일반화 단계 수정을 통한 과도한 일반화 방지에 대한 방법을 제시하였다.

• 인지과학
• /
• 제33권3호
• /
• pp.135-154
• /
• 2022

본 연구는 코로나-19로 인한 스트레스를 높게 지각할 때, 스트레스를 낮게 지각할 때에 비하여 응집성이 낮은 사회적 범주에 대한 속성 일반화가 강해진다는 것을 확인하기 위해 이루어졌다. 이를 위해 본 연구는 응집성이 높은 범주(수녀, 군인, 비행기승무원)와 낮은 범주(웨딩플래너, 통역사, 플로리스트)를 선정하였고, 336명의 참가자를 모집하여 범주기반 속성 일반화 과제(범주 구성원 몇몇에게 반복 관찰되는 속성이 범주 구성원 전체에서 얼마나 나타날지 추론)를 수행하게 하였으며, 이들이 지각한 코로나-19 스트레스 정도를 측정하였다. 결과적으로, 사회적 범주의 응집성이 높을 때, 낮을 때에 비하여 속성 일반화가 강해지는 효과와 코로나-19로 인한 스트레스를 높게 지각하는 사람들에게서 낮게 지각하는 사람들보다 속성 일반화가 강해지는 효과를 관찰하였다. 더하여 본 연구는 코로나-19 스트레스를 높게 지각하는 사람들은 스트레스를 낮게 지각하는 사람들에 비해, 응집성이 낮은 범주에서도 반복 관찰되는 속성을 강하게 일반화하는 경향이 있음을 확인하였다. 본 연구는 코로나-19 발생 이후 고정관념과 편견이 심화되고, 차별적 행동이 증가하는 현상의 근본에 코로나-19 스트레스와 이로 인한 속성 일반화 경향 증가라는 인지적 기제가 존재함을 보여 준다는 측면에서 중요하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.405-408
• /
• 2006

사용자들의 특성에 맞게 개인화되고 세분화된 위치 기반 서비스를 제공하기 위해서는 방대한 이동객체의 위치 이력 데이터로부터 유용한 패턴을 추출하기 위한 시간 패턴 탐사가 필요하다. 기존의 시간 패턴 탐사 기법들은 이동 객체의 시간에 따른 공간 속성들의 변화를 충분히 고려하지 못하거나, 시공간 속성을 동시에 고려한 패턴 탐사는 가능하나 제약을 가진 공간 정보를 포함하는 패턴 탐사 문제에는 적용하기 어렵다. 따라서 이동 객체의 위치 이력 데이터들에 대한 시공간적 속성들을 동시에 고려하여 다양한 이동 패턴들 중 공간 제약을 만족하는 패턴들을 추출하기 위한 새로운 이동 패턴 탐사 기법이 요구된다. 이러한 패턴 탐사 기법의 개발을 위해서는 상세 수준의 위치 이력 데이터들을 공간 영역 정보 형태로 변환하는 위치 일반화 접근법이 필요하다. 이에 본 논문에서는 객체의 위치값과 공간 영역간의 위상 관계를 고려하여 이동 객체의 위치 속성에 대한 공간영역으로의 일반화 방법을 제안한다. 이동 객체의 상세 수준의 위치 정보에서는 의미있는 패턴을 찾기가 어렵기 때문에 데이터 전처리 과정을 통해 일반화된 데이터 집합을 형성함으로써 효율적인 이동 객체의 시간 패턴 마이닝을 유도할 수 있다.

• 한국공간정보시스템학회 논문지
• /
• 제4권1호
• /
• pp.5-14
• /
• 2002

공간데이터의 일반화는 기존에 구축된 공간 데이터베이스로부터 새로운 소축척 데이터베이스를 유도할 수 있는 중요한 GIS 기법이다. 공간데이터의 일반화는 공간데이터의 기하 및 속성데이터를 변형[3, 15] 시킬 뿐만 아니라, 데이터 모델의 관계를 따라서 연결되어 있는 다른 공간데이터도 변형[8-10, 14]시킨다. 이것을 공간데이터 일반화의 파급이라고 한다. 이 파급을 처리하지 않은 채 일반화를 계속 진행하면, 일관성 혹은 원시데이터베이스 정보 중의 일부가 손실된 채 새로운 데이터베이스가 생성될 수 있다. 그럼에도 불구하고 일반화에 관한 기존 연구들은 공간데이터의 상호관계를 무시한 채 독립된 하나의 공간데이터에 대한 유도를 위해서 방법들을 제시해 왔다. 그리고 그 결과 공간데이터의 기하 및 속성을 변형시키는 많은 일반화 연산자들이 제시되어졌다. 본 연구는 이 일반화 연산자들이 어떤 공간데이터에 적용되었을 때 그와 관련된 다른 공간데이터에도 파급 적용될 수 있도록, 일반화 연산자를 확장을 시킬 것이다. 이 일반화 파급을 처리하기 위해서, 본 연구는 일반화 과정에서 반드시 고려될 필요가 있는 규칙들을 제시한다. 그리고 일반화 연산자들이 반드시 준수해야 하는 규칙들을 기술한다. 이 규칙들은 관계대수로서 표현될 수 있으므로, SQL로 쉽게 전환할 수 있다. 이 확장된 일반화 연산자들의 적합성을 검토하기 위해서 간단한 프로토타입을 구현하였다.

• 논리연구
• /
• 제12권1호
• /
• pp.45-87
• /
• 2009

이 글에서 필자는 결정론적 인과를 토대로 속성 수준의 인과와 사건 수준의 인과의 연관성을 주장하는 하우스만(Hausman 1998)의 이론을 비판하고 두 수준의 인과의 관계를 바르게 이해하는 데 무엇이 필요한지를 제시한다. 하우스만은 결정론과 배경 조건의 다양성을 토대로 그리고 비결정적 상황에서는 확률에 대한 결정론적 인과를 토대로, 속성 수준의 인과는 사건 수준의 인과에서 도출된다는 의미에서 속성 수준의 인과는 사건 수준의 인과의 일반화라고 주장한다. 필자는 그 관계에 대한 문제를 제기하고 이 문제는 사건 수준의 인과에 본질적인 인과 연결을 주목하지 않은 채 변수들 간의 의존 관계만으로 두 수준의 인과의 관계를 단순히 해명하는 데에 있다고 지적한다. 필자는 두 수준의 인과의 관계는 단순히 한 가지 관점이나 방식으로 파악될 수 없고 해명, 설명, 예측 둥 다양한 관점에서 복합적으로 파악되어야 한다고 주장한다. 특히 사건 수준의 인과는 속성 수준의 인과에 개념적으로 의존하는 관계를 주목한다.

• 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.

• 한국지능시스템학회논문지
• /
• 제10권3호
• /
• pp.232-241
• /
• 2000

본 연구는 대량의 데이터에서 효율적으로 최적 규칙을 발견하기 위해 개념 계층과 정보 이득 및 라프셋 이론에 딕반한 통합 방법을 제시하고,이를 최적 규칙 발견 시스템으로 구현한다. 본 방법은 데이터베이스에 있는 데이터에서 일반화된 지식을 추출하기 위한 속성중심의 개념 상승 기법과 불필요한 속성 및 속성값을 제거하기 위한 지식 감축 기법을 적용하며, 최적 규칙의 도출을 위해 속성의 중요도를 사용한다. 본 시스템은 먼저, 속성값 개념의 일반화에 의해 종복 튜플을 제거함으로써 데이터 베이스의 크기를 줄이고, 결정속성에 뎡향을 주지않는 조건속성을 제거하여 간략화된 최적 규칙을 유도한다.그리고 실제 데이터에 적용하여 결정 규칙을 유도하고 그 규칙을 새로운 데이터에 테스트햐 봄으로써 새로운 데이터에도 잘 적용됨을 보인다.

• 한국인터넷방송통신학회논문지
• /
• 제11권1호
• /
• pp.171-176
• /
• 2011

속성문법은 각 구문규칙에 의미론을 추가한 문법체계이다. 이 속성문법은 두 가지의 속성을 사용하는데 기존 문법에 이 두 가지 속성들로 파싱 과정을 이해하며 추가적으로 작성하여야 하기에 구성의 어려움이 있다. 그래서 본 논문에서는 속성문법을 보다 쉽게 작성할 수 있도록 세 가지 용어들을 정의하며 속성과 속성문법의 분석을 하였고 그래서 경우에 따라서는 하나의 속성만으로도 속성문법을 작성할 수 있다는 가능성을 보여준다.