• The KIPS Transactions:PartD
• /
• v.11D no.5
• /
• pp.1031-1040
• /
• 2004

Electrocardiogram being the recording of the heart's electrical activity provides valuable clinical information about heart's status. Many re-searches have been pursued for heart disease diagnosis using ECG so far. However, electrocardio-graph uses foreign diagnosis algorithm due to inaccuracy of diagnosis results for a heart disease. This paper suggests ECG data collection, data preprocessing and heart disease pattern classification using data mining. This classification technique is the FB(Frequent pattern Bayesian) classifier and is a combination of two data mining problems, naive bayesian and frequent pattern mining. FB uses Product Approximation construction that uses the discovered frequent patterns. Therefore, this method overcomes weakness of naive bayesian which makes the assumption of class conditional independence.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.5 s.43
• /
• pp.95-103
• /
• 2006

In this paper, the input pattern vectors are extracted and the learning algorithms is designed to recognize EEG pattern vectors. The frequency and amplitude of alpha rhythms and beta rhythms are used to compose the input pattern vectors. And the algorithm for EEG pattern recognition is used SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of the subclass layer. The weights of the proposed algorithm which is between the input layer and the subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ algorithm, and pattern vectors is classified into subclasses by neurons which is being in the subclass layer, and the weights between subclass layer and output layer is learned to classify the classified subclass, which is enclosed a class. To classify the pattern vectors of EEG, the proposed algorithm is simulated with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional LVQ.

• The KIPS Transactions:PartB
• /
• v.13B no.2 s.105
• /
• pp.127-132
• /
• 2006

K-NN (k-Nearest Neighbors), which is a well-known instance-based learning algorithm, simply stores entire training patterns in memory, and uses a distance function to classify a test pattern. K-NN is proven to show satisfactory performance, but it is notorious formemory usage and lengthy computation. Various studies have been found in the literature in order to minimize memory usage and computation time, and NGE (Nested Generalized Exemplar) theory is one of them. In this paper, we propose RPA (Recursive Partition Averaging) and IRPA (Incremental RPA) which is an incremental version of RPA. RPA partitions the entire pattern space recursively, and generates representatives from each partition. Also, due to the fact that RPA is prone to produce excessive number of partitions as the number of features in a pattern increases, we present IRPA which reduces the number of representative patterns by processing the training set in an incremental manner. Our proposed methods have been successfully shown to exhibit comparable performance to k-NN with a lot less number of patterns and better result than EACH system which implements the NGE theory.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.8 no.1
• /
• pp.82-95
• /
• 2007

The paper focuses on how to classify as well as to define the Architecture Patterns which are popularly used in the design of software architecture. In order to achieve this purpose, we propose not only the revised methodology for Pattern-Oriented Software Architecture Design, but also new method of classification and definition for the Architecture Patterns. Especially, because the patterns are so diverse depending on the level of abstraction and types of applications, it was considered to have some different views of classification of the patterns in order to support convenient access to classified and stored patterns. The abstraction of the pattern is another important result of the research, which is devised for concrete expression of the patterns and for presentation of the interrelation among group of the patterns. The research also includes the extension of the quality model popularly adopted in the software domain, which enables the description of the patterns with the well defined quality attributes in terms of software architecture's point of view.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2001.11a
• /
• pp.158-163
• /
• 2001

본 논문의 국내 패션 업체에서 상품기획 과정 중 많은 시간과 노력을 투자해야 했던 디자인 및 패턴 자료를 데이터베이스화하여 key word를 통해 효율적으로 찾아 사용할 수 있도록 한 디지털 여성 자켓 분류 데이터베이스 시스템을 개발하고자 실시되었다. 이를 위해 의류업체 종사자 48명과 의류학 전공 대학원생 54명, 패턴 전문가 11명을 대상으로 설문조사 및 인터뷰를 실시하여 디자인 및 패턴의 분류 기준과 의류 생산기획 업무의 디지털화 가능성을 검토하였다. 본 연구의 결과는 다음과 같다. 국내 의류업체에서는 상품기획시 국외패션잡지와 collection지를 가장 많이 활용하고 있었으며, 디자인 및 패턴 DB 프로그램에 대한 효용성 기대와 수용도 기대에는 집단간 유의한 차이가 있는 것으로 나타났다. 여성 자켓 디자인 DB를 위한 구성요소 분류 기준은 7가지고 선정되었고, 이미지 형용사 분류 기준은 6가지로 선정되었다. 또한 자켓 제작을 위한 block pattern 분류 기준은 4가지로 선정되었다. 본 연구를 통해 개발된 자켓 디자인 선택 프로그램의 모델을 제시한 후 실험 참가자들에게 효용성 및 사용가능성을 다시 검증한 결과, 프로그램 제시 전 조사결과보다 유의하게 긍정적으로 평가되었으며, 데이터베이스 자료 활용시 이미지 형용사를 통한 검색보다는 구성요소를 통한 검색에 더 만족하는 것으로 나타났다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.4 no.2
• /
• pp.1-6
• /
• 1999

We propose a new algorithm for pattern classification by extracting feature vectors based on Gibbs distributions which are well suited for representing the characteristic of an images. The extracted feature vectors are comprised of 2-D moments which are invariant under translation rotation, and scale of the image less sensitive to noise. This implementation contains two puts: feature extraction and pattern classification First of all, we extract feature vector which consists of an improved 2-D moments on the basis of estimated Gibbs distribution Next, in the classification phase the minimization of the discrimination cost function for a specific pattern determines the corresponding template pattern. In order to evaluate the performance of the proposed scheme, classification experiments with training document sets of characters have been carried out on SUN ULTRA 10 Workstation Experiment results reveal that the proposed scheme had high classification rate over 98%.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06c
• /
• pp.79-82
• /
• 1998

본 연구에서는 연결단어 음성인식 상에서 올바른 참조 패턴을 생성하기 위해 Levelbuilding 알고리즘을 이용하여 인식대상 단어의 표본 집합(훈련패턴 집합)으로부터 참조 패턴을 자동적으로 생성하는 알고리즘을 개발하였다. 본 연구는 분한 K-Mans 훈련방법에 기초하고 있으며, Levelbuilding 알고리즘을 이용하여 훈련패턴으로부터 참조 패턴을 생성하는 것이다. 먼저 초기화 과정에서 훈련 패턴을 그에 포함된 단어 수만큼 등간격 분리하여 분리된 단어들을 소속 Cluster로 분류하고 각 Cluster의 Center들로 초기 참조패턴을 구성한다. 그리고 참조패턴, 제어정보 및 Levelbuilding 알고리즘을 이용하여 각 훈련패턴을 분리하고, 분리된 단어들을 소속 Cluster로 분류하여 단어 Cluster집합을 구성한 후 DTW 및 minimax알고리즘을 이용해 각 Cluster의 Center를 구하여 참조 패턴을 생성한다. 참조패턴 구성에 변화가 없을 때까지 전 단계의 참조패턴과 본 알고리즘을 반복 수행하여 최적의 참조패턴을 생성한다. 본 알고리즘을 이용하여 3개 숫자의 연결단어 집합으로부터 영('0')에서 구('9')까지 숫자음에 대한 참조패턴을 자동 생성하였다. 참조패턴 생성과정에서 가정 중요한 처리인 훈련패턴 분리과정을 분석하기 위하여 각 반복과정에서 분리된 정보를 그래프로 도시화하여 확인하였다.

• 한국지구과학회:학술대회논문집
• /
• 2010.04a
• /
• pp.74-76
• /
• 2010

영동지방은 서쪽으로는 태백산맥이 남북으로 위치해 있고 동쪽으로 동해와 인접해 있는 지리적인 위치로 전 계절에 걸쳐 지역 특성에 따른 국지적인 기상 현상이 많이 발생하고 있다. 특히, 대설은 영동지방의 기후 특징 중 대표적이라 할 수 있다. 대설 일수가 많고 강설량이 많은 영동지방의 강릉과 속초, 그리고 울릉도는 연 강수량에서 겨울철(12월~2월) 강수량이 각각 약 10%와 20% 이상을 차지하고 있는데 이는 우리나라 다른 지역의 5% 내외에 비하면 매우 높은 것이다. 이 지역의 강설 특징은 좁은 지리적 범위에 국한되어 나타나는 좁고 강한 강수역과 지역적으로 커다란 변화를 보이는 적설량과 강설 일수이다. 해안선으로부터 산맥의 분수계까지의 거리가 중요한 역할을 하고 있으며, 이러한 복잡한 지역에서의 강설의 발생과 강설량의 분포를 이해하기 위해서는 강설의 패턴을 분류하여 연구하는 것이 매우 중요하다. 본 연구에서는 cP 확장 시 영동지방의 강설 패턴을 하층 대류권의 바람장에 따라 산악 강설 패턴, 한기-해안 강설 패턴, 난기-해안 강설 패턴으로 분류하였다. 또한, 각 강설 패턴에 대한 종관적인 대기구조의 특성을 파악한 후 3차원 분석시스템을 이용하여, 2008년 12월 21일부터 22일까지 영동지방에 내린 대설을 한기-해안 강설 패턴으로 분류하고 분석하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05c
• /
• pp.1587-1590
• /
• 2003

순차 패턴 마이닝은 대량의 시퀀스 데이터베이스에서 빈발 서브 시퀀스를 찾는 기법이다. 지금까지 많은 순차 패턴 마이닝에 관한 연구들이 순차 패턴을 효율적으로 찾기 위하여 제안되었다. 그러나 제안된 방법들은 응용에 적용할 수 있도록 체계적으로 분류되어 있지 않다. 따라서 이 논문에서는 알고리즘에 대한 연구들을 분류하고 이들 중 대표적인 알고리즘들을 선정하여 각각에 대해 분석하였다. 그리고 각 응용 도메인에 적용한 연구들과 기술적인 문제를 해결하는 연구들에 대해 정리하였다. 마지막으로 성능 향상을 위한 기법이나 자로 구조에 대해 언급하고 향후 순차 패턴 마이닝의 연구 방향을 제시하였다. 이 연구는 실제 응용에 적합한 순차 패턴 마이닝 알고리즘의 선택과 향후 새로운 순차 패턴 알고리즘 연구의 기반을 제공할 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.13-15
• /
• 2004

순차 패턴을 찾는 것은 데이타 마이닝 응용분야에서 중요한 문제이다. 기존의 순차 패턴 마이닝 알고리즘들은 아이템으로만 이루어진 순차 패턴만을 취급하였으나 Apriori-QSP에서는 새롭게 퀀터티 정보에 대한 처리의 개념을 도입하였다. 전채 순차 패턴을 찾는 알고리즘들은 너비 우선 탐색과 깊이 우선 탐색 기법으로 분류할 수 있는데, 이러한 분류에서 Apriori-QSP알고리즘은 너비 우선 탐색 기법으로 분류할 수 있다. 본 논문에서는 퀀터티 정보를 처리하는 깊이 우선 탐색 기법을 제안하였다. Apriori-QSP에서 제안되었던 후보패턴 생성에 대한 필터링파 샘플링 기법을 깊이 우선 탐색의 탐색 기법으로 적용하였으며, 다양한 실험 결과들이 깊이 우선 탐색에서도 이러한 기법이 효율적임을 보여 주고 있다. 또한 길이가 긴 순차 패턴 마이닝의 경우 너비우선 탐색에 비해 향상된 성능을 보임을 확인하였다.