• Journal of the Korean Data and Information Science Society
• /
• 제24권6호
• /
• pp.1341-1348
• /
• 2013

데이터베이스 마케팅과 시장예측 등의 분야에서 분류문제를 해결하기 위해 다양한 데이터마이닝 기법들이 적용되고 있다. 본 연구에서는 데일리 렌즈 고객들의 거래 데이터를 기반으로 의사결정나무, 로지스틱 회귀모형과 같은 기존의 통계적 분류기법과 최근에 개발된 배깅, 부스팅, 라소, 랜덤 포리스트 그리고 지지벡터기계의 분류 성능을 비교하고자 한다. 비교 실험을 위해 데이터 정제, 탐색, 파생변수 생성, 그리고 변수 선택과정을 거쳤다. 실험결과 정분류율 측면에서는 지지벡터기계가 다른 모형보다 근소하게 높았지만 표준편차가 크게 나왔다. 정분류율과 표준편차의 관점에서는 랜덤 포리스트가 가장 좋은 결과를 보였다. 그러나 모형의 해석, 간명성 그리고 학습에 걸리는 시간을 고려하였을 때 라소모형이 적합하다는 결론을 내렸다.

• 한국통신학회논문지
• /
• 제32권8A호
• /
• pp.858-870
• /
• 2007

기존의 유선 네트워크 환경에서 쓰이던 TCP 프로토콜을 무선 네트워크에 사용할 경우에, 무선 손실이 발생할 경우 혼잡 제어 알고리즘을 실행하여 성능 저하 현상이 발생한다. 본 논문에서는 네트워크 상태변화를 민감하게 반영하는 손실 구분 알고리즘을 제안한다. TCP는 패킷의 이동 경로를 설정하지 않기 때문에 수신자와 송신자 사이의 병목링크(라우터)의 수를 알 수 없고, 고정된 패킷의 양을 기준으로 패킷의 손실 원인을 구분할 경우 정확성이 떨어진다. 따라서 패킷의 상대적인 전송지연시간인 ROTT(Relative One-way Trip Time)을 이용하여 네트워크 상태변화를 민감하게 반영하는 손실 구분 알고리즘을 수식적으로 전개하였다. 본 논문에서는 NS2를 이용하여 기존의 TCP Veno, Spike 알고리즘과 성능을 비교, 분석하였다. 실험 결과를 통해 제안된 알고리즘이 기존의 알고리즘에 비해 패킷의 손실 구분 오류율을 최고 45% 낮춘다는 것을 알 수 있었다. 그리고 낮은 패킷의 손실 구분 오류율로 인해 공평성(fairness)을 해치지 않으면서 패킷의 전송량이 증가한다는 것을 증명하였다.

• 한국지능시스템학회논문지
• /
• 제6권3호
• /
• pp.14-24
• /
• 1996

유전자 알고리즘을 이용한 다양한 특징의 분석이 필요한 퍼지 분류기의 설계방법을 제안한다. 본 논문에서 제안한 퍼지 분류기의 퍼지 논리를 이용한 분류 부분과 우전자 알고리즘을 이용한 규칙생성부분으로 구성된다. 유전자 알고리즘을 이용한 규칙 생성 부분에서는 최적의 퍼지 멤버쉽 함수를 결정하고, 각 특징이 규칙에 포함되는지 포함되지 않는지의 여부도 결정하게 된다. 또한 특정 대상에 대한 인식률을 분석하여 큰 오인식률을 갖는 부분에 세부 특징을 추가하는 방법과 문자열과 population의 최소크기, 인식률 개선을 위한 반복적 분석 방법을 사용한다. 제안된 퍼지 분류기의 적용 예로서, 아이리스 테이터와 갑상선 종양 세포, 그리고 필기된 숫자와 인쇄된 숫자의 인식을 든다. 필기된 숫자와 인쇄된 숫자의 인식을 위해서 각 숫자를 구조적인 정보가 동일한 그룹으로 분류한다. 본 논문에서 제안한 퍼지 분류기는 아이리스 데이터에 대해 98.67%의 인식률을 갑상선 종양 세포에 대해서 98.25%의 인식률을 필기된 숫자와 인쇄된 숫자에 대해서 96.3%의 인신룩을 얻었다.

• 한국정보통신학회논문지
• /
• 제11권5호
• /
• pp.969-976
• /
• 2007

유전자 알고리즘을 이용한 다양한 특징의 분석이 필요한 퍼지 분류기의 설계 방법을 제안한다. 본 논문에서 제안한 퍼지 분류기는 퍼지 논리를 이용한 분류 부분과 유전자 알고리즘을 이용한 규칙 생성 부분으로 구성된다. 유전자 알고리즘을 이용한 규칙 생성 부분에서는 최적의 퍼지 멤버쉽 함수를 결정하고, 각 특징이 규칙에 포함되는지 포함되지 않는지의 여부도 결정하게 된다. 또한, 특정 대상에 대한 인식률을 분석하여 큰 오인식률을 갖는 부분에 세부 특징을 추가하는 방법과 문자열과 population의 최소 크기, 인식률 개선을 위한 반복적 분석 방법을 사용한다. 제안된 퍼지 분류기의 적용 예로서, 아이리스 데이터와 갑상선 종양 세포의 식별을 든다. 본 논문에서 제안한 퍼지 분류기는 아이리스 데이터에 대해 98.67%의 인식률을, 갑상선 종양 세포에 대해서 98.25%의 인식률을 얻었다.

• Journal of the Korean Data Analysis Society
• /
• 제20권6호
• /
• pp.2853-2864
• /
• 2018

판별분석(discriminant analysis)은 새로운 개체가 입력되었을 때, 그 개체가 어느 그룹에 속하는지 예측하는데 사용되는 분석방법이다. 판별분석에서는 레이블(label)을 통해 새로운 개체를 예측하기 때문에 판별분석에서 레이블은 중요하다. 레이블 노이즈(label noise)는 관측된 레이블에 오류가 포함된 것을 의미하며, 실데이터에 발생하기 쉽고 판별성능에 영향을 미칠 수 있는 중요한 요인이다. 이를 개선하기 위해 레이블 노이즈와 레이블 노이즈에 강건한 모형들이 연구되고 있지만, 레이블 노이즈가 존재할 때 판별성능에 영향을 줄 수 있는 요인을 고려하고 이 요인들이 판별성능에 미치는 영향을 비교한 연구는 찾기 힘들다. 따라서 이 논문에서는 분류문제에서 많이 사용되는 LDA, QDA, KNN, SVM 방법을 이용하여 레이블 노이즈가 판별성능에 미치는 영향을 알아보고자 한다. 특히 판별분석의 성능과 연관이 있을 것으로 예상되는 레이블 노이즈의 발생 비율, 발생형태, 데이터의 개수에 따른 판별성능을 모의실험을 통해 살펴보았다. 그 결과, 데이터의 형태와 분석기법에 따라 레이블 노이즈가 판별성능에 영향을 미치는 정도가 다름을 확인하였다.

• 전자공학회논문지B
• /
• 제31B권3호
• /
• pp.132-140
• /
• 1994

온라인 필기 문자 인식 시스템 'SCRIPT(Symbol/Character Recognition In Pen-based Technology)'는 조합 가능한 모든 한글과 영어 대문자, 숫자, 그리고 키보드 부호 등 자연스럽게 필기되는 정자체 문자를 인식하기 위한 알고리듬이다. 필기 문자는 동일인이 쓰더라도 형태의 변화가 다양해서 정보의 불확실성을 지니게 된다. 그런데 기존의 결정 트리(decision tree)를 이용한 특징 분석 방법(feature analysis approach)은 효율적이지만 필기의 변형에 약하여 잘못된 선택을 하기 쉽기 때문에, 이러한 단점을 보완할 수 있는 방법이 필요하다. 이 논문에서는 패턴의 계층적(hierarchical)특성에 맞추어 획 자체의 형태와 획간의 위치 관계를 파악하기 위한 두 단계의 퍼지 결정 트리(fuzzy decision trees)를 사용하여 문자 패턴의 특징을 분석하는 방법을 제안한다. 이러한 방법은 다양한 가능성을 저장함으로써 형태의 변형에 강하고 이전의 잘못된 선택을 수정하기 쉬우며, 특히 하위 후보 패턴들에 의한 상위 패턴의 인식률 상승 효과가 매우 크다. 실헌 결과, 한글은 약 91%의 인식률과 약 0.33초의 인식 속도를 나타냈으며, 영어 및 기타 문자는 약 95%의 인식률과 약 0.08초의 인식 속도를 보였다. 이는 퍼지 결정 트리를 적용하지 않은 겨우에 비하여 인식률이 8~18% 정도 향상된 것이다.

• 한국전자거래학회지
• /
• 제25권3호
• /
• pp.1-13
• /
• 2020

기계학습(machine learning)이란 주어진 데이터에 대한 일반화 과정으로부터 특정 문제를 해결할 수 있는 모델(model) 생성 기술을 의미한다. 우수한 성능의 모델을 생성하기 위해서는 양질의 학습데이터와 일반화 과정을 위한 학습 알고리즘이 준비되어야 한다. 성능 개선을 위한 한 가지 방법으로서 앙상블(Ensemble) 기법은 단일 모델(single model)을 생성하기보다 다중 모델을 생성하며, 이는 배깅(Bagging), 부스팅(Boosting), 스태킹(Stacking) 학습 기법을 포함한다. 본 논문은 기존 스태킹 기법을 개선한 다중 스태킹 앙상블(Multiple Stacking Ensemble) 학습 기법을 제안한다. 다중 스태킹 앙상블 기법의 학습 구조는 딥러닝 구조와 유사하고 각 레이어가 스태킹 모델의 조합으로 구성되며 계층의 수를 증가시켜 각 계층의 오분류율을 최소화하여 성능을 개선한다. 4가지 유형의 데이터셋을 이용한 실험을 통해 제안 기법이 기존 기법에 비해 분류 성능이 우수함을 보인다.

• 노동경제논집
• /
• 제33권3호
• /
• pp.89-127
• /
• 2010

이 글에서는 우리나라 실업률이 현실 고용사정을 적절히 대변하고 있지 못한 문제의 원인과 해법을 탐구한다. 실업률은 18시간 미만 무급가족종사자의 취급, 취업예정자의 판단, 구직활동 요건 등에서 ILO 국제기준과 차이를 보인다. 또한 경활 본조사와 부가조사의 취업상태 판별을 위한 응답을 비교한 결과 약 90%가 불일치하고 있어 경제활동상태 판별 과정에서의 오분류 가능성을 시사하는데, 설문의 잘못된 설계가 원인으로 추론된다. 현 실업률지표의 결함을 보완할 대안지표로서 잠재실업 및 불완전취업을 포괄하는 확장실업지표를 제안한다. 이를 통해 상당한 규모의 준실업 인구의 존재와 공식실업률에서 확인되지 않는 고용변동의 다양한 측면을 포착할 수 있음을 검증한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권8호
• /
• pp.369-376
• /
• 2016

점 클라우드로부터 차량을 추출하는 다양한 방식 중 OBPCA 방식은 세그먼트 단위의 평가-분류로 정확도가 높고, 단순한 직사각형 평면도에서 특성 값들을 추출하므로 분류가 빠르다. 그러나 이 OBPCA 방식은 차량과 크기가 비슷한 직육면체 모양의 물체를 차량과 구별하지 못하는 문제를 가지므로 이를 극복하고 차량 추출의 정확도를 높이는 방안에 대한 연구가 필요하다. 본 논문에서는 이 문제를 해결하기 위해 수평 단면과 함께 수직 단면을 이용하는 확장 OBPCA 방식을 제안한다. 제안 방법은 수평 단면을 통해 차량 후보를 1차로 선별하고, 각 차량 후보에서 가장 특징적인 수직 단면을 찾아서 그 단면의 특성 값들을 임계값들과 비교하여 차량 여부를 판단한다. 비교실험에서는 본 제안방식이 기존 OBPCA 방식에 비해 정밀도가 6.61% 향상되고 위양성률이 13.96% 감소됨을 확인했으며, 이를 통해 제안 방식이 기존 OBPCA 분류오류 문제에 대해 효과적인 해결방안임을 보였다.

• 한국환경보건학회:학술대회논문집
• /
• 한국환경보건학회 2003년도 Challenges and Achievements in Environmental Health
• /
• pp.183-186
• /
• 2003

To evaluate the effect of air pollution on respiratory health in children, we conducted a longitudinal study in which children were asked to record their daily levels of peak expiratory flow rate using potable peak flow meter (mini-Wright) far 4 weeks. The relationship between daily PEFR and ambient air particle levels was analyzed using a mixed linear regression models including gender, age in you, weight, the presence of respiratory symptoms, and relative humidity as an extraneous variable. The daily mean concentrations of PM$\_$10/ and PM$\_$2.5/ over the study period were 64.9$\mu\textrm{g}$/㎥ and 46. l$\mu\textrm{g}$/㎥, respectively. The range of daily measured PEFR in this study was 170-481 l/min. Daily mean PEFR was regressed with the 24-hour. average PM$\_$10/ (or PM$\_$2.5/) levels, weather information such as air temperature and relative humidity, and individual characteristics including sex, weight, and respiratory symptoms. The analysis showed that the increase of air particle concentrations was negatively associated with the variability in PEFR. We estimated that the IQR increment of PM$\_$10/ or PM$\_$2.5/ were associated with 1.5 l/min (95% Confidence intervals -3.1, 0.1) and 0.8 l/min (95% Cl -1.8, 0.1) decline in PEFR. Even though this study shows negative findings on the relationship between respiratory function and air particles, it is worth noting that the findings must be interpreted cautiously because exposure measurement based on monitoring of ambient air likely results in misclassification of true exposure levels and this is the first Korean study that PM$\_$2.5/ measurement is applied as an index of air particle quality.