• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.353-356
• /
• 2006

연관규칙 (Association rule) 마이닝은 무수히 많은 데이터로부터 유용한 정보만을 뽑아내어 실생활에 적용하여 이점을 얻게 하는 데이터마이닝의 가장 핵심적인 연구분야이다. 마켓 기반 데이터들로부터 고객들의 구매유형을 분석하여 적절한 판매전략을 세우거나 기업 데이터로부터 특정 업무와 관련된 의사결정을 지원하는 등의 일이 모두 연관규칙을 기반으로 한다. 그러나 대부분의 연관규칙들은 시간을 고려하지 않는 않거나, 순차패턴만을 고려해왔다. 따라서 하루중 특정 규칙이 발생되지 않는 시간대에도 그 규칙에 대한 불필요한 노력이 있었다. 본 논문에서는 추출된 연관규칙들과 각 트랜잭션에 부여한 시간 정보를 분석하여 특정 항목 (Item) 집합들 간의 연관규칙이 빈번하게 발생하는 시간대를 추출한다. 추출되 시간 정보를 이용하여 시간대별 유용한 판매 전략을 세움으로써, 상품 판매를 극대화하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.178-180
• /
• 2001

실세계의 여러 응용에서 데이터베이스의 크기는 계속적으로 증가되어 왔으며, 이러한 데이터베이스 내에서 유용한 지식을 찾아내기 위한 다양한 연구가 진행되어 왔다. 데이터베이스는 시간이 흐름에 따라 동적으로 변환된다. 현재의 연구는 이러한 데이터베이스에서 효과적으로 규칙을 발견하는데 초점이 모아지고 있다. 그러나, 이런 변화에 따라서 기존에 발견되었던 규칙들은 더 이상 유효하지 않을 수 있기 때문에 이전에 발견되었던 규칙들은 유효한지 검증되어야 한다. 데이터베이스가 증가할 때마다 전체를 다시 탐색해서 규칙을 찾는 것은 효과적인 방법이 아니므로, 점진적으로 규칙을 유지할 수 있는 알고리즘이 필요하다. 이 논문에서는 이전에 발견되었던 규칙이 물리적으로 저장되었고 그 후에 데이터베이스가 업데이트된 것을 고려하여 규칙, 특히 시간 연관규칙을 점진적으로 유지할 수 있는 기법을 제시한다.

• The Journal of the Korea Contents Association
• /
• v.6 no.11
• /
• pp.202-216
• /
• 2006

A number of process algebras are not well suitable for real-time navigation/delivery systems due to the following reasons: 1) lack of representation of process distributivity over some geographical space and 2) the indistinction of representation of process mobility from process distributivity over the space. To make the process algebra suitable to the systems, it seems to be necessary to separate the space representation from the mobility representation. This paper presents a formal method for this purpose, namely, Calculus of Abstract Real-Time Distribution, Mobility, and Interaction (CARDMI). For analysis and verification of behavioral properties, CARDMI defines a set of the spatial, temporal and the interactive deduction rules and a set of equivalence relations. The rules and equivalences can be abstracted hierarchically due to the spatial abstraction, too. CARDMI can be applied to virtual navigation/delivery system for contents, too.

• Journal of Korea Water Resources Association
• /
• v.56 no.12
• /
• pp.929-937
• /
• 2023

This study aims to develop rules for the Determination of Drought Stages at the Local Level based on the drought cases in Gwangju and Jeollanam-do in 2022-2023. Among the eight drought indicators provided, six indicators (Agricultural drought stage (for paddy), Residential & industrial drought stage, SPI-12, Relative agricultural water storage, Residential water consumption change (for domestic use), Residential water consumption change (for non-domestic use) were confirmed to have statistical correlations with the perceptions of local government officials and experts. Additionally, this drought indicator was applied to a decision tree algorithm to develop rules for determining the severity of drought. Although it presented results similar to those of the existing method presented in previous studies, it showed a significant comparative advantage in explaining the temporal and spatial patterns of drought in the Gwangju and Jeollanam-do.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.18 no.3
• /
• pp.76-88
• /
• 2015

This paper presents a classification method based on the combination of active learning with temporal contextual information extracted from past land-cover maps for the classification of crop cultivation areas. Iterative classification based on active learning is designed to extract reliable training data and cultivation rules from past land-cover maps are quantified as temporal contextual information to be used for not only assignment of training data but also relaxation of spectral ambiguity. To evaluate the applicability of the classification method proposed in this paper, a case study with MODIS time-series vegetation index data sets and past cropland data layers(CDLs) is carried out for the classification of corn and soybean in Illinois state, USA. Iterative classification based on active learning could reduce misclassification both between corn and soybean and between other crops and non crops. The combination of temporal contextual information also reduced the over-estimation results in major crops and led to the best classification accuracy. Thus, these case study results confirm that the proposed classification method can be effectively applied for crop cultivation areas where it is not easy to collect the sufficient number of reliable training data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05c
• /
• pp.1579-1582
• /
• 2003

점차 네트워크상의 침입 시도가 증가되고 다변화되어 침입탐지에 많은 어려움을 주고 있다. 시스템에 새로운 침입에 대한 탐지능력과 다량의 감사데이터의 효율적인 분석을 위해 데이터마이닝 기법이 적용된다. 침입탐지 방법 중 비정상행위 탐지는 모델링된 정상행위에서 벗어나는 행위들을 공격행위로 간주하는 기법이다. 비정상행위 탐지에서 정상행위 모델링을 하기 위해 연관규칙이나 빈발에피소드가 적용되었다. 그러나 이러한 기법들에서는 시간요소를 배제하거나 패턴들의 발생순서만을 다루기 때문에 정확하고 유용한 정보를 제공할 수 없다. 따라서 이 논문에서는 이 문제를 해결할 수 있는 시간연관규칙과 분류규칙을 이용한 비정상행위 탐지 모델을 제안하였다. 즉, 발생되는 패턴의 주기성과 달력표현을 이용, 유용한 시간지식표현을 갖는 시간연관규칙을 이용해 정상행위 프로파일을 생성하였고 이 프로파일에 의해 비정상행위로 간주되는 규칙들을 발견하고 보다 정확한 비정상행위 판별 여부를 결정하기 위해서 분류기법을 적용하였다.

• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1095-1105
• /
• 2021

The advancement of dam operation is further required due to the upcoming rainy season, typhoons, or torrential rains. Besides, physical models based on specific rules may sometimes have limitations in controlling the release discharge of dam due to inherent uncertainty and complex factors. This study aims to forecast the water level of the nearest station to the dam multi-timestep-ahead and evaluate the availability when it makes a decision for a release discharge of dam based on LSTM (Long Short-Term Memory) of deep learning. The LSTM model was trained and tested on eight data sets with a 1-hour temporal resolution, including primary data used in the dam operation and downstream water level station data about 13 years (2009~2021). The trained model forecasted the water level time series divided by the six lead times: 1, 3, 6, 9, 12, 18-hours, and compared and analyzed with the observed data. As a result, the prediction results of the 1-hour ahead exhibited the best performance for all cases with an average accuracy of MAE of 0.01m, RMSE of 0.015 m, and NSE of 0.99, respectively. In addition, as the lead time increases, the predictive performance of the model tends to decrease slightly. The model may similarly estimate and reliably predicts the temporal pattern of the observed water level. Thus, it is judged that the LSTM model could produce predictive data by extracting the characteristics of complex hydrological non-linear data and can be used to determine the amount of release discharge from the dam when simulating the operation of the dam.