슬라이딩 윈도우 기반 다변량 스트림 데이타 분류 기법

서성보(Sungbo Seo),강재우(Jaewoo Kang),남광우(Kwang Woo Nam),류근호(Keun Ho Ryu) 한국정보과학회 2006 정보과학회논문지 : 데이타베이스 Vol.33 No.2

분산 센서 네트워크에서 대용량 스트림 데이타를 제한된 네트워크, 전력, 프로세서를 이용하여 모든 센서 데이타를 전송하고 분석하는 것은 어렵고 바람직하지 않다. 그러므로 연속적으로 입력되는 데이타를 사전에 분류하여 특성에 따라 선택적으로 데이타를 처리하는 데이타 분류 기법이 요구된다. 이 논문에서는 다차원 센서에서 주기적으로 수집되는 스트림 데이타를 슬라이딩 윈도우 단위로 데이타를 분류하는 기법을 제안한다. 제안된 기법은 전처리 단계와 분류단계로 구성된다. 전처리 단계는 다변량 스트림 데이타를 포함한 각 슬라이딩 윈도우 입력에 대해 데이타의 변화 특성에 따라 문자 기호를 이용하여 다양한 이산적 문자열 데이타 집합으로 변환한다. 분류단계는 각 윈도우마다 생성된 이산적 문자열 데이타를 분류하기 위해 표준 문서 분류 알고리즘을 이용하였다. 실험을 위해 우리는 Supervised 학습(베이지안 분류기, SVM)과 Unsupervised 학습(Jaccard, TFIDF, Jaro, Jaro Winkler) 알고리즘을 비교하고 평가하였다. 실험결과 SVM과 TFIDF 기법이 우수한 결과를 보였으며, 특히 속성간의 상관 정도와 인접한 각 문자 기호를 연결한 n-gram방식을 함께 고려하였을 때 높은 정확도를 보였다. In distributed wireless sensor network, it is difficult to transmit and analyze the entire stream data depending on limited networks, power and processor. Therefore it is suitable to use alternative stream data processing after classifying the continuous stream data. We propose a classification framework for continuous multivariate stream data. The proposed approach works in two steps. In the preprocessing step, it takes input as a sliding window of multivariate stream data and discretizes the data in the window into a string of symbols that characterize the signal changes. In the classification step, it uses a standard text classification algorithm to classify the discretized data in the window. We evaluated both supervised and unsupervised classification algorithms. For supervised, we tested Bayesian classifier and SVM, and for unsupervised, we tested Jaccard, TFIDF, Jaro and JaroWinkler. In our experiments, SVM and TFIDF outperformed other classification methods. In particular, we observed that classification accuracy is improved when the correlation of attributes is also considered along with the n-gram tokens of symbols.

e-Logistics 시스템의 메시지 상호운용성

서성보(Sungbo Seo),이용준(Young Joon Lee),황재각(Jaegak Hwang),류근호(Keun Ho Ryu) 한국정보과학회 2005 정보과학회 컴퓨팅의 실제 논문지 Vol.11 No.5

기존의 B2B, B2C 컴퓨터 시스템 및 애플리케이션은 클라이언트-서버 기반으로 비즈니스 거래가 이루어 졌으며, 개인 디바이스에서 메인프레임에 이르기까지 상이한 하드웨어와 소프트웨어로 구성되었다. 최근 온라인으로 비즈니스 거래가 활발해지면서 데이터, 애플리케이션, 하드웨어의 통합과 호환성이 중요한 문제로 대두되고 있다. 이 논문은 e-비즈니스의 한 분야인 통합물류 시스템에서 온라인 비즈니스 거래시 상호운용성 문제를 해결하기 위하여, 메시지 전송시스템과 문서변환 시스템을 설계하고 구현한다. 메시지 전송시스템은 국가간 전자상거래 표준인 ebXML의 비즈니스 메시지 교환에 사용되는 ebMS 2.0과 이기종간에 안전한 메시지 전송이 가능한 J2EE의 JMS를 통합하였다. 그리고 문서변환 시스템은 XML기반 표준-비표준 물류문서를 교환하도록 하였으며 메시지 송수신 시스템과 통합 후 웹 서비스를 제공한다. 우리는 시스템 테스트를 위해 비즈니스 시나리오와 테스트 데이터를 이용하여 상호운용성과 시스템 안정성을 보였다. 또한 시스템 적합성 인증을 위해 ebXML 아시아 위원회 ITG 그룹과 테스트를 수행하였으며 기존 시스템과 비교 평가하였다. Existing B2B, B2C computer systems and applications that executed business transactions were the client-server based architecture which consists of heterogeneous hardware and software including personal computers and mainframes. Due to the active boom of electronic business, integration and compatibility of exchanged data, applications and hardwares have emerged as hot issue. This paper designs and implements a message transport system and a document transformation system in order to solve the interoperability problem of integrated logistics system in e-Business when doing electronic business. Message transport system integrated ebMS 2.0 which is standard business message exchange format of ebXML, the international standard electronic commerce framework, and JMS of J2EE enable to ensure reliable messaging. The document transformation system could convert non-standard XML documents into standard XML documents and provide the web services after integrating message system. Using suggested business scenario and various test data, our message oriented system proved to be interoperable and stable. We participated ebXML messaging interoperability test organized by ebXML Asia Committee ITG in oder to evaluate and certify the suitability for message system.

u - Logistics 시스템에 적용 가능한 알림 시스템 모델

이용미(Yongmi Lee),서성보(Sungbo Seo),박주상(Joo-sang Park),이용준(Yong Joon Lee),류근호(Keun Ho Ryu) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅱ

오늘날은 지능화된 사물이 스스로 공간의 상황을 인식하여 필요한 행위를 대신해 주는 유비쿼터스 컴퓨팅 환경으로 빠르게 발전하고 있다. 이러한 변화는 언제 어디서나 상황 정보를 분석하여 원하는 사용자에게 실시간으로 알려줄 수 있는 알림 서비스에 대한 관심으로 이어지고 있으며, 현 물류 시스템에서도 실물의 흐름과 정보의 흐름간에 불일치와 같은 문제점들을 해결하기 위한 변화를 요구하고 있다. 알림 서비스 또는 이벤트 통지 서비스는 정보의 제공자 측에서 발생한 새로운 이벤트에 대해 관심있는 사용자에게 알려주는 서비스로, 정보의 제공자와 관심있는 사용자를 연결하는 역할을 한다. 이 논문에서는 통합물류운송 시스템에 적용 가능한 알림시스템의 응용 시나리오를 기술하고, 전체 시스템의 구조, 데이터 모델을 제안한다. 또한 이벤트 대수를 이용하여 복합 이벤트를 정의함으로써 응용하는 시스템의 적합함을 설명한다.

u-Logistics 알림 시스템의 설계 및 구현

이용미(Yongmi Lee),김룡(Long Jin),서성보(Sungbo Seo),오세원(Se Won Oh),이용준(Yong Joon Lee),류근호(Keun Ho Ryu) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1B

지능화된 사물이 스스로 공간의 상황을 인식하여 필요한 행위를 대신해 주는 유비쿼터스 컴퓨팅의 응용 환경하에서는 언제 어디서나 상황 정보를 분석하여 원하는 사용자에게 실시간으로 알려줄 수 있어야 한다. 그러나, 기존의 e-Logistics 물류 시스템에서는 실물의 흐름과 정보의 흐름간에 불일치가 존재하기 때문에 화물의 위치를 실시간으로 추적하는 것이 불가능하였다. 따라서, 우리는 이러한 문제들을 해결하기 위해 화물에 센싱 가능한 스마트 태그를 부착하고, 이로부터 실시간으로 수집된 정보를 이용하여 사용자에게 유용한 정보를 제공하는 u-Logistics 알림 시스템을 설계하고 구현하였다. 이 논문에서는 u-Logistics 시스템의 전체적인 구조를 기술하고, 특히 규칙의 정의에서부터 알림 서버가 실시간으로 이벤트를 수집하여 원하는 사용자에게 화물 또는 차량에 대한 정보를 제공하기까지의 알림 시스템의 전반적인 처리 과정을 기술한다. 마지막으로, 물류 환경에의 적용 시나리오를 통하여 u-Logistics 알림 시스템의 구현을 제시한다.

분산데이터베이스 환경하의 시간연관규칙 적용

조암(Yan Zhao),김룡(Long Jin),서성보(Sungbo Seo),류근호(Keun Ho Ryu) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1B

Recently, mining for association rules in distributed database environments is a central problem in knowledge discovery area. While the data are located in different share-nothing machines, and each data site grows by time. Mining global frequent itemsets is hard and not efficient in large number of distributed servers. In many distributed databases, time component(which is usually attached to transactions in database), contains meaningful time-related rules. In this paper, we design a new DTA(distributed temporal association) algorithm that combines temporal concepts inside distributed association rules. The algorithm confirms the time interval for applying association rules in distributed databases. The experiment results show that DTA can generate interesting correlation frequent itemsets related with time periods.

객체기반의 효율적인 갱신 및 이력 관리를 위한 공간 데이터 모델 설계

김상엽 ( Sang Yeob Kim ),김형수 ( Hyeongsoo Kim ),서성보 ( Sungbo Seo ),류근호 ( Keun Ho Ryu ) 한국정보처리학회 2008 한국정보처리학회 학술대회논문집 Vol.15 No.2

최근 센서와 모바일 기술의 발달에 따라 대용량 데이터 처리가 가능해지고, 유비쿼터스와 텔레매틱스 등의 도입으로 공간 데이터가 다양한 환경에 응용되거나 활용 분야가 점차 증가하고 있다. 기존의 수치지도 관리시스템은 공간 데이터를 도엽 단위로 관리하여 데이터의 구축이 용이하지만, 객체 단위의 데이터 구축, 관리, 제공 및 갱신을 효율적으로 지원하기 어렵다. 따라서 이 논문에서는 기존 도엽기반 시스템의 문제점을 해결하기위해 객체기반 UFID 부여방안, 연속성 표현, 객체 단위의 효율적인 갱신 및 이력관리를 위한 객체기반 공간 데이터 모델을 설계한다. 제안하는 객체기반의 공간 데이터 모델은 각 지형지물에 UFID를 부여하고 도엽 단위로 구축된 수치지도 데이터의 조인 연산을 통해 연속적인 표현이 가능하다. 아울러 갱신으로 인해 변경된 데이터를 이력 DB에 시간간격 단위로 저장, 관리하여 사용자에게 객체단위 이력 정보를 제공할 수 있다.

스트림 데이터의 윈도우 기반 분류

김성현 ( Sung Hyun Kim ),이용미 ( Yongmi Lee ),김룡 ( Long Jin ),서성보 ( Sungbo Seo ),류근호 ( Keun Ho Ryu ) 한국정보처리학회 2005 한국정보처리학회 학술대회논문집 Vol.12 No.2

센서와 모바일 기술의 발달로 인해 다양한 센서에서 수집된 스트림 데이터를 처리하는 연구들이 많이 수행되고 있다. 다차원 속성의 스트림 데이터는 센서에서 주기적으로 수집되어 버퍼링 후 처리되기 때문에 기존의 투플 기반의 데이터 분류 기법에 적합하지 않다. 따라서 이 논문에서는 윈도우 기반의 스트림 데이터 분류를 위해 각 속성의 평균과 표준편차 값을 이용하여 투플 기반으로 변환하는 기법을 제안한다. 제안된 기법의 타당성은 투플 기반 데이터 분류 기법(의사결정트리, 단순 베이지안 분류기, 베이지안 신뢰 네트워크)에 의한 정확도 측정에 기반 한다. 로봇에서 수집된 센서 데이터를 이용한 실험 결과, 높은 정확도로 제안된 기법이 타당함을 증명하였으며 베이지안 신뢰 네트워크 기법이 다른 기법에 비해 우수함을 발견하였다.

점진적 모델 갱신 기법을 이용한 스트림 데이터 예측

김성현(Sung Hyun Kim),이용미(Yongmi Lee),김룡(Long Jin),서성보(Sungbo Seo),류근호(Keun Ho Ryu) 한국정보과학회 데이터베이스 소사이어티 2006 데이타베이스 연구 Vol.22 No.3

최근 센서 네트워크의 발달로 실세계의 많은 데이터가 시간 속성을 갖고 실시간으로 수집되고 있다. 기존의 시계열 데이터 예측 기법은 긴 주기를 갖는 과거 데이터를 통해 미래를 예측하거나 모델 갱신 없이 예측을 수행하였다. 그러나 스트림 데이터는 매우 빠르게 수집이 되고 시간이 지남에 따라 데이터의 특성이 변경될 수 있으므로 기존의 시계열 예측 기법을 적용하는 것은 적절하지 않다. 따라서 이 논문에서는 슬라이딩 윈도우와 점진적인 회귀분석을 이용한 스트림 데이터 예측 기법을 제안한다. 이 기법은 스트림데이터를 다중 회귀 모델에 입력하기 위해 차원 분열을 통해 여러 개의 속성으로 분열( Fractal )하고, 변화되는 데이터의 분포를 반영하기 위해 슬라이딩 윈도우 기법을 사용하여 점진적으로 회귀 모델을 갱신한다. 이전 데이터의 유지 없이 최소 정보를 갖는 행렬을 통해 모델을 갱신하므로 낮은 공간 복잡도를 갖는다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였다. 1시점 예측 정확도 측정 실험 결과 제안 기법인 IMQR(Incremental Multiple Quadratic Regression) 기법이 DES(Double Exponential Smoothing), SVR(Support Vector Regression), MLR(Multiple Linear Regression), MQR(Multiple Quadratic Regression) 기법에 비해 R M E가 평균 5.6%, RMSE가 평균 0.067 정도 우수하였다. Advance in wireless sensor network made it possible to collect massive amounts of sensor-based data with temporal attribute at real-time. Existing prediction methods for time-series data have tried to predict the future using the past data or without updating a model. However, the methods are not suitable for stream data, because the data is characterized by high data rate and changes in data distribution over time. In this paper, we propose IMQR(Incremental Multiple Quadratic Regression), a novel prediction method using incremental model updating. To apply stream data to a multiple regression model, we fractionalize stream data in several attributes using fractal. The model is then updated using sliding window to reflect changes in data distribution incrementally. This method that updates the model through a matrix having minimal information without maintaining the past data guarantees low space complexity. We evaluated error rate in IMQR using RME(Relative Mean Error) and RMSE(Root Mean Square Error). As a result, compared with other methods such as DES(Double Exponential Smoothing), SVR(Support Vector Regression), MLR(Multiple Linear Regression), and MQR(Multiple Quadratic Regression), RME and RMSE in IMQR decreased by 5.6% and 0.067% in average, respectively.

점진적 모델 갱신 기법을 이용한 스트림 데이터 예측

김성현(Sung Hyun Kim),이용미(Yongmi Lee),김룡(Long Jin),서성보(Sungbo Seo),류근호(Keun Ho Ryu) 한국정보과학회 데이터베이스 소사이어티 2006 데이타베이스 연구 Vol.22 No.2

최근 센서 네트워크의 발달로 실세계의 많은 데이터가 시간 속성을 갖고 실시간으로 수집되고 있다. 기존의 시계열 데이터 예측 기법은 긴 주기를 갖는 과거 데이터를 통해 미래를 예측하거나 모델 갱신 없이예측을 수행하였다. 그러나 스트림 데이터는 매우 빠르게 수집이 되고 시간이 지남에 따라 데이터의 특성이 변경될 수 있으므로 기존의 시계열 예측 기법을 적용하는 것은 적절하지 않다. 따라서 이 논문에서는 슬라이딩 윈도우와 점진적인 회귀분석을 이용한 스트림 데이터 예측 기법을 제안한다. 이 기법은 스트림데이터를 다중 회귀 모델에 입력하기 위해 차원 분열을 통해 여러 개의 속성으로 분열( F r a c t a l )하고, 변화되는 데이터의 분포를 반영하기 위해 슬라이딩 윈도우 기법을 사용하여 점진적으로 회귀 모델을 갱신한다. 이전 데이터의 유지 없이 최소 정보를 갖는 행렬을 통해 모델을 갱신하므로 낮은 공간 복잡도를 갖는다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였다. 1시점 예측 정확도 측정 실험 결과 제안 기법인 IMQR(Incremental Multiple Quadratic Regression) 기법이 DES(Double Exponential Smoothing), SVR(Support Vector Regression), MLR(Multiple Linear Regression), MQR(Multiple Quadratic Regression) 기법에 비해 R M E가 평균 5.6%, RMSE가 평균 0.067 정도 우수하였다. Advance in wireless sensor network made it possible to collect massive amounts of sensor-based data with temporal attribute at real-time. Existing prediction methods for time-series data have tried to predict the future using the past data or without updating a model. However, the methods are not suitable for stream data, because the data is characterized by high data rate and changes in data distribution over time. In this paper, we propose IMQR(Incremental Multiple Quadratic Regression), a novel prediction method using incremental model updating. To apply stream data to a multiple regression model, we fractionalize stream data in several attributes using fractal. The model is then updated using sliding window to reflect changes in data distribution incrementally. This method that updates the model through a matrix having minimal information without maintaining the past data guarantees low space complexity. We evaluated error rate in IMQR using RME(Relative Mean Error) and RMSE(Root Mean Square Error). As a result, compared with other methods such as DES(Double Exponential Smoothing), SVR(Support Vector Regression), MLR(Multiple Linear Regression), and MQR(Multiple Quadratic Regression), RME and RMSE in IMQR decreased by 5.6% and 0.067% in average, respectively.

시계열 데이터 예측을 위한 점진적인 회귀 분석 모델

김성현 ( Sung Hyun Kim ),이용미 ( Yongmi Lee ),김룡 ( Long Jin ),서성보 ( Sungbo Seo ),류근호 ( Keun Ho Ryu ) 한국정보처리학회 2006 한국정보처리학회 학술대회논문집 Vol.13 No.1

기존의 데이터 마이닝 예측 기법 중 회귀분석은 학습 단계에서 생성된 모델을 변경 없이 새로운 데이터에 적용하였다. 그러나 시계열 데이터에 모델 변경 없이 동일하게 적용하면 시간이 지남에 따라 정확도가 낮아지는 단점이 있다. 따라서 이 논문에서는 시간에 따라 변화하는 시계열 데이터의 특성을 고려하여 점진적으로 회귀 모델을 갱신하는 기법을 제안한다. 이 기법은 입력되는 모든 데이터를 회귀 모델에 적용하여 점진적으로 모델을 갱신한다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였다. 정확도 측정 실험 결과 제안 기법인 IMQR(Incremental Multiple Quadratic Regression) 기법이 MLR(Multiple Linear Regression), MQR(Multiple Quadratic Regression), SVR(Support Vector Regression) 기법에 비해 RME 가 평균 2%, RMSE 가 평균 0.02 정도 우수한 결과를 얻었다.