Improvement of Accuracy of Decision Tree By Reprocessing

이계성,Lee, Gye-Sung Korea Information Processing Society 2003 정보처리학회논문지B Vol.10 No.6

Machine learning organizes knowledge for efficient and accurate reuse. This paper is concerned with methods of concept learning from examples, which glean knowledge from a training set of preclassified ‘objects’. Ideally, training facilitates classification of novel, previously unseen objects. However, every learning system relies on processing and representation assumptions that may be detrimental under certain circumstances. We explore the biases of a well-known learning system, ID3, review improvements, and introduce some improvements of our own, each designed to yield accurate and pedagogically sound classification. 기계학습은 효율적이고 정확한 재사용을 위해 지식을 재구성한다. 본 논문은 이미 알려진 학습 객체들로부터 지식을 추출하는 '예제에 의한 개념학습 방법에 관한 연구이다. 대부분 학습 시스템은 처리와 표현에 대한 제약으로 인해 학습 결과를 새로운 객체에 적용할 때 효율성과 정확도가 기대에 못 미치는 경우가 있다. 본 논문에서는 ID3의 바이어스에 대해 조사하고, 다양한 표현 양식을 통해 보다 정확하고 학습적으로 이해하기 쉬운 분류 방법을 제안한다.

군집분석의 분할 유용도 점수의 영향 분석

이계성,Lee, Gye Sung 국제문화기술진흥원 2021 The Journal of the Convergence on Culture Technolo Vol.7 No.3

Machine learning algorithms adopt criterion function as a key component to measure the quality of their model derived from data. Cluster analysis also uses this function to rate the clustering result. All the criterion functions have in general certain types of favoritism in producing high quality clusters. These clusters are then described by attributes and their values. Category utility and partition utility play an important role in cluster analysis. These are fully analyzed in this research particularly in terms of how they are related to the favoritism in the final results. In this research, several data sets are selected and analyzed to show how different results are induced from these criterion functions. 기계학습 알고리즘은 기준 함수를 채택하여 데이터를 처리하고 학습 모델을 유도한다. 군집분석에서 사용하는 기준 함수는 어떤 형태로든지 선호성을 내포하게 되고 이를 통해 유사한 데이터끼리 묶어 준 후 이를 구성하는 변수와 값들을 특정하여 군집을 정의하게 된다. 군집분석에서 사용하는 카테고리 유용도와 분할 유용도 점수가 군집분석 결과물에 어떤 영향을 주는지를 파악하고 이들이 결과에 어떤 편향성으로 이어지는지를 분석한다. 본 연구는 군집분석에 사용되는 기준 함수의 특성에 따라 결과에 미치는 영향을 파악하기 위해 여러 데이터 세트를 이용해 실험하고 결과를 평가한다.

Diagnosing Multiple Faults using Multiple Context Spaces

이계성,권경희,Lee, Gye-Sung,Gwon, Gyeong-Hui 한국정보처리학회 1997 정보처리학회논문지 Vol.5 No.1

고장진단 문제는 지식기반 시스템를 이용해 해결하려는 시도가 많이 있어왔다. 그러나 대부분의 방식은 휴리스틱 또는 모델기반 방식으로 단일 오류에 대한 문제에 많은 노력이 이루어져 왔다. 단일 오류에 대한 고장진단문제 해결방식을 다중 오류진 단으로 확대할 때 발생하는 지수적인 계산비용은 피할 수 없는 문제점으로 지적되어 왔다. 이 논문에서는 시스템 구성에 따라 블록으로 구분하면 전체 탐색 영역을 국소 화할 수 있다는 점에 착안하여 다중 오류 진단을 위한 효율적인 알고리즘을 제안한 다. 이 알고리즘의 기본 원리는 오류진단을 위한 출력값 측정 지점에 따라 전체 회로 를 블록으로 나누고 다중오류에 대한 발생원인의 지수적 증가를 줄임으로 효율화 시 킬 수 있다. 각각의 블럭으로부터 발생하는 오류에 대해 결합하는 규칙을 개발하고 이를 통해 상호 논리적인 모순이 없는 최소 오류원인 집합을 구한다. Diagnostic problem solving is a major application area of knowledge-based systems research. However, most of the current approaches, both heuristic and model-based, are designed to identify single faults, and do not generalize easily to multiple fault diagnosis without exhibiting exponential behavior in the amount of computation required. In this paper, we employ a decomposition approach based on system configuration to generate an efficient algorithm for multiple fault diagnosis. The basic idea of the algorithm is to reduce the inherent combinatorial explosion that occurs in generating multiple faults by partitioning the circuit into groups that correspond to output measurement points. Rules are multiple faults by partitioning the circuit into groups that correspond to output measurement points. rules are developed for combining candidates from individual groups, and forming consistent sets of minimal candidates.

지식획득 , 추론 , 지식정제의 통합적 설계를 위한 규칙모델의 구축

이계성(Lee Gye Sung) 한국정보처리학회 1996 정보처리학회논문지 Vol.3 No.7

A number of research issues such as knowledge acquisition, inferencing techniques, and knowledge refinement methodologies have been involved in the development of expert systems. Since each issue is considered very complicated, there has been little effort to take all the issues into account collectively at once. However, knowledge acquisition and inferencing are closely related because the knowledge is extracted by human experts from the inferencing process for solving a specific task or problem. Knowledge refinement is also accomplished by handling problems caused during the inferencing process of the system due to incompleteness and inconsistency of the knowledge base. From this perspective, we present a method by which software platform is established in which those issues are integrated in the development of expert systems, especially in the domain where the domain models and concepts are hard to be constructed because of inherent fuzziness of the domain. We apply a machine learning technique, conceptual clustering, to build a knowledge base and rule models by which an efficient inferencing, incremental knowledge acquisition and knowledge refinement are possible.

순서 바이어스 최소화에 의한 안정적 클러스터링 구축에 관한 연구

이계성(Lee Gye Sung) 한국정보처리학회 1999 정보처리학회논문지 Vol.6 No.6

When a hierarchical structure is derived from data set for data mining and machine learning, using a conceptual clustering algorithm one of the unsupervised learning paradigms, it is not unusual to have a different set of outcomes with respect to the order of processing data objects. To overcome this problem, the first classification process is proceeded to construct an initial partition. The partition is expected to imply the possible range in the number of final classes. We apply center sorting to the data objects in the classes of the partition for new data ordering and build a new partition using ITERATE clustering procedure. We developed an algorithm, REIT that leads to the final partition with stable and best partition score. A number of experiments were performed to show the minimization of order bias effects using the algorithm.

생물학 정보관리를 위한 지식구조 모델링

이계성 ( Gye Sung Lee ),전진호 ( Jin Ho Jeon ) 단국대학교 신소재기술연구소 2004 신소재 연구논집 Vol.12 No.1

다중 상황공간을 이용한 다중 오류의 고장 진단

이계성(Lee Gye Sung),권경희(Kwon Kyung Hee) 한국정보처리학회 1997 정보처리학회논문지 Vol.4 No.1

Diagnostic problem solving is a major application area of knowledge-based system research. However, most of the current approaches, both heuristic and model-based, are designed to identify single faults, and do not generalize easily to multiple fault diagnosis without exhibiting exponential behavior in the amount of computation required. In this paper, we employ a decomposition approach based on system configuration to generate an efficient algorithm for multiple fault diagnosis. The basic idea of the algorithm is to reduce the inherent combinatorial explosion that occurs in generating multiple faults by partitioning the circuit into groups that correspond to output measurement points. Rules are developed for combining candidates from individual groups, and forming consistent sets of minimal candidates.

유사도 기반 클러스터링을 사용한 샷 그룹 및 대표 샷 프레임 검출

이계성(Gye-Sung Lee) 한국컴퓨터정보학회 2016 韓國컴퓨터情報學會論文誌 Vol.21 No.9

This paper introduces a method for video shot group detection needed for efficient management and summary of video. The proposed method detects shots based on low-level visual properties and performs temporal and spatial clustering based on visual similarity of neighboring shots. Shot groups created from temporal clustering are further clustered into small groups with respect to visual similarity. A set of representative shot frames are selected from each cluster of the smaller groups representing a scene. Shots excluded from temporal clustering are also clustered into groups from which representative shot frames are selected. A number of video clips are collected and applied to the method for accuracy of shot group detection. We achieved 91% of accuracy of the method for shot group detection. The number of representative shot frames is reduced to 1/3 of the total shot frames. The experiment also shows the inverse relationship between accuracy and compression rate.

배치 입력을 갖는 ATM 멀티플렉스의 성능 분석에 관한 연구

이계성(Gye-Sung Lee),구창회(Chang-Hoi Koo),이재호(Jae-Ho Lee) 대한전자공학회 1992 대한전자공학회 학술대회 Vol.1992 No.6

휴리스틱 탐색을 통한 동적시스템 분석을 위한 모델링 방법과 CRM 위한 인터페이스 설계

전진호(Jin-Ho Jeon),이계성(Gye-Sung Lee) 한국컴퓨터정보학회 2009 韓國컴퓨터情報學會論文誌 Vol.14 No.4

실세계의 많은 시스템들은 동적이며 복잡한 현상으로 이뤄져 있다. 이러한 특징의 시스템을 이해하는 방법의 하나로 시스템에 대한 모델을 세우고 분석하는 방법이 있다. 본 연구에서는 동적시스템에서 발생되는 시계열데이터들의 분석을 위한 방법론을 제시한다. 시스템 모델링을 통해 사용자들에게 1:1의 맞춤정보를 제공하기 위한 CRM(고객관계관리) 인터페이스를 제안한다. 실험에서 실제의 시계열데이터를 통하여 군집화 하는 과정에서는 유사기반의 방식보다 모델기반 방식이 더 나은 군집화 결과를 산출하였고 각 군집의 모델을 생성한 후 모델을 통하여 일정기간 시계열 데이터를 생산하여 이를 실제 곡선의 운동양태와 비교 분석하였다. 주가와 같은 실제 시계열데이터에 제안된 방법을 적용하여 모델로 생산된 데이터가 실제의 데이터와 비교하여 얼마나 근사한지를 확인하여 제안된 방법의 유효성을 검증하였다. Most real world systems contain a series of dynamic and complex phenomena. One of common methods to understand these systems is to build a model and analyze the behavior of them. A two-step methodology comprised of clustering and then model creation is proposed for the analysis on time series data. An interface is designed for CRM(Customer Relationship Management) that provides user with 1:1 customized information using system modeling. It was confirmed from experiments that better clustering would be derived from model based approach than similarity based one. Clustering is followed by model creation over the clustered groups, by which future direction of time series data movement could be predicted. The effectiveness of the method was validated by checking how similarly predicted values from the models move together with real data such as stock prices.