Earticle

본 연구의 목적은 국내에서 2002년부터 2016년까지 출판된, 대표적인 정보시스템분야 저널의 연구동향을 조사하는 것이다. 연구의 목적을 달성하기 위해서 Asia Pacific Journal of Information Systems, Information Systems Review, The Journal of Information Systems에 출판된 논문의 초록 1,245편을 분석 하였다. 본 연구에서는 최근 중요하게 다루어지는 토픽모델링과 시계열회귀분석 기법을 활용하였다. 토픽모델링 분석결과, 20개의 토픽이 도출되었고 "시스템구축", "혁신역량", 및 "고객충성도" 등의 순으로 확인되었다. 둘째, 시계열회귀분석 결과, 상승 추세를 나타내는 토픽으로는 "고객충성도", "소통혁신", "정보보호", 및 "개인정보보호" 가 나타났고, 하락 추세를 나타나는 토픽으로는 "시스템구축" 및 "웹사이트" 가 도출되었다.

The objective of this study is to examine the trends in information systems research. The abstracts of 1,245 articles were extracted from three leading Korean journals published between 2002 and 2016: Asia Pacific Journal of Information Systems, Information Systems Review, and The Journal of Information Systems. Time series analysis and topic modeling methods were implemented. The topic modeling results showed that the research topics were mainly "systems implementation", "communication innovation", and "customer loyalty". The time series regression results indicated that "customer satisfaction", "communication innovation", "information security", and "personal privacy" were hot topics, and on the other hand, "system implementation" and "web site" were the least popular. This study also provided suggestions for future research.

In this study, we visualized the regional migration in Korea from 2001 to 2015 using the Chord diagram which can represents amount of migration and flows at the same time. In addition, we constructed a migration network and analyzed the degree centrality of each region for identifying the main regions linking to various regions. In 2001~2005, most of population moved into Geonggi from various regions. However, the capital function was transferred to Sejong in 2011~2015, and population moving into Sejong and Chungnam was increased significantly. The main outflow of population in migration network were shown at the regions in Jeonbuk and Gyeongbuk province in 2001~2004, and recently the regions in Gyeongnam, Gyeonggi, and Seoul were identified as the main nodes in terms of outflow of population. We also focused on migration in rural area through degree centrality, and cord diagram in Chungnam, Jeonbuk, and Jeonnam where include the representative crop area. In 2015. there was the significant increase of migration from Gyeonggi to Chungnam, and internal migration within Jeonbuk increased rather than cross-border migration. In addition, migration from Jeonam to capital area decreased in 2015 but migration among cities within Jeonman increased. In particular, Yesan-gun showed the significant migration to other cities in Jeonnam. Population is necessary to develop community and sustain economic growth in rural regions. Therefore, migration is important for the transfer of manpower. The strength of this study is to approach the temporal change of migration from the viewpoint on quantitative and structural characteristics.

한국 남해안에서 8월 수온의 변동 특성을 파악하기 위해, 수온, 조위, 및 기상자료(바람 기온)를 power spectrum과 coherence 분석하였다. Power spectrum 결과, 수온과 조위는 부산을 제외한 완도, 고흥, 여수, 통영, 마산 등 5개 지역에서 약 12hr과 24hr 주기에서 peak를 보였다. 또한 coherence 분석 결과에 의한 수온변동은 완도, 고흥, 여수 및 통영에서 조석의 영향을 가장 많이 받았다. 그러나 연구해역의 동쪽에 위치한 마산과 부산의 수온변동은 조차가 큰 서쪽해역에 비해 조석의 영향이 작았다. 특히, 마산의 수온변동은 바람의 환경요인에 가장 큰 영향을 받는 것으로 나타났다. 수온은 창조시 하강하고 낙조시 상승하는 형태를 보이고 있다. 즉 완도에서 수온의 하강(상승)은 창조(낙조) 약 1.5hr 후, 고흥과 통영에서 수온의 하강(상승)은 창조(낙조) 0.3hr 후에 나타났다. 그러나 마산에서의 수온 상승은 남풍이 시작되고 약 3hr 후에 나타났다. 한편 한국 남해안의 동쪽에 위치한 부산의 수온변동은 기온, 조석 및 바람의 영향을 작게 받는 것으로 나타났다.

In order to understand the fluctuation characteristics of water temperature in August, water temperature, tide level, air temperature and wind data were analyzed using a power spectrum and coherence analysis for a region off the southern coast of Korea. Spectrum analysis showed that the water temperature and tide level in Wando, Goheung, Yeosu, Tongyeong and Masan have peaks over a semi-diurnal period. Coherence showed that water temperature was affected by tide in Wando, Goheung, Yeosu and Tongyeong where tidal range is relatively high. In Masan and Busan, where tidal range is relatively low, however, the tide did not affect water temperature significantly. In particular, wind was the most important factor in relation to water temperature in Masan. Time lags were calculated from phase. In Wando, water temperature decreased 1.5 hrs after a flood tide began. Water temperature decreased 0.3 hrs after a flood tide began in Goheung and Tongyeong. In Masan, water temperature increased 3 hrs after a south wind began. Water temperature in Yeosu was affected by tide, but air temperature, tide and wind in Busan affected water temperature very little.

본 논문은 시계열 분석의 추론에서 매우 중요한 역할을 하는 장기적 분산에 대해서 붓스트랩을 이용한 추정을 다룬다. 본 논문은 기존의 방법을 두가지 측면에서 확장한다. 첫째, 단기억 시계열에서의 장기적 분산 추정을 확장하여 자료의 의존성이 매우 강한 장기간 의존 시계열에서 붓스트랩을 이용한 장기적 분산의 추정에 대해서 논의한다. 또한 장기간 의존 시계열이 평균변화모형과 매우 쉽게 잘 혼동됨이 잘 알려져 있기에 이를 해결하기 위해서 쌍봉형 커널을 이용한 추세 추정 및 붓스트랩의 블럭을 결정하는 방법을 제안한다. 모의 실험결과 제안한 방법이 매우 유의하였으며 북반구 평균 온도 변화 자료 분석으로 실증 자료 예제도 아울러 제시하였다.

This paper considers a long-run variance estimation using a block bootstrap method under strong dependence also known as long range dependence. We extend currently available methods in two ways. First, it extends bootstrap methods under short range dependence to long range dependence. Second, to accommodate the observation that strong dependence may come from deterministic trend plus noise models, we propose to utilize residuals obtained from the nonparametric kernel estimation with the bimodal kernel. The simulation study shows that our method works well; in addition, a data illustration is presented for practitioners.

본 논문은 ICT기반 시장에서의 수요관리시스템에서의 핵심 요소인 전력 수요 예측을 위하여, 전체 사용량을 기반으로 예측 하는 방식이 아닌, 시계열 기반 군집분석을 통한 군집별 예측량의 결합을 실시하였다. 시계열 군집 분석 방법으로서 Periodogram 기반의 정규화 군집분석, 예측 기반의 군집분석, DTW(Dynamic Time Warping)를 이용하여 군집화를 시도하였으며, 군집 별 수요예측 모형으로서 DSHW(Double Seasonal Holt-Winters) 모형, TBATS(Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components) 모형, FARIMA(Fractional ARIMA) 모형을 사용하여 예측을 실시하였다. 전체 사용량을 기반으로 예측 하는 방식이 아닌, 군집분석을 통한 군집별 예측량의 결합이 더 낮은 MAPE로 나타남에 따라 우수한 예측 방법으로 판단되었다.

This paper forecasts electricity demand as a critical element of a demand management system in Smart Grid environment. We present a prediction method of using a combination of predictive values by time series clustering. Periodogram-based normalized clustering, predictive analysis clustering and dynamic time warping (DTW) clustering are proposed for time series clustering methods. Double Seasonal Holt-Winters (DSHW), Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components (TBATS), Fractional ARIMA (FARIMA) are used for demand forecasting based on clustering. Results show that the time series clustering method provides a better performances than the method using total amount of electricity demand in terms of the Mean Absolute Percentage Error (MAPE).

본 연구에서는 금융시계열의 일간 변동성 측정을 위해 가중 융합 방법을 제안하고 있다. 고빈도(high frequency)자료에 기반을 둔 조정된 실현변동성을 계산하고 이를 참 값으로 간주하여 제안된 가중 융합 변동성에서 최적 가중치를 결정하는 과정을 서술하였다. 국내 KOSPI200자료의 1분 단위 고빈도 주가로부터 조정된 실현변동성을 구한 후 최적의 가중 융합 변동성을 제안해 보았다.

The paper is concerned with high frequency financial time series. A weighted hybrid volatility is suggested to compute daily volatilities based on high frequency data. Various realized volatility (RV) computations are reviewed and the weights are chosen by minimizing the differences between the hybrid volatility and the realized volatility. A high frequency time series of KOSPI200 index is illustrated via QLIKE and Theil-U statistics.

본 논문에서는 왜곡 제거 시계열 매칭의 시각화 도구를 제안한다. 시계열 매칭에서 왜곡 제거 지원은 정확한 유사 시계열 검색을 위한 매우 중요한 요소이다. 본 논문에서는 시계열에서 발생하는 잡음, 위치 이동, 진폭 조정, 선형 추세의 왜곡들을 이동평균 변환, 정규화 변환, 선형 추세 제거 기법을 사용하여 제거한 후, 시계열 매칭을 수행하고 그 결과를 시각화한다. 본 논문에서 제안하는 시각화 도구는 클라이언트-서버 모델을 기반으로 구현된다. 클라이언트는 사용자가 선택한 시계열의 왜곡을 제거하여 서버에 전달하고, 매칭 결과의 시각화를 수행한다. 서버는 R*-트리 기반의 다차원 인덱스로 왜곡 제거 시계열 매칭을 효율적으로 수행한다. 왜곡 제거 시계열 매칭의 결과는 다섯 가지 차트로 달리 표현하여 사용자가 직관적이고 쉽게 이해할 수 있도록 구현한다.

In this paper we propose a visualization tool for distortion-free time-series matching. Supporting distortion-free is a very important factor in time-series matching to get more accurate matching results. In this paper, we visualize the result of time-series matching, which removes various time-series distortions such as noise, offset translation, amplitude scaling, and linear trend by using moving average, normalization, linear detrending transformations, respectively. The proposed visualization tool works as a client-server model. The client sends a user-selected time-series, of which distortions are removed, to the server and visualizes the matching results. The server efficiently performs the distortion-free time-series matching on the multi-dimensional R*-tree index. By visualizing the matching result as five different charts, we can more easily and more intuitively understand the matching result.

A method to filter out the effect of river stage fluctuations on groundwater level was designed using an artificial neural network-based time series model of groundwater level prediction. The designed method was applied to daily groundwater level data near the Gangjeong-Koryeong Barrage in the Nakdong river. Direct prediction time series models were successfully developed for both cases of before and after the barrage construction using past measurement data of rainfall, river stage, and groundwater level as inputs. The correlation coefficient values between observed and predicted data were over 0.97. Using the time series models the effect of river stage on groundwater level data was filtered out by setting a constant value for river stage inputs. The filtered data were applied to the hybrid water table fluctuation method in order to estimate the groundwater recharge. The calculated ratios of groundwater recharge to precipitation before and after the barrage construction were 11.0% and 4.3%, respectively. It is expected that the proposed method can be a useful tool for groundwater level prediction and recharge estimation in the riverside area.

현재 국내에서 제작되고 있는 2차원 지도는 제작 시점의 최신 정보만을 포함하고, 과거의 이력은 포함하지 않기 때문에 지형지물의 변화이력을 파악하기 어렵다. 본 연구에서는 시간의 경과에 따른 지형지물의 변화이력을 구축 관리할 수 있는 시계열 공간 데이터 모델을 개발하였으며 경기도 광교지구를 대상으로 시범 구축을 수행함으로써 개발된 모델의 적합성을 평가하였다. 또한 다년간 동일 지역을 대상으로 주기적으로 갱신된 지도를 이용한 시계열지도 데이터베이스를 제작 절차를 정립함으로써 다년간 제작된 국가기본도를 이용한 전국 범위의 시계열 변화 지도 구현 방법을 제시하였다.

Domestic 2D maps includes only most up-to-date information at the time of production without historical information. Therefore, it is hard to identify the change history of real world objects. In this research, Spatio-temporal model for 2D map were developed and it's compatibility was verified through the pilot project conducted on the Gwanggyo area of Gyeonggi province. Also, the procedure to generate 2D spatio-temporal database using maps made periodically on the same target area was introduced for showing the possibility of realizing nation wide spatio-temporal 2D map using the national base map updated periodically.

오늘날 국가와 기업의 연구 개발 투자 및 경영 정책 전략 수립에서 미래 부상 기술 예측은 매우 중요한 역할을 한다. 기술 예측을 위한 다양한 방법들이 사용되고 있으며 특허를 이용한 기술 예측 또한 활발히 진행되고 있다. 특허를 이용한 기술 예측에는 전문가들의 평가와 견해를 통한 정성적인 방법이 주로 사용되어 왔다. 정성적인 방법은 분석 결과의 객관성을 보장하지 못하고 분석에 많은 비용 및 시간이 요구된다. 이런 문제점을 보완하기 위해 최근에는 텍스트 마이닝을 이용한 특허 데이터의 정량적인 분석이 이루어지고 있다. 텍스트 마이닝 기법을 적용함으로써 특허 문서의 통계적 분석이 가능하다. 본 논문에서는 텍스트 마이닝과 ARIMA 분석을 이용한 기술 예측 방법을 제안한다.

Forecasting of emerging technology plays important roles in business strategy and R&D investment. There are various ways for technology forecasting including patent analysis. Qualitative analysis methods through experts' evaluations and opinions have been mainly used for technology forecasting using patents. However qualitative methods do not assure objectivity of analysis results and requires high cost and long time. To make up for the weaknesses, we are able to analyze patent data quantitatively and statistically by using text mining technique. In this paper, we suggest a new method of technology forecasting using text mining and ARIMA analysis.

Gunnery 표적으로부터 발생하는 영상특징은 장비의 위치를 탐지하고 종류를 판별하는 주요 정보로 활용될 수 있다. 본 논문에서는 Gunnery 영상에서 표적 영역의 밝기값을 획득하여 특징을 추출하고 분류하는 기법을 제안한다. 제안하는 기법에서는 38~40개의 신호 기반 특징과 2개의 모델 기반 특징을 추출하여 분석하고 분류모델에 적용한다. 다중 클래스 분류를 위하여 트리(tree) 기반의 분류 모델을 설계하였으며, 시스템에서 요구하는 Gunnery의 종류와 특성에 따라 유사도를 정의하여 트리 구조를 설계하였다. 트리 구성 단계에서는 각 레벨마다 SVM(Support Vector Machine)을 이용하여 분류 하였으며 시스템에서 요구하는 분류 성능을 만족함을 확인하였다.

Gunnery has been used to detect and classify artilleries. In this paper, we used electro-optical data to get the information of muzzle flash from the artilleries. Feature based approach was applied; we first defined features and sub-features. The number of sub-features was 38~40 generic sub-features, and 2 model-based sub-features. To classify multiclass data, we introduced tree structure with clustering the classes according to the similarity of them. SVM was used for each non-leaf nodes in the tree, as a sub-classifier. From the data, we extracted features and sub-features and classified them by the tree structure SVM classifier. The results showed that the performance of our classifier was good for our muzzle flash classification problem.

주식과 선물간의 헤지비율의 시계열 안정성에 대한 연구는 아직 찾아보기 어렵다. 본 연구는 KOSPI200과 S&P500의 주식과 선물 지수를 이용하여 한국과 미국, 두 금융시장의 헤지비율에 대한 시계열 안정성을 연구한다. Coakley, Dollery, and Kellard(2008)는 1995년부터 2005년의 S&P500 현물을 대상으로 시계열 안정성을 확인하였다. 본 연구는 선행연구에서 시계열 안정성이 검증된 기간을 분석기간에 포함하여 두 시장을 분석함으로써 연구결과의 강건성을 얻고자 한다. 한국시장의 분석기간은 주식선물시장이 개설된 1996년부터 2005년이다. S&P500은 1982년부터 2004년을 분석대상으로 하고 있다. 본 연구는 BEKK and diagonal-BEKK을 사용하여 헤지비율을 구하며, 시계열 안정성 검증을 위하여 R/S와 GPH 방법을 사용한다. 분석결과는 시장효율성의 이론적 근거가 되는 랜덤워크가설을 지지하지 않는다. 이 결과는 헤지비율을 이용한 위험관리 방안에 대한 시사점을 제공한다.

The long memory properties of the hedge ratio for stock and futures have not been systematically investigated by the extant literature. To investigate hedge ratio' long memory, this paper employs a data set including KOSPI200 and S&P500. Coakley, Dollery, and Kellard(2008) employ a data set including a stock index and commodities foreign exchange, and suggested the S&P500 to be a fractionally integrated process. This paper firstly estimates hedge ratios with two dynamic models, BEKK(Bollerslev, Engle, Kroner, and Kraft) and diagonal-BEKK, and tests the long memory of hedge ratios with Geweke and Porter-Hudak(1983)(henceforth GPH) and Lo's modified rescaled adjusted range test by Lo(1991). In empirical results, two hedge ratios based on KOSPI200 and S&P500 show considerably significant long memory behaviours. Thus, such results show the hedge ratios to be stationary and strongly reject the random walk hypothesis on hedge ratios, which violates the efficient market hypothesis.

본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.

Unlike the existing regression analysis, this study anticipated future marine traffic volume using time series analysis and artificial neural network model. Especially, it tried to anticipate future marine traffic volume by applying predictive value through time series analysis on artificial neural network model as an additional input variable. This study used monthly observed values of Incheon port from 1996 to 2013. In order for the verification of the forecasting of the model, value for 2013 is anticipated from the built model with observed values from 1996 to 2012 and a proper model is decided by comparing with the actual observed values. Marine traffic volume of Incheon port showed more traffic than average for May and November by 5.9 % and 4.5 % respectably, and January and August showed less traffic than average by 8.6 % and 4.7 % in 2015. Thus, it is found that Incheon port has difference in monthly traffic volume according to the season. This study can be utilized as a basis to reflect the characteristics of traffic according to the season when investigating marine traffic field observation.

SAR 영상은 관측시간과 기상현상 등의 외부 환경 영향을 받지 않고 수시로 데이터 취득이 가능하며 광학영상보다 광범위한 관측 영역을 포함하기 때문에 레이더간섭기법 (InSAR)을 이용한 토지피복분류 기법은 큰 이점을 갖는다. 본 연구에서는 L밴드 ALOS PALSAR의 후방산란계수와 긴밀도를 이용한 새로운 토지피복분류 기법을 개발하고 최근 화산 폭발 가능성으로 인해 주목받고 있는 백두산 지역에 시험 적용하였다. 새로운 토지피복분류 체계는 ALOS PALSAR의 HH, HV편광 모드의 영상을 InSAR 시계열 상에서 패킷의 형태로 재구성하고 주성분 분석을 도입하여 분류의 신뢰도 향상을 시도하였다. 또한 MODIS 등 광학 영상 기반 분류와 상호 검증하여 정확도를 확인하였다.

Considering the wide coverage, the transparency from climate condition, Interferometric Synthetic Aperture Radar (InSAR) possesses a great potential for the landcover classification as shown in many precedent researches. In addition to the merits of InSAR products for the landcover classification, the time series analysis of InSAR pairs can provide a highly reliable basis to interpret landcover. We applied such idea with the test site in Mountain Baekdu located on the border between North Korea and China. Since it is recently noted as the potential volcanic activation site, the landcover especially the vegetation distribution information is highly essential to validate the reliability of Differential Interferometric Synthetic Aperture Radar (DInSAR) over Mt. Baekdu. The algorithms combining the auxiliary information from Moderate Resolution Imaging Spectroradiometer (MODIS) to analyze the phase coherence and backscatter coefficient of Observing Satellite (ALOS) Phased Array type L-band Synthetic Aperture Radar (PALSAR) was established. The results using InSAR signatures from two polarization modes of ALOS PALSAR showed high reliability for mining landcover and spatial distribution.

MODIS NDVI 시계열 자료에 하모닉 분석을 적용하면 계절에 따른 식생의 연간 변화 패턴을 이해할 수 있다. 하모닉 분석은 시간에 따라 형성된 시계열 자료의 복잡한 파형의 형태를 일련의 정현파 파형(sinusoidal waves)의 합으로 분해하고 진폭과 위상으로 정의되는 각 파형의 특성을 통해 시계열 자료의 패턴을 분석하는 방법이다. 본 논문은 NDVI 시계열 자료에 하모닉 모형을 적용하여 각 구성 성분의 진폭과 위상을 측정하고 이러한 파라미터들의 변화를 분류하여 식생의 연간 변화를 탐지하는 방법론을 제안하고 있다. 이를 통해 장기간에 걸친 식생 변화 지역을 모니터링할 수 있고 또한, 이 과정에서 하모닉 모형을 통해 미관측 자료나 노이즈 자료를 복원하여 시계열자료를 재구축할 수 있는 장점도 있다. 본 연구에서는 시뮬레이션 자료를 통해 하모닉 분석의 유용성에 대해 테스트하였고, 2006년부터 2012년까지 총 7년간 북한 개마고원 부근의 MODIS NDVI 식생 자료에 하모닉 모형을 적용하여 연간 변화 지역을 탐지하고 연간 식생변화지역맵을 작성하였다. 이렇게 작성된 연간 식생변화지역맵은 장기적인 식생변화 모니터링을 위한 기초 맵으로 활용될 수 있을 것으로 기대된다.

Harmonic analysis enables to characterize patterns of variation in MODIS NDVI time series data and track changes in ground vegetation cover. In harmonic analysis, a periodic phenomenon of time series data is decomposed into the sum of a series of sinusoidal waves and an additive term. Each wave is defined by an amplitude and a phase angle and accounts for the portion of variance of complex curve. In this study, harmonic analysis was explored to tract ground vegetation variation through time for land-cover vegetation change detection. The process also enables to reconstruct observed time series data including various noise components. Harmonic model was tested with simulation data to validate its performance. Then, the suggested change detection method was applied to MODIS NDVI time series data over the study period (2006-2012) for a selected test area located in the northern plateau of Korean peninsula. The results show that the proposed approach is potentially an effective way to understand the pattern of NDVI variation and detect the change for long-term monitoring of land cover.

패널 시계열자료 분석에서 모수축약의 원칙에 충실하기 위해서 동질성 검정을 수행한다. 본 논문에서는 독립적인 중선형 시계열 패널 자료의 동질성 검정을 수행하기 위하여 먼저 중선형 시계열 모형의 정상성 조건을 구하고 최우추정량과 동질성 검정통계량과 극한 분포를 이끌어내며, 실증분석으로 우리나라 8도의 Mumps 패널자료를 이용해 8개 지역의 발병 추이에 대한 동질성 검정을 수행한다.

The acceptance of the test of the homogeneity for panel time series models allows for the pooling of the series to achieve parsimony. In this paper, we introduce a panel bilinear time series model as well as derive the stationary condition and the limiting distribution of the test statistic of the homogeneity test for the model. For the applications study, we use Korea Mumps data from January 2001 to December 2008. Finally, we perform test of homogeneity for the panel data with 8 independent bilinear time series.

최근, 금융, 의료, 날씨 등 다양한 분야에서 광범위하게 사용되고 있는 시계열 데이터에 대한 프라이버시 보호 이슈가 활발히 연구되고 있다. 본 논문에서는 시계열 데이터를 대상으로 하는 프라이버시 보호 데이터 마이닝(privacy-preserving data mining: PPDM)의 기존 연구를 조사하고 분석한다. 이를 위해, 먼저 시계열 데이터에서 프라이버시가 무엇인지 살펴본다. 다음으로, 중앙집중형 환경에서의 시계열 데이터 교란 기법을 조사한다. 마지막으로, 분산 컴퓨팅 환경에서의 안전한 다자간 계산(secure multiparty computation: SMC) 및 암호화 기법들을 살펴본다. 최근, 소셜 네트워크, 클라우드 컴퓨팅 등에서 민감한 대용량 데이터가 많이 발생하는 추세로, 이들 데이터 대상의 프라이버시 보호 기법이 더욱 중요해지고 있다. 따라서 본 논문의 서베이 결과는 새로운 컴퓨팅 환경에 효율적으로 적용될 수 있는 시계열 데이터 대상의 PPDM 기법 제안에 활용될 수 있다.

Recently, privacy preserving issues have been actively studied on the time-series data that are widely used in a variety of application such as financial, medical, and weather analysis. In this paper, we survey and analyze the recent works of privacy-preserving data mining on time-series data. For this. first we investigate what is the privacy in time-series data. We then survey various perturbation techniques on time-series data in the centralized computing environment. We next investigate SMC(secure multiparty computation) and encryption techniques in the distributed computing environment. Social network and cloud computing applications incur a large volume of sensitive data, and thus, privacy preserving techniques for exploiting these sensitive data have become much more substantial in many research areas. Our survey results can be used for developing efficient and robust time-series based PPDM techniques that can be applied in the new computing environment.

This paper proposed a new method for estimating missing values in time series rainfall data. The proposed method integrated the two most widely used estimation methods, general linear model(GLM) and ordinary kriging(OK), by taking a weighted average of covariance matrices derived from each of the two methods. The proposed method was cross-validated using daily rainfall data at thirteen rain gauges in the Hyeong-san River basin. The goodness-of-fit of the proposed method was higher than those of GLM and OK, which can be attributed to the weighting algorithm that was designed to minimize errors caused by violations of assumptions of the two existing methods. This result suggests that the proposed method is more accurate in missing values in time series rainfall data, especially in a region where the assumptions of existing methods are not met, i.e., rainfall varies by season and topography is heterogeneous.