Earticle

A quantified reasoning and description of the perplexity for evaluating language models by using the concept of information entropy is discussed in this article: The smaller the entropy of the language estimated by the language model is, the more precise the language model is; an interpolated model based on two (n‐1)‐gram models is better than the (n‐1)‐gram component models, but not a n‐gram model. We also explore the methods to estimating the entropy of Chinese using language models.

Korea professional baseball industry has grown to take the lion"s share of the domestic sports industry, but still does not make break even. The purpose of this study is to examine the financial impact of adopting the Customer Relation Management (CRM) approach on the profitability of Korea professional baseball industry. We use a measuring tool called entropy used in ID3 decision tree algorithm. In the paper, we specify five the most important factors that affect spectator satisfaction based on the previous literature, perform survey analysis, calculate entropy values, and find the results. We predicted the change in revenues when we adopt CRM by checking the spectators" willingness to pay more when the conditions of each factor are improved. We find that we can reap significant fruits of the effect of CRM introduction through enhancing "game content factor" and "game promotion factor" among the five factors. We also find that we can increase the revenues of domestic professional baseball teams to 2.4 times or 2.1 times the current level if we manage intensively those two factors. respectively. It is very surprising to see that the improvement in total revenues makes both ends meet for domestic professional baseball teams. This clearly demonstrates the effectiveness of CRM approach in improving the profitability of organizations.

본 연구는 연결개방데이터(Linked Open Data: LOD) 클라우드에서의 동일연결 RDF 트리플들을 자동으로 생성 하는 방안을 제안하였다. LOD 클라우드에 참여하는 LOD들은 특정 주제에 대하여 각자의 관점에서 기술한 다양한 내용들을 제공한다. 동일연결은 서로 다른 LOD들에 존재하며 상이한 URI로 식별되는 개체1, 개체2가 실질적으로 는 동일한 개체임을 {개체1 <owl:sameAs> 개체2} 형식의 RDF 트리플로 구성한 것이다. 동일연결 RDF 트리플 이 존재하는 LOD에서 개체1을 대상으로 검색하는 경우 검색결과를 개체1에 대한 검색결과에 개체2의 내용이 더해 진 확장된 내용으로 제공하는 것을 가능하게 한다. 하지만 현재의 LOD 클라우드에는 이러한 동일연결 제공이 불충 분하고 불균형적인 상태에 있다. 동일연결 자동생성을 위해서는 개체1, 개체2간이 충분히 동일한 것인가를 평가하는 방안이 필요하다. 본 연구에서는 개체1, 개체2간의 동일수준을 이들의 의사식별자에 연결된 목적어 값들의 유사성에 근거하여 평가하였다. 의사식별자에 참여하는 술어들을 선정하기 위하여 개별 술어 및 이들 조합의 엔트로피와 정보 이득을 활용하는 방안으로 엔트로피 기반 개체동일성 식별(Entropy-based Entity Sameness Identification: EESI)를 제안하였다. EESI는 기존 동일연결의 93%를 재생산하였고 23%의 새로운 동일연결들을 생성하였다.

This study proposes a method for automatically generating sameAs RDF triples in the Linked Open Data (LOD) cloud. LODs participating in the LOD cloud provide various descriptions on specific subjects from their respective perspectives. A sameAs link is an RDF triple in the format {entity1 <owl:sameAs> entity2}, which indicates that two entities, entity1 and entity2, identified by different URIs in different LODs, are essentially the same. When a sameAs RDF triple exists in an LOD, searching for entity1 allows the search results to be expanded by including information about entity2. However, the current LOD cloud lacks sufficient and balanced provision of these sameAs links. To automatically generate sameAs links, a method is needed to assess whether entity1 and entity2 are sufficiently identical. In this study, the sameness between entity1 and entity2 was evaluated based on the similarity of the object values connected to their pseudo-identifiers. To select the predicates participating in these pseudo-identifiers, the study proposed an Entropybased Entity Sameness Identification(EESI) method that utilizes the entropy and information gain of individual predicates and their combinations. EESI reproduced 93% of the existing sameAs links and generated 23% new sameAs links.

기존의 데이터 가치 평가는 주로 비용 접근법, 시장 접근법, 수익 접근법에 근거하고 있다. 그러나 기존 방식은 데이터 구조의 정밀도나 정보량과 같은 내재적 특성을 반영하지 못하고, 데이터 유형과 활용 맥락에 따라 평가 기준이 달라지는 한계를 지닌다. 이러한 한계를 보완하고자, 본 연구는 데이터의 경제적 가치를 평가하는 새로운 방법론을 제안한다. 분석에는 서울 지역 택시의 GPS 로그 데이터를 활용하였으며, 위치 정보의 세분화 수준과 구조적 정밀도, 그리고 속도 변수의 결합 여부에 따라 변화하는 정보량(엔트로피)을 측정하였다. 이후 정보량을 기반으로 한 데이터 가치 함수 모델을 설계하고, 실거래 기반의 기준가격을 참조하여 시장 가치 연동 가능성을 검토하였다. 본 연구는 정보량 중심의 정량적 가치 측정 방식을 통해 데이터의 구조적 특성을 반영하는 합리적 가격 산정 기준과 보상 체계 수립을 위한 이론적․실무적 기반을 제시한다.

Existing data value assessments are mainly based on the cost approach, market approach, and revenue approach. However, existing methods do not reflect the unique characteristics of data structures and have limitations in that the evaluation criteria vary depending on the data type and usage context. The analysis utilized GPS log data of taxis in the Seoul area, and measured the information volume (entropy) that varies depending on the detail and structural precision of location information and the combination of speed variables. Afterwards, a data value function model based on information volume was designed, and the possibility of linking with market value was examined by referring to the standard price based on actual transactions. This study presents theoretical and practical grounds for establishing a reasonable price calculation standard and compensation system that reflects the structural characteristics of data through a quantitative value measurement method centered on information volume.

본 논문에서는 시간 엔트로피를 이용한 이동 물체 검출 방법을 제안한다. 영상에서엔트로피는 하나의 픽셀을 기준으로 주변에 얼마나 갑작스러운 픽셀값 변화가 발생했는지를 나타내는 척도를 말한다. 즉, 엔트로피는 기준 픽셀값이 주변 픽셀과 차이가클 경우 작게 나타나고, 그렇지 않은 경우 크게 나타난다. 본 논문에서는 이러한 엔트로피 개념을 시간 축을 기준으로 적용하여 시간의 변화에 따라 픽셀들의 픽셀값 변화를 분석하여 이동 물체를 검출한다. 이동물체 검출을 위해 두 종류의 시간 엔트로피를이용하는데, 하나는 배경에 대한 것이며 다른 하나는 현재 프레임에 대한 것이다. 이두 시간 엔트로피의 차가 크면 픽셀 값의 변화가 크게 나타난 것이고 따라서 이는 이동물체로 검출된다. 본 논문에서는 시간축에 따른 조명 환경 변화에 대응하기 위해 배경에 대한 시간 엔트로피를 실시간으로 갱신한다. 제안하는 방법은 이 연구 분야에서널리 사용되어 신뢰성이 보장된 PETS 데이터 셋을 이용하여, 가장 대표적인 이동 물체 검출 방법인 GMM과의 성능을 비교하였다. 제안하는 방법은 기존 방법에 비해 적게는 6%, 많게는 12% 이상의 높은 이동물체 검출 정확도를 보였으며, 검출 결과에 있어서도 보다 정밀한 검출이 가능하였다. 특히 검출 정확도에 있어 GMM에 비해 탁월함을 보였다. F-measure를 통해 제안하는 방법이 월등한 성능을 보임을 확인할 수 있었다.

In this paper, a moving object detection method using the concept of entropy based onthe time axis is proposed. The entropy concept provides enhancement of detection for thedynamically changed pixel intensity and it is applied to dynamic scene analysis. The entropyvalue is the maximum when the brightness in the region is uniform, and the value is smallwhen the brightness changes abruptly. We compute the entropy for the background usingnine consecutive frames based on the continuity of time and compare it with those ofentropy in the current frame so that it can effectively extract moving objects. The proposedmethod has been tested on the PETS sets and showed a better performance in comparisonwith GMM which is representative moving object detection algorithm.

스미스슨의 엔트로피 이론은 시간의 변화하는 역사적 양극인 먼 과거와 먼 미래를 언급함으로써 유럽의 미술양식을 미국화하려는 시도에서 출발한다. 그의 지적 도전은 공간적이지 않고 시간적이다. 그리고 그는 생물학적 비유를 미술사에 부적합한 것으로 간주하며, 추상 표현주의에 잠재하는 인간변형주의도 비판한다.그의 이론의 주요 대상은 나선형이다. 그는 시간을 자신 예술의 주요한 주제 중 하나이자 자신의 가장 중요한 매체 중 하나로서도 취한다. 그에게 있어 시간은 결코 비 실체적 추상이 아니라 항상 만져볼 수 있는 구체적 실재이다. 따라서 그의 대표작인 <나선형 방파제>는 공간과 시간을 통하여 계기적 흐름을 가진 경험으로써 역사적 공식을 대신하려고 하는 것이다. 그러한 계기적 흐름의 이미지를 통하여 조각은 정적이고 관념화된 매체로부터 시간적이고 물질적인 매체로 변형되었다. 그는 그러한 나선형 형태를 이용하여 성장과 파괴라는 수많은 연상들을 현상학적 관점에서 유도해낸 것이다. 오웬스는 그의 조각을 우의의 관점에서 고찰하였는데, 그 작품이 환경에 물리적으로 병합된 것처럼 보인다고 주장한다. 그는 더 나아가 환경의 지형적 특이성뿐만 아니라 그로 인한 관람자의 정신적 반향도 대지에 대한 스미스슨의 특별한 해독에 관계한다고 주장한다. 오웬스는 지속되지 않는 특별한 장소에 설치된 대지-특수성 작품이 무상하다고 보았다. 그러한 점에서 그 조각이 사진으로써만 보존될 수 있을 뿐인데, 오웬스는 이점에 착안하여 사진예술의 우의적 잠재력을 강조하고 있다. 오웬스는 스미스슨의 <나선형 방파제>가 바르트, 레리스, 데리다 등의 이론들과 유사성도 갖고 있다고 말한다. 스미스슨은 언어를 단단하고, 완고하며, 3차원적인 투영으로 간주함으로써 언어를 관념이 아닌 물질로 보고 있다. 더불어 그는 세계를 하나의 거대한 텍스트로 간주하므로 기록된 텍스트를 마치 자신의 작품처럼 단단한 재료로 만들어진 것으로 간주한 것이다. 그는 언어가 문자적 의미화와 비유적 의미화 사이에서 작용한다고 보았는데, 그것은 언어를 항상 발전하는 과정으로 보는 견해이다. 그리고 스미스슨의 작품에서 가장 두드러진 측면 중 하나는 역설적으로 숭고에 대한 낭만주의적 환기를 창조하기 위하여 반 낭만주의적, 반 숭고적 자세를 강력하게 활용하는 방식이다. 그의 작품에서 숭고는 무의미한 인간 현존과 관련지어 구조화되는 것이 아니라, 유기적인

그레이스케일 수학적 형태학에 기초한 에지 검출 알고리즘의 방법은 영상 노이즈를 제거와 병렬처리 가능 하고 연산속도가 빠르다는 장점을 갖고 있다. 그러나 단일 구조적 스케일 요소를 사용하여 영상의 에지 검출을 하는 방법은 영상정보에 따라서 영향을 받을 수 있다. 그레이스케일 형태학의 특성은 구조적원소를 반복하여 확장, 침식, 열림, 담힘 연산을 함으로써 연산 결과 에지정보 결과에 제한적일 수 있다. 본 논문에서 잡음에 강인한 방향 성을 갖는 구조적원소를 적용한 후 원소내의 각 픽셀 정보에 가중치 엔트로피를 적용하는 에지 검출 알고리즘을 제안한다. 영상에 적용하는 멀티 스케일 구조적 요소를 적용한 결과와 방향성 가중치 엔트로피를 적용한 연산결과 를 비교분석하였으며, 시뮬레이션 결과는 제안된 알고리즘이 에지 검출에서 우수함을 보였다.

The method of the edge detection algorithm based on grayscale mathematical morphology has the advantage that image noise can be removed and processed in parallel, and the operation speed is fast. However, the method of detecting the edge of an image using a single structural scale element may be affected by image information. The characteristics of grayscale morphology may be limited to the edge information result of the operation result by repeatedly performing expansion, erosion, opening, and containment operations by repeating structural elements. In this paper, we propose an edge detection algorithm that applies a structural element with strong directionality to noise and then applies weighted entropy to each pixel information in the element. The result of applying the multi-scale structural element applied to the image and the result of applying the directional weighted entropy were compared and analyzed, and the simulation result showed that the proposed algorithm is superior in edge detection.

본 논문에서는 데이터 마이닝에 필요한 클러스터링과정에서 불필요한 정보를 감축하기 위하여 베이지언 사 후확률의 신뢰도를 이용한 새로운 척도를 제안한다. 데이터 감축을 위한 속성의 중요도가 클러스터링의 결과에 지배 적이기 때문에 많은 속성의 변별력을 향상시키기 위하여 사후확률의 신뢰도에 정보 엔트로피를 적용하였다. 제안된 사후확률을 기반으로 한 러프 엔트로피 척도에 의한 속성의 신뢰도의 중복성은 엔트로피의 자연로그에 의하여 상당 히 줄어든다. 따라서 제안된 척도에 의하여 생성된 군집화 알고리즘은 속성값의 변별력을 향상시켜 기존의 리덕트를 최소화하였고, 이는 분할의 효율성을 향상시킬 수 있었다. 제안된 알고리즘의 검증을 위해 패턴분류 문제에 적용되는 ACME 데이터에 대하여 속성간의 변별력, 분할결과에 따른 분할의 순정도를 기존의 알고리즘과 비교 분석하였다.

In this paper, we propose a new measure based on the confidence of Bayesian posterior probability so as to reduce unimportant information in the clustering process. Because the performance of clustering is up to selecting the important degree of attributes within the databases, the concept of information entropy is added to posterior probability for attributes discernibility. Hence, The same value of attributes in the confidence of the proposed measure is considerably much less due to the natural logarithm. Therefore posterior probability-based clustering algorithm selects the minimum of attribute reducts and improves the efficiency of clustering. Analysis of the validation of the proposed algorithms compared with others shows their discernibility as well as ability of clustering to handle uncertainty with ACME categorical data.

기존에 제안된 대부분의 스펙트럼 센싱 기법은 해당 시간에 센싱 된 우선사용자의 신호만을 다루고 있다. 하지만 해당 시간 이전의 우선사용자의 상태를 이용하게 되면 조건부 확률을 사용하여 검출기의 신뢰성을 증가시킬 수 있다. 따라서 크로스 엔트로피(Cross Entropy) 기반의 스펙트럼 센싱 기법에서는 해당 시간 이전의 우선사용자의 상태도 함께 이용하는 기법을 제안하였으며 이를 통해 우선사용자 신호 검출 성능을 향상시키고 잡음에 강인한 성능을 갖도록 하였다. 그러나 이러한 크로스 엔트로피 기반의 스펙트럼 센싱 기법은 모두 실제 이상적인 센싱 환경만을 고려하였다. 다시 말해, 우선사용자의 채널 점유 시간이 항상 일정하다고 가정한 상태에서 센싱을 수행하였다. 하지만 실제 상황에서는 우선사용자가 채널을 점유하는 시간이 이상적인 상황보다 길어질 수도, 반대로 짧아질 수도 있으며 이로 인해 스펙트럼 센싱 성능이 변화 할 수 있다. 따라서 본 논문에서는 이러한 실제 상황에서도 센싱 성능을 일정하게 유지할 수 있는 기법을 제안하였으며 이를 시뮬레이션을 통해 확인하였다.

Most of the traditional spectrum sensing methods consider only the current detected data sets of Primary User (PU). However previous state of PU is a kind of conditional probability that strengthens the reliability of the detector. Therefore, in the cross entropy spectrum sensing method, relationship of the previous and current spectrum sensing is considered to detect PU signal more effectively. But these cross entropy spectrum sensing methods only consider the ideal system. In other words, PU always occupy the channel during the same period. However, PU can occupy the channel either for a longer or a shorter period than the ideal case in the real system. For this reason, the spectrum sensing performance can be varied. In this paper, we propose the method that can maintain the performance of spectrum sensing in the real system and we confirm the results with the help of simulation.

연구목적: 최근 대형 사회재난이 잇따라 발생하면서 자연재난 뿐만 아니라 사회재난을 예방하고 피해 를 저감하기 위해 많은 연구가 진행되고 있다. 하지만 연구 중 대부분이 일부 사회재난만을 다루고 있기 때문에 본 논문에서는 지자체에서 중점적으로 다루어야 할 사회재난 유형을 선정하여 효과적인 대책 마련을 위한 기초자료를 만들고자 하였다. 연구방법: 행정안전부에서 고시하고 있는 43종 재난 중 중복 또는 발생 이력이 없는 재난 등을 제외한 후 중점유형을 선정하기 위해 11종의 재난유형을 선정하여 데 이터를 수집하였으며 위험지도로 지역별 위험유형을 도출하였다. 위험지도를 도출하기 위해서 각 세 부지표를 리스케일링하여 0 ~ 1로 정규화를 하였으며 엔트로피 기법을 통해 가중치를 결정하였다. 연 구결과: 그 결과 행정안전부에서 고시하고 있는 중점재난과 약 41%가 일치하였으며 나머지 중점 유형 은 원자력사고, 공동구 사고 등 정보를 취득할 수 없거나 최근 20년 동안 발생하지 않은 재난이었다. 결 론: 따라서 본 연구를 통해 사회재난의 효과적인 예방 및 복구계획을 수립하기 위해 지자체별 사회재난 중점재난을 제시하고자 하였다.

Purpose: Recently, a series of large social disasters have led to a lot of research to prevent social disasters as well as natural disasters and reduce damage. However, this paper aims to select the types of social disasters that local governments should focus on and create basic data for effective countermeasures and mitigation efforts. Method: Among 43 types of disasters announced by the Ministry of Public Administration and Security, 11 types of disasters were selected and collected to select the main types of disasters, and risk types were derived by region with risk maps. In order to derive the risk map, each detailed index was rescheduled to be 0-1 and weights were determined through entropy technique. Result: As a result, about 41% of the major disasters announced by the Ministry of Public Administration and Security were consistent, and the rest of the major types were disasters that could not be obtained or have not occurred in the past 20 years. Conclusion: Therefore, in order to establish an effective prevention and recovery plan for social disasters through this study, it was intended to present social disaster-focused disasters for each local government.

본 논문은 불완전한 데이터를 처리하기 위해 2가지의 서로 다른 기법과 이를 학습하는 알고리즘을 소개한다. 첫째방법은 손실변수가 가질 수 있는 균등한 확률로 손실값을 할당하여 불완전한 데이터를 처리하고, SVM 알고리즘으 로 이 데이터를 학습하는 것이다. 이 기법은 임의의 변수에 손실 값의 빈도가 높을수록 엔트로피가 높도록 하여 이 변수 가 결정트리에서 선택되지 않도록 하는 것이다. 이 방법은 손실 변수에 남아있는 정보를 모두 무시하고 새로운 값을 할당한다는 특징이 있다. 이에 반해 새로운 방법은 손실 값을 제외하고 남아있는 정보로 엔트로피 확률을 구하고 이를 손실 변수의 추정 값으로 사용하는 것이다. 즉, 불완전한 학습데이터로부터 소실되지 않은 많은 정보들을 이용해 소실된 일부 정보를 복구하고 딥러닝을 이용해 학습한다. 이 2가지 방법은 학습데이터에서 차례로 변수 하나를 선택하고, 이 변수에 손실된 데이터의 비율을 달리하면서 서로 다른 측정값들의 결과들과 반복적으로 비교함으로써 성능을 측정한다.

This paper introduces two different techniques for dealing with incomplete data and algorithms for learning this data. The first method is to process the incomplete data by assigning the missing value with equal probability that the missing variable can have, and learn this data with the SVM. This technique ensures that the higher the frequency of missing for any variable, the higher the entropy so that it is not selected in the decision tree. This method is characterized by ignoring all remaining information in the missing variable and assigning a new value. On the other hand, the new method is to calculate the entropy probability from the remaining information except the missing value and use it as an estimate of the missing variable. In other words, using a lot of information that is not lost from incomplete learning data to recover some missing information and learn using deep learning. These two methods measure performance by selecting one variable in turn from the training data and iteratively comparing the results of different measurements with varying proportions of data lost in the variable.

본 논문에서는 스마트 공장에서 의사결정 모델을 이용한 순차 마이닝 기반 제조공정을 제안한다. 제안하는 모델은 소규모의 제조공정에서 순차 마이닝 의사결정 모델을 적용하여 제조 효율을 높이는 방법이다. 제조 단계 중 제품 제조 과정에서 나타나는 데이터를 입력 변수들로 구성하고, 시간당 제조량과 불량률을 출력 변수로 구성한다. t-검정을 통해 유의 수준이 높은 변수만을 사용하여 GSP 알고리즘과 REPTree 알고리즘을 이용한 규칙과 모델을 생성한다. 의미있는 순차 규칙과 의사결정 모델은 정확도, 민감도, 특이성, 예측도를 통해 유의미함을 확인한다. 결과적으로, 실제 제조에 적용한 결과 불량률은 0.38%가 개선되었고, 시간당 제조량은 평균 1.89/h 증가되었다. 이는 소규모 제조 공정에서 데이터 마이닝 분석을 통한 제조 효율을 높이기 위한 의미있는 결과를 나타낸다.

In this paper, we propose a sequence mining based manufacturing process using a decision model in cognitive factory. The proposed model is a method to increase the production efficiency by applying the sequence mining decision model in a small scale production process. The data appearing in the production process is composed of the input variables. And the output variable is composed the production rate and the defect rate per hour. We use the GSP algorithm and the REPTree algorithm to generate rules and models using the variables with high significance level through t-test. As a result, the defect rate are improved by 0.38% and the average hourly production rate was increased by 1.89. This has a meaning results for improving the production efficiency through data mining analysis in the small scale production of the cognitive factory.

철도는 항공기, 선박 등과 더불어 대표적 대중교통 수단으로서 최근 고속 철도의 등장으로 인해 그 비중이 점점 더 높아지고 있으며, 아울러 대형사고의 위험 또한 증가하고 있다. 이중에서 철도 차량의 차축 베어링은 높은 안전성이 요구되는 부품으로서 최근 이의 고장예측을 위한 건전성 관리기술(Prognostics and Health Management, PHM)에 많은 연구가 집중되고 있다. PHM은 센서를 통해 얻은 데이터로부터 결함관련 특징신호를 추출하고 현재의 고장수준 진단과 미래의 고장싯점을 예측하는 기술로서, 이중에서 가장 중요한 부분은 올바른 특징신호를 추출하는 것이다. 그러나 지금까지의 특징신호들은 잡음으로 인한 심한 변동이나 비단조 경향으로 인해 고장예측에 이용하기에 부족한 점이 있었다. 본 연구에서는 이를 극복하기 위해 주파수 에너지 이동현상을 기반으로 정보 엔트로피를 특징신호로 사용하는 새로운 특징신호 추출법을 개발하고 IEEE 2012 PHM 경진대회에서 공개된 FEMTO 베어링 수명시험 데이터를 대상으로 기존의 특징신호들과 고장예측 성능비교를 함으로써 그 우수성을 검증하였다.

Railway is one of the public transportation systems along with shipping and aviation. With the recent introduction of high speed train, its proportion is increasing rapidly, which results in the higher risk of catastrophic failures. The wheel bearing to support the train is one of the important components requiring higher reliability and safety in this aspect. Recently, many studies have been made under the name of prognostics and health management (PHM), for the purpose of fault diagnosis and failure prognosis of the bearing under operation. Among them, the most important step is to extract a feature that represents the fault status properly and is useful for accurate remaining life prediction. However, the conventional features have shown some limitations that make them less useful since they fluctuate over time even after the signal de-noising or do not show a distinct pattern of degradation which lack the monotonic trend over the cycles. In this study, a new method for feature extraction is proposed based on the observation of relative frequency energy shifting over the cycles, which is then converted into the feature using the information entropy. In order to demonstrate the method, traditional and new features are generated and compared using the bearing data named FEMTO which was provided by the FEMTO-ST institute for IEEE 2012 PHM Data Challenge competition.

본 연구는 제한된 인력과 비용을 활용하여 습지 지대에서의 일관되고 적절한 수위자료를 획득하기 위한 방안 수립을 목표로 하였다. 이를 위해 기존의 수위관측소 설치 기준에 입각한 상·하류간의 유기적인 상관관계를 파악하여 관측소 간의 최적의 수위관측망의 선정 기술을 개발함으로서 유역을 대표할 수 있는 일관된 수위자료 획득에 중점을 두었다. 우선 기존에 습지 유역을 포함한 충주댐 유역을 대상으로 하천을 중심으로 설치되어 있는 수위관측소 현황을 파악한 후, 유출 특성을 나타내는 대표단위도를 산정한 후 확률밀도함수로 변환하였으며, 대상 유역내에서 엔트로피 이론에 의한 정보 전달량을 산정하였다. 마지막으로 각 관측소 간의 공간적인 상관관계를 분석하고, 정보 전달량과 각 관측소 의 상관관계를 고려해 수위관측망을 최적화하였다. 즉, 정보 전달량으로 수위관측소의 개수에 따른 조합을 고려하되, 수위관측소간의 상관분석을 적용하여 수위관측소 설치위치와 개수에 대하여 최적화된 수위관측망을 제시할 수 있었다.

This paper not only aims to establish a plan to acquire the water stage data in a constant and proper manner by using limited manpower and costs, but also establishes the fundamental technology for acquiring the water level observation data or the stage data. For this, this paper focuses on how to acquire the stage data, in a uniform manner, that can represent each basin by developing the technology for establishing the optimal observational network. For that, this paper identifies the current status of the stage gauge stations installed in the ChungJu dam including wetland basin mainly along the national rivers. Then, thus obtained factors are used to develop the representative unit hydrograph. After that, the data are converted into the probability density function. Then, the stations are calculated information transfer amount. As a last step, we establish the optimized stage gauge network by the location of the stage station and space impact that takes into account for the combinations of the number of the stations. In other words, we consider the combination of the stage gauge station with information transfer amount and spatial correlation analysis for estimation.

본 연구에서는 최적일치법(Optimal Matching Method)을 활용하여 초등교사의 경력을 분석하고자 하였다. 이를 위해 초등교사 경력의 하위범주를 ①정교사, ②기간제, ③학업, ④휴직, ⑤휴학, ⑥교사외 직업, ⑦무직, ⑧장학사(관), 연구사(관), ⑨교장, 교감, ⑩ 기타의 10개로 구분하여 남자, 여자 교사 대상으로 분석한 결과, 이들의 경력개발 경로 유형이 각각 4, 3개의 고유한 유형으로 구분되는 것으로 나타났다. 연구 결과를 통하여 얻어진 결론은 다음과 같다. 첫째, 초등학교 남자 교사의 경우, ① 임용 및 휴직 후 교사 유지형, ② 기간제 후 교사 유지형, ③ 타 직업에서 교사 전환형, ④ 졸업 후 정교사 유지형 등의 4개 유형이 확인되었다. 둘째, 초등학교 여자 교사의 경우, ① 무직 후 교사 유지형, ② 타 직업에서 교사 전환형, ③ 정교사 임용, 휴직 후 정교사 유지형 등의 3개 유형이 확인되었다. 셋째, 초등교사의 각 연령대별로 경력개발을 위한 지원이 요구된다. 경력개발 경로분석에서의 엔트로피를 분석한 결과, 남자 교사와 여자 교사 모두 개인별로 서로 다른 경력을 보이지 않고 비슷한 경력을 보이기도 하지만, 개인별로 서로 다른 경력을 보이기 시작하는 시기에는 연령에 부합하는 경력개발 지원이 요구된다.

The purpose of this study is to identify and describe the career patterns of education and career of the primary school teachers in Korea. Data from survey is analyzed by applying optimal matching method and clustering analysis. Results of this study are as follows. Firstly, career patterns of male teachers cluster 4 types: ‘Cluster 1: Continuous regular teachers status after appointment and layoff ’, ‘Cluster 2: Continuous regular teachers status after short-term teaching positions', ‘Cluster 3: Change of job', ‘Cluster 4: Regular teachers after university graduation’. Secondly, career patterns of female teachers cluster 3 types: ‘Cluster 1: Continuous regular teachers status after unemployment’, ‘Cluster 2: Change of job’, ‘Cluster 3: Regular teachers after university graduation. Third, primary school teachers' career development support for each age group are urgently needed

본 논문은 융복합을 위한 범주형 데이터의 부공간에 의한 군집화에 대해서 다룬다. 범주형 데이터는 수치형 데이터에만 국한되지 않기 때문에 기존의 범주형 데이터들의 평가척도들은 순서화(ordering)의 부재와 데이터의 고차원성과 희소성으로 인하여 한계를 가지기 마련이다. 따라서 각각의 군집에 존재하는 범주형 속성들의 상호 유사도을 보다 근접하게 측정할 수 있는 조건부 엔트로피 척도를 제안한다. 또한 군집의 최적화를 위하여 군집내의 발산을 최소화하고, 군집간의 독립성을 향상시킬 수 있는 새로운 목적함수를 제안한다. 제안된 알고리즘의 성능을 4개의 알고리즘과 비교검증하기 위하여 5가지의 데이터에 대하여 실험을 수행하였다. 비교검증을 위한 평가척도는 정확도, f-척도와 적응된 Rand 색인이다. 실험을 통하여 제안된 방법이 평가척도에 의한 결과에서 기존의 방법들보다 좋은 성능을 보였다.

This paper describes subspace clustering of categorical data for convergence and integration. Because categorical data are not designed for dealing only with numerical data, The conventional evaluation measures are more likely to have the limitations due to the absence of ordering and high dimensional data and scarcity of frequency. Hence, conditional entropy measure is proposed to evaluate close approximation of cohesion among attributes within each cluster. We propose a new objective function that is used to reflect the optimistic clustering so that the within-cluster dispersion is minimized and the between-cluster separation is enhanced. We performed experiments on five real-world datasets, comparing the performance of our algorithms with four algorithms, using three evaluation metrics: accuracy, f-measure and adjusted Rand index. According to the experiments, the proposed algorithm outperforms the algorithms that were considered int the evaluation, regarding the considered metrics.

본 논문은 대학생을 대상으로 학생들의 학업 및 취업경쟁력 강화에 필요한 핵심 역량의 도출과 진단에 관 한 연구이다. 이러한 데이터의 처리에는 매우 많은 변수로 인한 차원의 증가로 인하여 계산상의 어려움이 수반되어 지고 변수의 중복성과 중요도에 있어서 다양한 통계적 관계가 존재한다. 따라서 범주형 데이터의 분류에서 발생하는 애매함이나 불확실성을 처리하기 위하여 러프집합과 정보 엔트로피를 기반으로 불확실성의 척도를 정의하여 학생들 의 유사행동을 분석하고, 기존의 통계적인 방법과의 비교우위를 위하여 속성간의 변별력을 비교하였다. 도출된 공통 핵심역량과 전공핵심역량을 이용하여 학생들이 가지고 있는 역량의 정성적인 보유수준과 부족한 역량을 파악할 수 있기 때문에, 대학생활지도와 취업진로지도의 보조자료로 활용이 가능할 뿐만 아니라 대학 적응을 높이고 취업 활성 화에 부합될 수 있다고 사료된다.

This paper presents the core competencies diagnosis system which targeted our collegiate students in an attempt to induce the core competencies for reinforcing the learning and employment capabilities. Because these days data give rise to a high level of redundancy and dimensionality with time complexity, they are more likely to have spurious relationships, and even the weakest relationships will be highly significant by any statistical test. So as to address the measurement of uncertainties from the classification of categorical data and the implementation of its analytic system, an uncertainty measure of rough entropy and information entropy is defined so that similar behaviors analysis is carried out and the clustering ability is demonstrated in the comparison with the statistical approach. Because the acquired and necessary competencies of the collegiate is deduced by way of the results of the diagnosis, i.e. common core competencies and major core competencies, they facilitate not only the collegiate life and the employment capability reinforcement but also the revitalization of employment and the adjustment to college life.

The purpose of cooperation is to obtain mutual benefit. The basic process on cooperation is exchanging something that an individual cannot product. It means that cooperation can be decomposed into two processes: give and take. So, social network combined with give and take process becomes a complex system that represents cooperation. However, there was no method to measure cooperation numerically based on the complex system model before. Online messenger is an appropriate tool because it works on social network. With the number of messages sent or received on messenger, cooperative score is measurable in real time. To do it, the following three elements should be considered. First, cooperation means that both give and take need to be equally distributed among people in an organization. This measurement is available from entropy in information theory. However, without the amount of activity in give and take process, the equal distribution is not enough to present cooperative score. Last, the biased activity with a large amount of activity must be inhibited. Without the third element, only competition is led for selfish benefit. The example in the paper shows that cooperative score equation is proper to be applied if there are countable information in give and take process. With this cooperative scoring system, organizations could easily detect cooperativeness among teams and employee in real time.

Data mining and game sounds classification prerequisite to find a compact but effective set of features in the overall problem-solving process. As a preprocessing step of data mining, feature selection has tuned to be very efficient in reducing its dimensionality and removing irrelevant data at hand. In this paper we cast a feature selection problem on rough set theory and a conditional entropy in information theory and present an empirical study on feature analysis for classical instrument classification. An new definition of a significance of each feature using rough set theory based on rough entropy is proposed. Our results suggest that further feature analysis research is necessary in order to optimize feature selection and achieve better results for the musical instrument sound classification problem through Weka’s classifiers. The results show that the performance of the best 17 selected features among 37 features has 3.601 compared to 2.332 in standard deviation and 94.667 compared to 96.935 in average with four classifiers.

러프집합에서는 동치류와 근사공간의 개념을 이용하여 데이터 마이닝 분야에서 중복되는 정보로부터 특징점 을 효율적으로 추출하여 최적화된 제어규칙을 유도할 수 있다. 이러한 추출과정에서 가장 중요하게 고려되어져야 할 부분은 많은 속성에 대한 감축이다. 본 논문에서는 속성간의 관계에서 러프엔트로피를 이용하여 가장 신뢰도가 우수 한 속성을 구할 수 있는 정보이론적인 척도를 제시한다. 제안된 방법은 러프엔트로피를 기반으로 불필요한 속성을 제 거함으로써 유용한 리덕트를 생성하고 이들에 대한 코어를 형성한다. 결과적으로 원시정보의 내용은 변하지 않으면서 지식감축을 통하여 간소화된 제어규칙을 구축할 수 있음을 보인다.

Rough set theory comes to derive optimal rules through the effective selection of features from the redundancy of lots of information in data mining using the concept of equivalence relation and approximation space in rough set. The reduction of attributes is one of the most important parts in its applications of rough set. This paper purports to define a information-theoretic measure for determining the most important attribute within the association of attributes using rough entropy. The proposed method generates the effective reduct set and formulates the core of the attribute set through the elimination of the redundant attributes. Subsequently, the control rules are generated with a subset of feature which retain the accuracy of the original features through the reduction.