디지털 라이브러리[ 검색결과 ]
Creating Level Set Trees Using One-Class Support Vector Machines
레벨 셋 트리는 다차원에 정의된 확률 밀도 함수를 표현하는데 유용하다. 복잡한 데이터의 구조를 트리 형태로 시각화하여 데이터의 형태를 효율적으로 파악할 수 있으며 클러스터링 분석에 효과적으로 이용할 수 있다. 본 논문에서는 미지의 확률 밀도 함수에서 생성된 데이터 샘플로부터 레벨 셋 트리를 생성하는 알고리즘을 제안한다. 제안된 알고리즘은 레벨을 0에서부터 무한대로 증가시키며 밀도 함수의 각 레벨 셋을 추정하고, 이로부터 레벨 셋 트리를 생성한다. 이를 위해 본 논문에서는 one-class 서포트 벡터머신 (OC-SVM)을 이용하여 직접적으로 레벨 셋을 추정한다. 이때 다양한 레벨 값에 대해 OC-SVM 학습을 반복해야 하는데, OC-SVM 솔루션 path 알고리즘을 통해 빠른 시간 안에 모든 레벨값에 해당하는 레벨 셋를 추정할 수 있다.
Seasonal-Trend Decomposition과 시계열 상관관계 분석을 통한 비정상 이벤트 탐지 시각적 분석 시스템
본 논문에서는 시공간 정보를 포함하는 트윗 스트림에서 비정상적인 이벤트에 대한 상관관계를 사용자에게 시각적으로 분석하는 방법을 다양한 실험을 통하여 제안한다. 제안하는 방법으로는 트윗에서 토픽 모델링을 수행한 다음 계절요인과 추세요인을 반영한 시계열 분석 기법을 이용하여 비정상적인 이벤트 후보군을 추출한다. 추출된 토픽이 포함되어 있는 데이터를 대상으로 다시 한 번 토픽을 추출하여 시계열 분석을 수행한 다음 앞서 추출한 토픽과의 상관관계를 분석하여 비정상적인 이벤트를 탐지할 수 있도록 하였다. 비정상 이벤트를 탐지하는 모든 과정에 시각적 분석 방법을 이용하여 단순한 수치 정보가 아닌 시각적 패턴 형태로 나타냄으로써 사용자는 직관적으로 비정상 이벤트의 동향과 주기적인 패턴을 분석할 수 있도록 하였다. 실험은 2014년 1월 1일부터 2014년 6월 30일까지 국내에서 발생한 트윗을 대상으로 2개의 사건[경주 마우나 리조트 붕괴 사건(2014.02.17.), 진도 여객선 침몰 사건(2014.04.16.)]에 대해 시각적 분석 시스템을 적용하여 사용자는 쉽게 데이터를 분석하고 이해할 수 있음을 보였다.
소프트웨어 가시화를 통한 품질 개선 사례 연구
오늘날 소프트웨어는 규모가 크고 시장 출하 기간의 단축 상황에서도 고품질 이슈가 중요하다. 그리고 산업 현장에서는 빠른 개발을 위해 아직도 코드 중심 개발에 초점을 두고 있다. 따라서 1) 개발자의 나쁜 코드 개발 습관의 개선 측면 그리고 2) 소프트웨어 비설계화, 비문서화 및 코드 내부 구조 비가시화의 유지보수 측면 등을 해결해야 한다. 이에 코드 가시화의 필요성이 대두되고 있다. 본 논문에서는 객체지향 코드의 내부 구조 시각화 방법을 위해 Tool-Chain을 이용한 내부 구조 가시화 방법과 품질 개선 절차를 제안한다. 사례로써 NIPA의 SW Visualization 기법을 실제 객체 코드에 적용한다. 먼저 객체지향 코드의 모듈 단위를 클래스로 정의하고, 코드의 정량적 분석 및 가시화를 통해 코드의 복잡도(Code Complexity)를 줄이고자 하였다.
