생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
목차
국문초록 11
ABSTRACT 13
제1장 서론 15
1.1. 연구 배경 15
1.2. 연구 목적 17
1.3. 연구 내용 21
1.4. 연구 방법 23
1.5. 연구 범위 26
제2장 관련 연구 27
2.1. 기본 개념 27
2.1.1. EM－알고리즘(Expectation Maximization Algorithm) 27
2.1.2. 가우시안 혼합 모델(Gaussian Mixture Model) 28
2.1.3. 동적 베이지안 망(Dynamic Bayesian Network) 29
2.1.4. 동적 베이지안 망 추론 31
2.1.5. 파티클 필터링(Particle Filtering) 33
2.1.6. 서술 논리와 태블로 알고리즘 34
2.1.7. 가정 기반 사실 관리 시스템(ATMS) 36
2.2. 관련 연구 39
2.2.1. 이동 행위 인지 39
2.2.2. 이동 경로 모델 구축과 예측 40
2.2.3. 온톨로지의 추론 42
2.2.4. 온톨로지의 논리적 오류 원인 탐지 43
2.2.5. 모바일 환경에서의 온톨로지 기반 콘텍스트 추론 44
제3장 사용자의 이동 행위 인지와 경로 예측 49
3.1. 사용자 이동 행위 인지 49
3.1.1. 사용자 이동 행위 모델 49
3.2. 사용자 경로 학습 및 예측 56
3.2.1. 사용자 관심 지점 탐지 56
3.2.2. 이동 경로 모델 표현 58
3.2.3. 이동 경로 모델 학습 60
3.2.4. 사용자 이동 경로 예측 64
제4장 콘텍스트 모델링과 추론 68
4.1. 콘텍스트 모델을 위한 온톨로지 구성과 검증 69
4.1.1. 베이스 온톨로지 69
4.1.2. 온톨로지의 논리적 오류와 원인 탐지 71
4.1.3. 콘텍스트 온톨로지 82
4.2. 콘텍스트 추론 83
4.2.1. T－Box 추론 84
4.2.2. A－Box 추론 88
제5장 실험 및 평가 97
5.1. 이동 행위 인지 실험 97
5.2. 이동 경로 예측 실험 99
5.3. 온톨로지 스키마 검증 실험 107
제6장 결론 113
참고문헌 116
[표 2-1] 태블로 확장 규칙의 예 36
[표 3-1] 본 연구에서 인지하는 사용자 이동 행위 50
[표 3-2] 경로 모델을 구성하는 파라미터 집합 60
[표 4-1] 태블로 규칙에 대응하는 ATMS 프로토콜 집합 75
[표 4-2] 트리플로 표현된 온톨로지 90
[표 4-3] OWL Axiom 정의를 위한 BNF 94
[표 5-1] 이동 행위 모델 구축과 인지를 위한 데이터 97
[표 5-2] 실험 비교 대상의 이동 행위 인지 정확도 98
[표 5-3] 가우시안 혼합 모델로 표현된 이동 행위 모델의 정확도 99
[표 5-4] 이동 경로 학습 및 예측 실험에 사용된 데이터 100
[표 5-5] 피험자의 gps 이력으로부터 추출된 관심 지점과 구간 101
[표 5-6] 목적지 예측에 대한 효용성 검증 107
[표 5-7] 온톨로지 디버깅에 적용된 테스트 온톨로지 110
[표 5-8] 논리적 오류 원인 탐지 정확도 112
[그림 1-1] Motivate 시스템 구성도 17
[그림 1-2] 본 논문의 세부 연구 20
[그림 1-3] 본 논문의 각 세부 연구 간의 관계 21
[그림 2-1] 가우시안 혼합 모델의 예 29
[그림 2-2] 동적 베이지안 네트워크의 표현 예 30
[그림 2-3] 동적 베이지안 망의 추론 32
[그림 2-4] 파티클 필터링 알고리즘 34
[그림 2-5] ATMS의 구조 37
[그림 2-6] 결정 모듈을 통한 Sensay의 사용자 콘텍스트 인지 46
[그림 2-7] Context－Aware Browser의 콘텍스트 추론 과정 47
[그림 3-1] 이동 행위 모델을 구축하는데 사용되는 특징 51
[그림 3-2] 각 이동 행위 모델을 학습하기 위한 EM－알고리즘 53
[그림 3-3] 이동 행위 인지 과정 54
[그림 3-4] 승용차와 버스 이동을 구분하기 위한 휴리스틱 규칙 55
[그림 3-5] GPS 이력 중 사용자가 10분 이상 머무른 지점 57
[그림 3-6] 밀도 기반 클러스터링에 의해 탐지된 사용자 POI 58
[그림 3-7] 동적 베이지안 망으로 표현한 사용자 이동 경로 모델 59
[그림 3-8] 이동 경로 모델을 학습하기 위한 훈련 데이터의 예 61
[그림 3-9] 도로 지리 정보를 통해 보정된 훈련 데이터의 예 62
[그림 3-10] 목적지와 이동 구간의 파라미터를 학습하기 위한 EM－알고리즘 63
[그림 3-11] 파티클 필터를 통해 사용자의 향후 위치에 대한 근사 추론예 65
[그림 3-12] 사용자 이동 경로 예측을 위한 파티클 필터링 알고리즘 66
[그림 4-1] 콘텍스트 표현을 위한 베이스 온톨로지 70
[그림 4-2] 베이스 온톨로지의 각 클래스 관계 72
[그림 4-3] ATMS와 태블로 기반 추론 엔진간의 관계 74
[그림 4-4] 비논리적 개념을 유발하는 공리 탐지를 위한 ATMS 구축 알고리즘 77
[그림 4-5] 비논리적 개념 A를 유발하는 모든 공리를 찾는 과정(1단계) 78
[그림 4-6] 비논리적 개념 A를 유발하는 모든 공리를 찾는 과정(2단계) 79
[그림 4-7] 비논리적 개념 A를 유발하는 모든 공리를 찾는 과정(3단계) 80
[그림 4-8] 비논리적 개념 A를 유발하는 모든 공리를 찾는 과정(4단계) 81
[그림 4-9] 비논리적 개념 A를 유발하는 모든 공리를 찾는 과정(5단계) 81
[그림 4-10] 비논리적 개념 A를 유발하는 모든 공리를 찾는 전체 과정 82
[그림 4-11] 온톨로지에서 각각의 콘텍스트 의미 정의 83
[그림 4-12] To－Do 리스트 구조 87
[그림 4-13] 개체 생성기를 통한 상황 개체 생성 90
[그림 4-14] RDF-트리플의 사실 변환 과정 93
[그림 4-15] 실체화 추론을 통해 사용자의 상황이 콘텍스트로 추상화 되는 예 96
[그림 5-1] 피험자 1의 사용자 관심 지점 101
[그림 5-2] 피험자 1이 특정 목적지로 이동 중일때 목적지 예측 정확도 103
[그림 5-3] 피험자 2가 특정 목적지로 이동 중일때 목적지 예측 정확도 104
[그림 5-4] 피험자 1의 EM 알고리즘을 통해 학습된 이동 경로 모델과 2차 마코프 모델에 대한 정확도 105
[그림 5-5] 피험자 1의 EM 알고리즘을 통해 학습된 이동 경로 모델과 은닉 마코프 모델에 대한 정확도 105
[그림 5-6] 목적지 예측의 효용성을 실험하기 위한 지상 검증 도구 106
[그림 5-7] Minerva가 온톨로지의 논리적 오류 검사를 수행한 화면 108
[그림 5-8] 비논리적 개념을 유발하는 모든 공리를 탐지한 예 109
[그림 5-9] 논리적 오류 원인 탐지 속도 111
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
