Our research is aimed at predicting recent trend and leading technology for the future and providing optimal Nano technology trend information by analyzing Nano technology trend. Under recent global market situation, Users’ needs and the technology to meet these needs are changing in real time. At this point, Nano technology also needs measures to reduce cost and enhance efficiency in order not to fall behind the times. Therefore, research like trend analysis which uses search data to satisfy both aspects is required. This research consists of four steps. We collect data and select keywords in step 1, detect trends based on frequency and create visualization in step 2, and perform analysis using data mining in step 3. This research can be used to look for changes of trend from three perspectives. This research conducted analysis on changes of trend in terms of major classification, Nano technology of 30’s, and key words which consist of relevant Nano technology. Second, it is possible to provide real-time information. Trend analysis using search data can provide information depending on the continuously changing market situation due to the real-time information which search data includes. Third, through comparative analysis it is possible to establish a useful corporate policy and strategy by apprehending the trend of the United States which has relatively advanced Nano technology. Therefore, trend analysis using search data like this research can suggest proper direction of policy which respond to market change in a real time, can be used as reference material, and can help reduce cost.

The mortality rate in industrial accidents in South Korea was 11 per 100,000 workers in 2015. It’s five times higher than the OECD average. Economic losses due to industrial accidents continue to grow, reaching 19 trillion won much more than natural disaster losses equivalent to 1.1 trillion won. It requires fundamental changes according to industrial safety management. In this study, We classified the risk of accidents in industrial complex of Ulju-gun using spatial analytics and data mining. We collected 119 data on accident data, factory characteristics data, company information such as sales amount, capital stock, building information, weather information, official land price, etc. Through the pre-processing and data convergence process, the analysis dataset was constructed. Then we conducted geographically weighted regression with spatial factors affecting fire incidents and calculated the risk of fire accidents with analytical model for combining Boosting and CART (Classification and Regression Tree). We drew the main factors that affect the fire accident. The drawn main factors are deterioration of buildings, capital stock, employee number, officially assessed land price and height of building. Finally the predicted accident rates were divided into four class (risk category-alert, hazard, caution, and attention) with Jenks Natural Breaks Classification. It is divided by seeking to minimize each class’s average deviation from the class mean, while maximizing each class’s deviation from the means of the other groups. As the analysis results were also visualized on maps, the danger zone can be intuitively checked. It is judged to be available in different policy decisions for different types, such as those used by different types of risk ratings.

In order to implement the smart home environment, we need an intelligence service platform that learns the user’s life style and behavioral patterns, and recommends appropriate services to the user. The intelligence service platform should embed a couple of effective and efficient data mining algorithms for learning from the data that is gathered from the smart home environment. In this study, we evaluate the suitability of data mining algorithms for smart home intelligent service platforms. In order to do this, we first develop an intelligent service scenario for smart home environment, which is utilized to derive functional and technical requirements for data mining algorithms that is equipped in the smart home intelligent service platform. We then evaluate the suitability of several data mining algorithms by employing the analytic hierarchy process technique. Applying the analytical hierarchy process technique, we first score the importance of functional and technical requirements through a hierarchical structure of pairwise comparisons made by experts, and then assess the suitability of data mining algorithms for each functional and technical requirements. There are several studies for smart home service and platforms, but most of the study have focused on a certain smart home service or a certain service platform implementation. In this study, we focus on the general requirements and suitability of data mining algorithms themselves that are equipped in smart home intelligent service platform. As a result, we provide a general guideline to choose appropriate data mining techniques when building a smart home intelligent service platform.

최근 주목받고 있는 빅데이터 분석을 위한 데이터마이닝 기술은 다양한 형태로 수집된 생태계 데이터의 지능적 활용을 위해 매우 필요하다. 본래 데이터마이닝 기술이란 축적된 많은 데이터로부터 숨겨진 유용한 패턴을 분석하여 지식화하기 위한 전반적 기술을 의미한다. 현재 우리나라의 많은 생태계 데이터는 다양한 형태 및 형식으로 여러 곳에 흩어져 저장되어 있기 때문에 이를 효과적으로 활용하기 위해서는 표준 프로토콜에 기반한 원시데이터의 표준화 작업 및 통합된 생태계 데이터로부터 유용한 패턴을 검출하기 위한 마이닝 기술 (판별분석, 연관분석, 군집분석) 의 적용이 필요하다. 본 발표에서는 각 단계별 기술 개발 동향 및 관련 이슈에 관해 논의하고, 본 연구실에서 개발한 관련 기술에 관해 소개한다.

As big data is diffused throughout the industry, big data analytics is regarded as a corporate competitiveness, and data mining techniques are pouring in exponential methodologies and techniques in the field of computational science. Using mathematical and statistical techniques that have sufficient academic depth, we aim to increase mining efficiency by increasing efficiency and applying efficient data to mining procedures and processing procedures.

최근 모바일과 웹 사용의 증가로 일상생활에서 기록되는 로그데이터를 다양하게 분석하여 의미있는 정보와 지식을 이끌어내고자 하는 연구가 증가하고 있다. 웹과 모바일 기기로부터 생성되는 로그데이터는 시공간적인 정보를 담고 있으며, 데이터를 다차원적으로 탐색하고 시각화하여 기존에 분석하지 못했던 다양한 의미를 찾을 수 있음이 확인되고 있다. 본 연구에서는 시간과 공간 정보를 가지고 있는 로그데이터를 다차원적으로 탐색하고, 의미를 분석하는 데이터마이닝과 시공간 데이터를 시각화하여 의미를 도출하고자 하는 시각화 관련 연구들을 분야별, 연구방법별로 분석하여 연구동향을 살피고 의미를 찾고자 한다.

표준은 산업발전 및 무역 자유화의 기반이며 사회 · 경제적인 효율을 향상시키는 중요한 수단이다. 표준과 관련된 정책은 국가적인 차원에서 중요한 이슈 중 하나가 되고 있으며, 이에 따라 산업 분야별 한국산업표준 제정과 활용에 대한 분석은 표준과 관련된 연 구에서 중요한 부분이 되고 있다. 본 연구는 분야별 KS 보유 및 제정현황 분석 그리고 열람실적을 이용하여 표준의 활용도 를 분석한다. 먼저 KS의 보유현황을 국가정책적인 이슈와 함께 살펴보고, 세부적으로 KS 제 정현황이 유사한 분야들은 무엇인지 파악하기 위해 다차원 척도법을 이용하여 시각화 및 군 집화를 실시한다. 이후 각 군집별 제정현황이 유사한 분야들의 표준화 제정활동에 영향을 미 치는 결정요인이 무엇인지 가설설정에 따른 회귀분석을 실시한다. 연구결과 자본집약도, 연구개발 그리고 매출액이 표준화 제정활동에 영향을 미치는 것으로 나타났다. 이에 따라 정부 는 자본집약도가 큰 기업들이 표준화 과정에서 선도적 역할을 유도하고, 연구개발에 따른 표 준과 기술특허 등을 정책적으로 연계시키며, 매출액이 큰 기업들이 표준화 활동을 선도하도 록 지원정책을 수립해야 한다. 두 번째로 표준의 활용도를 분석하기 위해, KS 열람실적 데이 터를 사용하며, 각 KS의 제정연도, 형태 분야별 활용도가 어떻게 다른지 기초통계분석과 의 사결정나무를 사용하여 분석을 수행한다. 그 결과 표준의 제정시기가 활용도에 영향을 크게 미치며, 특정 분야와 형태의 KS들은 최근에 제정되었더라도 활용도가 높은 것으로 나타났 다. 이에 따라 열람실적이 낮은 표준들에 대한 홍보 정책과 함께, 표준을 제정할 때 미열람되 는 표준이 적어지도록 활용도를 고려하는 정책을 수립해야 한다.

Decision Tree is one of analysis techniques which conducts grouping and prediction into several sub-groups from interested groups. Researcher can easily understand this progress and explain than other techniques. Because Decision Tree is easy technique to see results. This paper uses CART algorithm which is one of data mining technique. It used 273 variables and 70094 data(2010-2011) of working environment survey conducted by Korea Occupational Safety and Health Agency(KOSHA). And then refines this data, uses final 12 variables and 35447 data. To find satisfaction factor in working environment, this page has grouped employee to 3 types (under 30 age, 30 ~ 49age, over 50 age) and analyzed factor. Using CART algorithm, finds the best grouping variables in 155 data. It appeared that ‘comfortable in organization’ and ‘proper reward’ is the best grouping factor.

This study suggests new approach to identify core technologies through patent analysis. Specially, the approach applied data mining technique and multi-criteria decision making method to the co-classification information of registered patents. First, technological interrelationship matrices of intensity, relatedness, and cross-impact perspectives are constructed with support, lift and confidence values calculated by conducting an association rule mining on the co-classification information of patent data. Second, the analytic network process is applied to the constructed technological interrelationship matrices in order to produce the importance values of technologies from each perspective. Finally, data envelopment analysis is employed to the derived importance values in order to identify priorities of technologies, putting three perspectives together. It is expected that suggested approach could help technology planners to formulate strategy and policy for technological innovation.

본 논문에서는 주성분 회귀법과 부분최소자승 회귀법을 비교하여 보여준다. 이 비교의 목적은 선형형태를 보유한 근적외선 분광 데이터의 분석에 사용할 수 있는 적합한 예측 방법을 찾기 위해서이다. 두 가지 데이터 마이닝 방법 론인 주성분 회귀법과 부분최소자승 회귀법이 비교되어 질 것이다. 본 논문에서는 부분최소자승 회귀법은 주성분 회귀법과 비교했을 때 약간 나은 예측능력을 가진 결과를 보여준다. 주성분 회귀법에서 50개의 주성분이 모델을 생 성하기 위해서 사용지만 부분최소자승 회귀법에서는 12개의 잠재요소가 사용되었다. 평균제곱오차가 예측능력을 측 정하는 도구로 사용되었다. 본 논문의 근적외선 분광데이터 분석에 따르면 부분최소자승회귀법이 선형경향을 가진 데이터의 예측에 가장 적합한 모델로 판명되었다.

Globally, smart phones have been rapidly distributed, which has led to changes in people's life cycle. Most people who are under 60 are supposed to use smart phones. Additionally, as the ratio of people who are interested in physical exercise is increasing, some applications for smart phones can manage dividual's exercise with the web servers. However, most of them can only check how much individual works out and cannot compare other's body type and life environment. Moreover, users cannot share their own data with others. This paper proposed the system which can resolve those kinds of problems through data mining techniques. The suggested model will have ability to figure out the relation between body type and the amount of exercise, find out if his work is proper from the result of classification and can pick out the features which is common to people who have similar body type and the amount of workout by applying data mining techiques. This model also will be able to recommend the proper amount of workout to each individual in order that they keep good health state efficiently.

Data mining is the process of finding and analyzing data from a big database and summarizing it into useful information for a decision-making. A variety of data mining techniques have been being used for wide range of industries. One application of those is especially so for gathering meaningful information from process data in manufacturing factories for quality improvement. The purpose of this paper is to provide a methodology to improve manufacturing quality of fuel tanks which are auto-parts. The methodology is to analyse influential attributes and establish a model for optimal manufacturing condition of fuel tanks to improve the quality using decision tree, association rule, and feature selection.

대작게임의 범용화에 따라, 게임마케팅 및 게임평가에 대한 사용자 피드백들이 체계화된 데이터베이스에 저장이되고, 더불어 데이터베이스의 규모는 점점 커지고 있다. 데이터 마이닝은 방대한 자료의 분석을 통해, 그 속에 숨어있는 의미를 찾는 과정이다. 본 논문에서는 게임마케팅 활용시나리오에 따른 사용자지향 데이터 마이닝 도구인 XM-Tool/Miner의 개발을 대상으로 하고 있다. 개발된 XM-Tool/Miner은 문제 중심적 마이닝 도구를 목표로 하였으며, 대표적인 마이닝 알고리즘을 적용하였고, 또한 사용의 편이성에 초점을 맞추었다. 더 나아가 데이터 마이닝 기법뿐만 아니라 데이터의 샘플링과 성능향상을 통하여 방대한 데이터로부터 다양한 지식탐사가 가능해지고, 발견된 규칙 또는 지식의 유용성 측정을 통하여 대상마케팅 특성에 따라 효과적으로 반영되며 의사결정 및 CRM마케팅, 동향분석 및 예측 등에 유용한 정보를 추출하는 도구로 사용할 수 있다.