내 신청현황
종류	모집공고명	진행상태
신청내용이 없습니다.

첨단기술정보

home
알림마당
과학기술정보분석
첨단기술정보

OR(operations research)과 테이터마이닝(data mining) 간의 상승효과: 다수목적 접근방법의 최신 사용

전문가 제언: ○ 데이터베이스 크기가 증가하고 가용한 자료의 양이 증가함에 따라서 DM(data mining; 자료발굴)이 현대 과학과 산업체에서 아주 중요하게 대두되고 있다. DM은 여러 연구영역에서 관심을 끄는 도전으로 주목을 받고 있으며 특히 OR(Oeprations Research) 분야에서 매우 방대한 탐색공간에서의 최적해를 구하고자 할 경우에 많은 관심을 끌고 있다.

○ OR이 DM 기법을 활용하는데 네 가지로 구분할 수 있다. 즉 감독분류(supervised classification), 비감독분류/군집(unsupervised classifi- cation: clustering), 규칙발굴(Rule mining) 그리고 특성선정(feature selection)이다. 감독분류는 다른 변수의 알려진 값으로부터 한 변수 값을 예측하는 모델을 구축한다. 비감독분류/군집은 변수 예측 불가 또는 비슷한 목적을 군집한다. 규칙발굴은 규칙에 관련한 발견하는 문제를 취급한다. 특성선정은 자료의 어떤 특성은 보유하고 다른 특성은 제거하는 작업을 한다.

○ DM은 연역처리로 데이터베이스 내 자료를 일반화하여 지식을 추론한다. KDD(knowledge discovery and data mining)은 데이터베이스에 숨어 있는 유용한 상당한 지식을 발견하고 활용하는 연구 분야이다. DM은 KDD 처리의 핵심 위치를 차지한다. OR 기법과 DM 기법이 통합한 접근방법은 연구처리의 속도를 높이고 구한 결과의 질을 개선하며 알고리즘을 조정해 주는 등의 도움을 주고 있다.

○ OR와 DM 간에 상승효과는 세 가지가 있는데 (1) OR은 DM 기술의 효율에 기여할 수 있고, (2) DM은 OR 문제 수를 증가시킬 수 있다. 이때 OR은 덜 엄격한 모델 구축 수단을 적용한 경우에 발생한다. (3) 시스템 성과의 증가는 이들 두 영역에 대해 보완적으로 사용하므로 결과를 얻을 수 있다.

○ 앞으로 두 기법이 문제해결을 위한 지식 통합과 선호도 통합이 과제로 남아 있다.

저자: David Corne, Clarisse Dhaenens, Laetitia Jourdan
자료유형: 학술정보