1 |
1
연속적으로 발생하는 단위 블록들 중 N번째(N003e#0 인 정수) 분할된 단위블록의 데이터로부터 패턴을 추출하는 단계; 및상기 추출된 패턴을 패턴 모델 PMN-1과 결합하여 새로운 패턴 모델 PMN을 생성하는 단계를 포함하고,상기 PMN-1은 첫 번째 패턴부터 N-1번째 패턴까지 N-1개의 패턴이 결합되어 생성되고,상기 PMN은 상기 PMN-1에 N번째 분할된 단위 블록으로부터 추출된 패턴이 결합되어 생성되는 패턴 모델인 데이터 패턴 분석 방법
|
2 |
2
제1항에 있어서, 상기 생성하는 단계는,상기 추출된 패턴에 포함된 규칙중, 상기 PMN-1에 포함된 어느 하나의 규칙과 동일한 규칙은 AF(Appearance Frequency) 가중치를 증가시켜 상기 PMN을 생성하는 단계를 포함하고,상기 규칙은 상기 데이터 블록 내에서 추출된 의미 있는 정보인 데이터 패턴 분석 방법
|
3 |
3
제1항에 있어서, 상기 생성하는 단계는,상기 추출된 패턴에 포함된 규칙이 상기 PMN-1에 포함되어 있으면, DT(Duration Time) 가중치를 증가시키고, 포함되어 있지 않으면, DT 가중치를 감소시켜 상기 PMN을 생성하는 단계를 포함하고,상기 규칙은 상기 데이터 블록 내에서 추출된 의미 있는 정보인 데이터 패턴 분석 방법
|
4 |
4
제1항에 있어서, 상기 생성하는 단계는,상기 추출된 패턴에 포함된 규칙 중, 상기 PMN-1에 포함된 어느 하나의 규칙과 모순되는 규칙은 CF(Conflict Frequency) 가중치를 증가 시켜 상기 PMN을 생성하는 단계를 포함하고,상기 규칙은 상기 데이터 블록 내에서 추출된 의미 있는 정보인 데이터 패턴 분석 방법
|
5 |
5
제1항에 있어서, 상기 생성하는 단계는,상기 추출된 패턴에 포함된 규칙과 상기 PMN-1에 포함된 규칙 간에, 어느 하나의 규칙이 다른 하나의 규칙의 적어도 일부를 포함하는 경우, 상기 추출된 패턴에 포함된 규칙과 상기 PMN-1에 포함된 규칙 간의 공통된 부분을 추출하여 상기 PMN의 규칙을 생성하는 단계를 포함하고,상기 규칙은 상기 데이터 블록 내에서 추출된 의미 있는 정보인 데이터 패턴 분석 방법
|
6 |
6
제 1항에 있어서, 상기 추출하는 단계는,의사결정나무 분석 방법에 의해서 수행되는 데이터 패턴 분석 방법
|
7 |
7
제 6항에 있어서,상기 의사결정나무 분석 방법은 C4
|
8 |
8
제 6항에 있어서 상기 의사결정나무 분석 방법에 수행된 분석 결과는 If-then 형식의 규칙으로 저장하는 단계를 더 포함하는 데이터 패턴 분석 방법
|
9 |
9
제1항에 있어서,상기 생성된 PMN에 포함된 규칙에 대한 신뢰도를 산출하는 단계를 더 포함하고,상기 PMN에 포함된 규칙은 상기 추출된 패턴에 포함된 규칙과 상기 PMN-1에 포함된 규칙 간의 공통된 부분을 추출하여 생성되는 데이터 패턴 분석 방법
|
10 |
10
제9항에 있어서, 상기 산출하는 단계는,상기 산출된 신뢰도가 미리 설정된 임계값보다 높은 경우, 미리 설정된 임계값보다 높은 값을 가지는 규칙을 유효한 규칙으로 사용하도록 결정하는 단계를 포함하는 데이터 패턴 분석 방법
|
11 |
11
제 9항에 있어서, 상기 산출하는 단계는, (RuleConf는 신뢰도, AF는 상기 PMN에 포함된 규칙의 발생 빈도수, AFMAX는 PNN에 포함된 규칙의 AF값 중 최대 값 , DT는 최근 지속시간, DTMAX는 결합된 패턴 모델에 포함된 규칙의 DT값 중 최대 값, CF는 오류 빈도수를 나타냄)을 이용하여 산출하는 단계를 포함하는 데이터 패턴 분석 방법
|
12 |
12
제 1항에 기재된 방법을 컴퓨터상에서 실행시키기 위한 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체
|