1 |
1
센서로부터 주변 자원에 대한 데이터를 수집하며 수집한 데이터를 상황 정보로 변환하여 온톨로지 상황 모델에 저장하고, 상황 모델에 저장된 상황 정보를 기반으로 추론을 진행하며 그리고 추론된 결과에 상응하는 서비스를 사용자에게 제공하는 온톨로지 기반의 상황 인식 시스템에 있어서,주변 자원에 대한 센서 데이터를 발생하는 센서부;상기 센서부에 의해 수집된 센서 데이터를 속성에 따라 변환하여 추론을 위한 상황 정보를 생성하는 상황 관리 에이전트;상기 상황 관리 에이전트에 의해 발생된 상황 정보를 저장하기 위한 온톨로지 기반의 상황 모델을 가지며 상황 정보의 입출력을 제어하는 상황 관리부; 및상기 상황 관리부에 저장된 상황 모델을 참조하여 현재 상황을 추론하고 추론된 결과에 상응하는 상황 인식 서비스를 사용자에게 제공하며 제공된 서비스에 대한 사용자의 피드백을 반영하여 추론 규칙에 대한 학습을 수행하는 상황 추론 에이전트를 포함하며, 여기서, 상기 센서부는 Person 인지 센서, Device 센서 그리고 Environment 센서를 포함하며, 상기 Person 인지 센서는 데이터를 항상 습득하는 센서이고, 상기 Device 센서는 이벤트에 따라 데이터를 습득하는 센서이고 그리고 상기 Environment 센서는 일정 시간마다 데이터를 습득하는 센서이며;상기 상황 관리 에이전트는 상기 센서부에 의해 수집된 센서 데이터를 습득 시기에 따라 Person 인지 데이터, Device 데이터 그리고 Environment 데이터로 분류하는 센서 데이터 수집 모듈; 상기 Person 인지 데이터 및 Device 데이터를 시맨틱 데이터로 가공하는 해석자 모듈; 상기 Environment 데이터를 퍼지추론을 통하여 시맨틱 데이터로 가공하는 퍼지 추론 엔진; 및 상기 해석자 모듈 및 상기 퍼지 추론 엔진을 통해 생성된 시맨특 정보를 온톨로지 기반의 상황 정보로 가공하는 상황 정보 생성자를 포함하는 것을 특징으로 하는 상황 인식 시스템
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서, 상기 퍼지 추론 엔진은 실측 데이터는 퍼지 소속함수를 통해 소속도가 가장 큰 소속 함수를 시맨틱 데이터로 생성하며,상기 실측 데이터로부터 추론되는 종속된 데이터는 퍼지 추론을 통해 시맨틱 데이터로 생성하는 것을 특징으로 하는 상황 인식 시스템
|
5 |
5
제4항에 있어서, 상기 시맨틱 데이터는 데이터의 상태를 나타내는 값 뿐만 아니라 상태의 신뢰도를 나타내는 값을 가지는 것을 특징으로 하는 상황 인식 시스템
|
6 |
6
제5항에 있어서, 상기 신뢰도를 나타내는 값은 1부터 0 사이의 실수값인 것을 특징으로 하는 상황 인식 시스템
|
7 |
7
제1항에 있어서, 상기 상황 추론 에이전트는상황 정보의 특성 및 도메인에 따라 학습이 요구되는 상황과 그렇지 않은 상황으로 구분하고,학습이 요구되는 상황의 경우 사례 기반 추론 방법에 의해 추론하고 그리고학습이 요구되지 않는 상황의 경우 규칙 기반 추론 방법에 의해 추론하는 것을 특징으로 하는 상황 인식 시스템
|
8 |
8
제7항에 있어서, 상황 추론 에이전트는 상황 정보를 연산 가능한 사례로 표현하여 사례 데이터 베이스에 저장하는 과정;상기 사례 데이터베이스로부터 현재 사례와 가장 유사한 사례 즉, 최근접 사례를 검색하는 과정;규칙에 기반하여 상기 최근접 사례와 현재 사례와의 차이를 해결하는 서비스를 제공하는 단계; 및상기 서비스에 대한 사용자의 피드백을 반영하여 상기 규칙을 수정하는 단계를 포함하는 사례 기반 추론 방법을 통하여 추론된 현재 상황에 상응하는 서비스를 사용자에게 제공하는 것을 특징으로 하는 상황 인식 시스템
|
9 |
9
제8항에 있어서, 최근접 사례를 결정하기 위한 유사도는 아래의 수학식을 이용하여 결정되는 것을 특징으로 하는 상황 인식 시스템
|
10 |
10
제9항에 있어서, 상기 속성별 가중치 W는 하기의 수학식을 이용하여 결정되는 것을 특징으로 하는 상황 인식 시스템
|
11 |
11
삭제
|
12 |
12
센서로부터 주변 자원에 대한 데이터를 수집하며 수집한 데이터를 상황 정보로 변환하고, 상황 정보를 기반으로 추론을 진행하며 그리고 추론된 결과를 사용자에게 제공하는 상황 인식 시스템을 위한 상황 정보 변환 방법에 있어서,상기 센서 데이터를 습득 시기에 따라 항상 습득되는 속성을 가지는 Person 인지 데이터, 이벤트에 따라 습득되는 속성을 가지는 Device 데이터 그리고 일정 시간마다 습득되는 속성을 가지는 Environment 데이터로 구분하고,각각의 속성에 따라 상태를 나타내는 값 및 신뢰도를 나타내는 값을 가지는 시맨틱 데이터로 변환하는 것을 특징으로 하는 상황 정보 변환 방법
|
13 |
13
제12항에 있어서, 상기 Environment 데이터는 실측 데이터와 실측 데이터로부터 추론되는 종속된 데이터를 포함하며, 상기 실측 데이터는 퍼지 추론을 통해 소속도가 가장 큰 소속 함수를 시맨틱 데이터로 생성하며,상기 종속된 데이터는 Mandani의 min-max 중심법에 기반한 퍼지 추론을 통해 시맨틱 데이터로 생성하는 것을 특징으로 하는 상황 정보 변환 방법
|
14 |
14
센서로부터 주변 자원에 대한 데이터를 수집하며 수집한 데이터를 상황 정보로 변환하여 온톨로지 상황 모델에 저장하고, 상황 모델에 저장된 상황 정보를 기반으로 추론을 진행하며 그리고 추론된 결과를 사용자에게 제공하는 온톨로지 기반의 상황 인식 시스템을 위한 사례 기반의 추론 방법에 있어서,상황 정보를 연산 가능한 사례로 표현하여 사례 데이터 베이스에 저장하는 Representation 단계;상기 사례 데이터베이스로부터 현재 사례와 가장 유사한 사례 즉, 최근접 사례를 검색하는 Retrive 단계;규칙에 기반하여 상기 최근접 사례와 현재 사례와의 차이를 해결하는 서비스를 제공하는 Adaptation 단계; 및제공된 서비스에 대한 사용자의 피드백이 있을 경우, 상기 현재 사례와 상기 최근접 사례 사이의 차이를 조건절로 가지며 상기 제공된 서비스와 사용자의 피드백에 의한 조작과의 차이를 결과절로 가지는 적합화 규칙을 생성하여 개별적 룰데이터베이스에 저장하고, 상기 추론된 규칙에 상응하는 서비스에 대하여 상기 적합화 규칙을 적용하여 상기 규칙을 수정하는 Evaluation and Store 단계를 포함하는 사례 기반 추론 방법
|
15 |
15
제14항에 있어서, 최근접 사례를 결정하기 위한 유사도는 아래의 수학식을 이용하여 결정되는 것을 특징으로 하는 사례 기반 추론 방법
|
16 |
16
제15항에 있어서, 상기 속성별 가중치 W는 하기의 수학식을 이용하여 결정되는 것을 특징으로 하는 사례 기반 추론 방법
|