| 1 |
1
기계 학습 장치가, 복수의 학습 데이터를 특징 공간(Feature Space) 상에 대응되는 좌표에 배치하여, 복수의 공간 좌표를 생성하는 단계;상기 기계 학습 장치가, 상기 복수의 공간 좌표에 속하는 각각의 공간 좌표에 배치된 학습 데이터의 빈도에 기초하여, 상기 복수의 공간 좌표를 복수의 내부 좌표(PI)와 복수의 외부 좌표(PO)로 분류하는 단계; 및상기 기계 학습 장치가, 상기 복수의 외부 좌표(PO) 및 상기 복수의 내부 좌표(PI) 상호간의 공간상 거리에 기초하여, 상기 복수의 내부 좌표(PI)를 기준으로 하는 단일 클래스 모델(One Class Model)을 생성하는 단계를 포함하되,상기 단일 클래스 모델(One Class Model)을 생성하는 단계는,상기 복수의 내부 좌표(PI)를 중심으로 가지고, 상기 복수의 외부 좌표(PO) 및 상기 복수의 내부 좌표(PI) 상호간의 공간상 거리에 기초한 반경을 가지는 단일 클래스 모델을 생성하는 단계를 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 2 |
2
제1항에 있어서,상기 복수의 공간 좌표를 생성하는 단계는,상기 복수의 학습 데이터를 동일한 구조의 학습 데이터끼리 그룹으로 묶고, 제1 그룹에 대해 상기 복수의 공간 좌표를 생성하는 단계를 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 3 |
3
제1항에 있어서,상기 복수의 공간 좌표를 복수의 내부 좌표(PI)와 복수의 외부 좌표(PO)로 구분하는 단계는,제1 공간 좌표에 배치된 학습 데이터의 빈도가 기 설정된 빈도 임계치 이상인 경우, 상기 제1 공간 좌표를 내부 좌표(PI)로 분류하는 단계를 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 4 |
4
제1항에 있어서,상기 복수의 공간 좌표를 복수의 내부 좌표(PI)와 복수의 외부 좌표(PO)로 구분하는 단계는,제1 공간 좌표에 배치된 학습 데이터의 빈도가 기 설정된 빈도 임계치 미만인 경우, 상기 제1 공간 좌표를 외부 좌표(PO)로 분류하는 단계를 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 5 |
5
제1항에 있어서,상기 복수의 내부 좌표를 기준으로 하는 단일 클래스 모델(One Class Model)을 생성하는 단계는,특정 외부 좌표와 가장 가까운 내부 좌표 사이의 거리를 상기 특정 외부 좌표의 유사도 거리로 연산하는 단계를 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 6 |
6
제5항에 있어서,상기 복수의 내부 좌표를 기준으로 하는 단일 클래스 모델(One Class Model)을 생성하는 단계는,상기 복수의 외부 좌표(PO)의 유사도 거리 중에서 가장 큰 값에 기 설정된 가중치를 곱한 값을 데이터 수용 반경으로 연산하는 단계를 더 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 7 |
7
제6항에 있어서,상기 기 설정된 가중치는,1 이상의 값을 가지는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 8 |
8
제6항에 있어서,상기 복수의 내부 좌표를 기준으로 하는 단일 클래스 모델(One Class Model)을 생성하는 단계는,상기 복수의 내부 좌표(PI)에서 상기 데이터 수용 반경까지의 각각의 공간의 합집합을 단일 클래스 모델로 생성하는 단계를 더 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 9 |
9
제6항에 있어서,상기 복수의 내부 좌표를 기준으로 하는 단일 클래스 모델(One Class Model)을 생성하는 단계는,상기 복수의 내부 좌표(PI)와 상기 데이터 수용 반경을 저장 공간에 저장하는 단계를 더 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 10 |
10
제1항에 있어서,상기 기계 학습 장치가, 상기 복수의 학습 데이터가 다른 값을 가지는 수를 기준으로 상기 복수의 학습 데이터의 다양한 정도(Diversity)를 연산하는 단계; 및상기 기계 학습 장치가, 상기 다양한 정도가 기 설정된 다양성 임계치 미만인 경우에 한하여 상기 복수의 공간 좌표를 생성하는 단계, 상기 복수의 공간 좌표를 복수의 내부 좌표(PI)와 복수의 외부 좌표(PO)로 분류하는 단계 및 상기 단일 클래스 모델(One Class Model)을 생성하는 단계를 수행하는 단계를 더 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 방법
|
| 11 |
11
네트워크 인터페이스;하나 이상의 프로세서;상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리; 및복수의 학습 데이터를 저장하는 스토리지를 포함하되,상기 컴퓨터 프로그램은,상기 복수의 학습 데이터를 특징 공간(Feature Space) 상에 대응되는 좌표에 배치하여, 복수의 공간 좌표를 생성하는 오퍼레이션;상기 복수의 공간 좌표에 속하는 각각의 공간 좌표에 배치된 학습 데이터의 빈도에 기초하여, 상기 복수의 공간 좌표를 복수의 내부 좌표(PI)와 복수의 외부 좌표(PO)로 분류하는 오퍼레이션; 및상기 복수의 외부 좌표(PO)에 속하는 각각의 외부 좌표와 가장 가까운 내부 좌표 사이의 거리를 상기 각각의 외부 좌표의 유사도 거리로 연산하고, 상기 복수의 외부 좌표(PO)의 유사도 거리 중에서 가장 큰 값에 기 설정된 가중치를 곱한 값을 데이터 수용 반경으로 연산하고, 상기 복수의 내부 좌표(PI)에서 상기 데이터 수용 반경까지의 각각의 공간의 합집합을 단일 클래스 모델(One Class Model)을 생성하는 오퍼레이션을 포함을 포함하되,상기 단일 클래스 모델(One Class Model)을 생성하는 오퍼레이션은,상기 복수의 내부 좌표(PI)를 중심으로 가지고, 상기 복수의 외부 좌표(PO) 및 상기 복수의 내부 좌표(PI) 상호간의 공간상 거리에 기초한 반경을 가지는 단일 클래스 모델을 생성하는 오퍼레이션을 포함하는,데이터 빈도수 기반의 단일 클래스 모델 생성 장치
|
