| 1 |
1
수출입 물동량 데이터로 이루어진 전체 데이터 세트를 학습한 AR(autoregressive) 모델 또는 VAR(Vector autoregressive) 모델로부터 최적의 지연 크기(lag size)를 수신하고, 수신된 최적의 지연 크기에 따라 전체 시계열에서 서브시퀀스(subsequences)를 준비하는 제1 단계;DAE(Deep autoencoder) 모델이 사용자 지정 배치(batch) 크기를 기반으로 상기 서브시퀀스를 학습하고, 이에 따라 압축된 서브시퀀스를 제공하여 차원 축소를 수행하는 제2 단계;상기 압축된 서브시퀀스를 이용하여 이상치(outlier) 임계값(threshold)을 추정하는 제3 단계; 및상기 이상치 임계값을 이용하여 수출입 물동량 데이터의 이상치를 탐지하는 제4 단계를 포함하는 수출입 물동량에 대한 이상치 탐지 방법
|
| 2 |
2
청구항 1에 있어서, 상기 제1 단계에서, VAR 모델이 사용자 지정 종속 변수를 기반으로 전체 시계열을 학습하여 종속변수에 보다 영향을 미치는 독립 변수인 기능(features)을 선택하고, 선택된 기능의 수가 하나인 경우, 선택된 기능을 이용하여 AR 모델이 전체 데이터 세트를 학습하고, 선택된 기능의 수가 둘 이상인 경우, 선택된 기능들을 이용하여 VAR 모델이 전체 데이터 세트를 학습하고, 학습된 AR 모델 또는 VAR 모델로부터 최적의 지연 크기를 수신하고, 수신된 최적의 지연 크기에 따라 전체 시계열에서 서브시퀀스를 준비하는 것을 특징으로 하는 수출입 물동량에 대한 이상치 탐지 방법
|
| 3 |
3
청구항 2에 있어서, 상기 제2 단계에서, 첫 번째 DAE 모델이 사용자 지정 배치 크기를 기반으로 상기 서브시퀀스에 대해 학습하고, 이를 통해 초기 임계값을 산출하고, 상기 초기 임계값보다 작은 서브시퀀스를 선택하는 방식으로 정규(normal) 서브시퀀스를 선택하고, 두 번째 DAE 모델이 상기 정규 서브시퀀스에 대해 학습하고, 학습된 두 번째 DAE 모델에 전체 서브시퀀스가 입력되고, 학습된 두 번째 DAE 모델에 의해 압축된 서브시퀀스 데이터를 출력하여 차원 축소를 수행하는 것을 특징으로 하는 수출입 물동량에 대한 이상치 탐지 방법
|
| 4 |
4
청구항 3에 있어서, 상기 제4 단계에서, DBSCAN(Density-based spatial clustering of applications with noise)을 기반으로 압축된 서브시퀀스를 다수의 클러스터(cluster)로 분류하는 클러스터링(Clustering)을 수행하고, 특이치 임계값을 이용하여 각 클러스터에 대한 이상치를 탐지하는 것을 특징으로 하는 수출입 물동량에 대한 이상치 탐지 방법
|
| 5 |
5
청구항 1 내지 청구항 4 중 어느 한 청구항의 방법을 컴퓨터로 실행시킬 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
