| 1 |
1
시계열 데이터인 데이터 시퀀스를 저장하는 저장부;실시간 시계열 데이터인 질의 시퀀스를 입력받는 입력부;상기 저장부에 저장되어 있는 상기 데이터 시퀀스에서 상기 입력부를 통해 입력된 상기 질의 시퀀스와 유사한 패턴을 가지는 후보 서브시퀀스를 검색하고, 검색한 상기 후보 서브시퀀스와 상기 질의 시퀀스 사이의 거리를 획득하며, 상기 후보 서브시퀀스와 상기 질의 시퀀스 사이의 거리와 미리 설정된 임계값을 기반으로 상기 후보 서브시퀀스에서 유사 서브시퀀스를 획득하는 매칭부;상기 매칭부를 통해 획득된 상기 유사 서브시퀀스로부터 미리 설정된 예측 거리까지의 시계열 데이터를 기반으로, 상기 질의 시퀀스로부터 상기 미리 설정된 예측 거리까지의 시계열 데이터인 예측 시퀀스를 예측하는 예측부; 및상기 입력부를 통해 입력된 상기 질의 시퀀스와 상기 예측부를 통해 예측된 상기 예측 시퀀스를 기반으로, 선형 회귀 모델로 이루어지는 예측 모델을 학습하는 학습부;를 포함하는 세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 장치
|
| 2 |
2
제1항에서,상기 입력부는,슬라이딩 윈도우(sliding window)를 이용하여 상기 질의 시퀀스를 입력받는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 장치
|
| 3 |
3
제2항에서,상기 매칭부는,DTW(Dynamic Time Warping) 알고리즘을 이용하여 상기 후보 서브시퀀스와 상기 질의 시퀀스 사이의 거리를 획득하는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 장치
|
| 4 |
4
제2항에서,상기 학습부는,상기 질의 시퀀스와 상기 예측 시퀀스가 결합되어 삽입되는 학습 데이터 큐(training data queue)를 이용하여, 상기 질의 시퀀스와 상기 예측 시퀀스를 기반으로 상기 예측 모델을 학습하는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 장치
|
| 5 |
5
제4항에서,상기 학습부는,t번째 질의 시퀀스 Qt와 t번째 예측 시퀀스 Dtnext가 상기 학습 데이터 큐에 삽입되면, 상기 학습 데이터 큐에 t-()번째 삽입되었던 질의 시퀀스 와 예측 시퀀스 next를 인출하여 독립 변수로 사용하고, t번째 질의 시퀀스 Qt의 첫번째 데이터를 종속 변수로 사용하여, 상기 예측 모델을 학습하며,상기 k는, 상기 미리 설정된 예측 거리를 나타내고,상기 WI는, 상기 슬라이딩 윈도우의 윈도우 간격(window interval)을 나타내는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 장치
|
| 6 |
6
제2항에서,상기 매칭부는,상기 데이터 시퀀스에서 t번째 질의 시퀀스 Qt와 유사한 패턴을 가지는 t번째 후보 서브시퀀스 집합 CSt={CSt1, CSt2,
|
| 7 |
7
제6항에서,상기 예측부는,상기 매칭부를 통해 획득된 상기 t번째 유사 서브시퀀스 집합에서 상기 t번째 질의 시퀀스 Qt와 가장 유사한 서브시퀀스 Dt를 획득하고, 상기 가장 유사한 서브시퀀스 Dt의 마지막 데이터로부터 상기 미리 설정된 예측 거리까지의 시계열 데이터를 t번째 예측 시퀀스 Dtnext로 예측하는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 장치
|
| 8 |
8
온라인 머신러닝 장치에 의해 수행되는 온라인 머신러닝 방법으로서,실시간 시계열 데이터인 질의 시퀀스를 입력받는 단계;저장되어 있는 시계열 데이터인 데이터 시퀀스에서 상기 질의 시퀀스와 유사한 패턴을 가지는 후보 서브시퀀스를 검색하고, 검색한 상기 후보 서브시퀀스와 상기 질의 시퀀스 사이의 거리를 획득하며, 상기 후보 서브시퀀스와 상기 질의 시퀀스 사이의 거리와 미리 설정된 임계값을 기반으로 상기 후보 서브시퀀스에서 유사 서브시퀀스를 획득하는 단계;상기 유사 서브시퀀스로부터 미리 설정된 예측 거리까지의 시계열 데이터를 기반으로, 상기 질의 시퀀스로부터 상기 미리 설정된 예측 거리까지의 시계열 데이터인 예측 시퀀스를 예측하는 단계; 및상기 질의 시퀀스와 상기 예측 시퀀스를 기반으로, 선형 회귀 모델로 이루어지는 예측 모델을 학습하는 단계;를 포함하는 세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 방법
|
| 9 |
9
제8항에서,상기 질의 시퀀스 입력 단계는,슬라이딩 윈도우(sliding window)를 이용하여 상기 질의 시퀀스를 입력받는 것으로 이루어지는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 방법
|
| 10 |
10
제9항에서,상기 예측 모델 학습 단계는,상기 질의 시퀀스와 상기 예측 시퀀스가 결합되어 삽입되는 학습 데이터 큐(training data queue)를 이용하여, 상기 질의 시퀀스와 상기 예측 시퀀스를 기반으로 상기 예측 모델을 학습하는 것으로 이루어지는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 방법
|
| 11 |
11
제10항에서,상기 예측 모델 학습 단계는,t번째 질의 시퀀스 Qt와 t번째 예측 시퀀스 Dtnext가 상기 학습 데이터 큐에 삽입되면, 상기 학습 데이터 큐에 t-()번째 삽입되었던 질의 시퀀스 와 예측 시퀀스 next를 인출하여 독립 변수로 사용하고, t번째 질의 시퀀스 Qt의 첫번째 데이터를 종속 변수로 사용하여, 상기 예측 모델을 학습하는 것으로 이루어지며,상기 k는, 상기 미리 설정된 예측 거리를 나타내고,상기 WI는, 상기 슬라이딩 윈도우의 윈도우 간격(window interval)을 나타내는,세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 방법
|
| 12 |
12
제9항에서,상기 유사 서브시퀀스 획득 단계는,상기 데이터 시퀀스에서 t번째 질의 시퀀스 Qt와 유사한 패턴을 가지는 t번째 후보 서브시퀀스 집합 CSt={CSt1, CSt2,
|
| 13 |
13
제8항 내지 제12항 중 어느 한 항에 기재된 세미-스트림 서브시퀀스 매칭을 이용한 온라인 머신러닝 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록 매체에 저장된 컴퓨터 프로그램
|
