요약 | 본 발명은 전체 가우스 공분산이 적용 된 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법에 관한 것으로서, 트레이닝을 위한 입력 신호를 분할하여 프레임 시퀀스로 출력하는 과정과, 상기 프레임 시퀀스에서 특징 벡터를 추출하는 과정과, 상기 특징 벡터를 이용 상기 가우스 공분산이 적용 된 조건부 랜덤 필드 모델을 통해 매개 변수를 계산하고, 상기 구해진 매개 변수를 적용한 은닉 조건부 랜덤 필드 모델이 측정 된 테스트 입력 신호를 상기와 동일한 분할하여 프레임 시퀀스로 출력하고 특징 벡터를 추출하는 과정을 거친 특성 벡터를 입력 받아 상기 실제 패턴을 지시하는 라벨을 추론하는 단계와, 이를 해석하는 방법으로 각각 조건부 확률 벡터/전이 확률 벡터/가우스 혼합 가중치/가우스 분포 평균/가우스 분포의 공분산에 대한 기울기 값의 계산법을 제안하는 과정을 포함한다. |
---|---|
Int. CL | G06F 17/00 (2006.01) G06F 17/10 (2006.01) |
CPC | |
출원번호/일자 | 1020110117870 (2011.11.11) |
출원인 | 경희대학교 산학협력단 |
등록번호/일자 | 10-1300247-0000 (2013.08.20) |
공개번호/일자 | 10-2013-0052432 (2013.05.22) 문서열기 |
공고번호/일자 | (20130826) 문서열기 |
국제출원번호/일자 | |
국제공개번호/일자 | |
우선권정보 | |
법적상태 | 등록 |
심사진행상태 | 수리 |
심판사항 | |
구분 | 신규 |
원출원번호/일자 | |
관련 출원번호 | |
심사청구여부/일자 | Y (2011.12.05) |
심사청구항수 | 8 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 경희대학교 산학협력단 | 대한민국 | 경기도 용인시 기흥구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 이승룡 | 대한민국 | 경기도 성남시 분당구 |
2 | 이영구 | 대한민국 | 경기도 수원시 영통구 |
3 | 라더빈 | 베트남 | 경기도 용인시 기흥구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 특허법인 신지 | 대한민국 | 서울특별시 강남구 테헤란로*길 **, *층 ***호실(역삼동, 청원빌딩) |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 경희대학교 산학협력단 | 경기도 용인시 기흥구 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2011.11.11 | 수리 (Accepted) | 1-1-2011-0893764-25 |
2 | [심사청구]심사청구(우선심사신청)서 [Request for Examination] Request for Examination (Request for Preferential Examination) |
2011.12.05 | 수리 (Accepted) | 1-1-2011-0965698-21 |
3 | 의견제출통지서 Notification of reason for refusal |
2013.03.25 | 발송처리완료 (Completion of Transmission) | 9-5-2013-0196715-10 |
4 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 [Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation) |
2013.05.21 | 수리 (Accepted) | 1-1-2013-0447431-12 |
5 | [명세서등 보정]보정서 [Amendment to Description, etc.] Amendment |
2013.05.21 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2013-0447423-57 |
6 | 등록결정서 Decision to grant |
2013.08.12 | 발송처리완료 (Completion of Transmission) | 9-5-2013-0555995-42 |
7 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2015.03.09 | 수리 (Accepted) | 4-1-2015-5029677-09 |
8 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.08.19 | 수리 (Accepted) | 4-1-2019-5164254-26 |
번호 | 청구항 |
---|---|
1 |
1 (A) 미리 상태를 알고 있는 패턴에 대하여 측정되는 트레이닝 입력 신호로부터의 특징 벡터를 추출하는 단계;(B) 전체 공분산 가우스 분포의 조합을 적용한 은닉 조건부 랜덤 필드 모델이, 상기 특징 벡터와 상기 미리 상태를 알고 있는 패턴을 지시하는 라벨의 조합을 다수 개 입력받아서 상기 은닉 조건부 랜덤 필드 모델의 매개 변수를 구하는 단계; 및(C) 상기 매개 변수가 적용된 상기 은닉 조건부 랜덤 필드 모델이, 사용자로부터 측정된 테스트 입력 신호로부터 추출된 특징 벡터를 입력받아서 상기 사용자로부터 측정된 테스트 입력에 대한 패턴을 지시하는 라벨을 추론하는 단계를 포함하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
2 |
2 제1항에 있어서, 상기 단계(A)는(A1)상기 트레이닝 입력 신호를 분할하여 프레임 시퀀스로 출력하는 단계; 및(A2)상기 프레임 시퀀스에서 상기 트레이닝 입력 신호의 특징 벡터를 추출하는 단계를 포함하는 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
3 |
3 제1항에 있어서,상기 단계 (C)에서 사용 되는 특징 벡터는 상기 단계 (A)에 적용 된 알고리즘과 동일한 알고리즘을 사용하여 추출되는 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
4 |
4 제1항에 있어서,상기 단계 (C)는 상기 매개 변수가 적용된 상기 은닉 조건부 랜덤 필드 모델이 상기 테스트 입력 신호의 특징 벡터를 입력 받아서 어느 특정 상태의 시퀀스를 나타내는 상태 시퀀스의 확률을 산출하는 과정을 포함하는 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
5 |
5 제1항에 있어서,상기 전체 공분산 가우스 분포의 조합은 상기 특징 벡터의 서로 다른 쌍들 사이의 상관관계 정보가 포함된 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
6 |
6 제1항에 있어서,상기 특징 벡터를 나타내는 특징 함수는 선험적 확률 벡터, 전이 확률 벡터, 관측 확률 벡터의 세 개의 함수를 포함하고,상기 선험적 확률 벡터는, 에 의해 산출 되며,상기 전이확률 벡터는, 에 의해 산출 되며,상기 관측확률 벡터는,에 의해 산출되며,이 때 정규 분포 N은, 에 의해 산출되며,X는 입력 트레이닝 데이터, Y는 입력 값 X의 트레이닝 라벨, 는 선험적 확률 가중치, 전이 가중치, 관측 가중치를 포함하는 설정 모델의 매개변수 벡터, 는 모델의 특징 벡터, S는 상태의 시퀀스, 은 숨겨진 상태의 시퀀스, 는 델타 함수, m은 밀도 함수의 개수, D는 트레이닝 데이터의 차원, 는 스칼라 값을 가지는 가우스 혼합 가중치, μ는 가우스 분포의 평균 벡터, 는 가우스 분포의 공분산 행렬, xt는 시간 t에 대한 데이터 벡터, 임을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
7 |
7 제6항에 있어서,상기 선험적 확률 벡터의 선험적 확률 변수에 대한 기울기 함수는,에 의해 산출 되며,상기 전이 확률 벡터의 전이 확률 변수에 대한 기울기 함수는에 의해 산출 되며,상기 가우스 혼합 가중치의 변수에 대한 기울기 함수는에 의해 산출 되며,상기 가우스 분포의 평균 벡터 가우스 분포 평균 의 기울기는에 의해 산출 되며,상기 가우스 분포의 공분산 행렬에 대한 기울기 함수는에 의해 산출 되며,이 때, 함수γ(t)는,에 의해 산출 되는,것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
8 |
8 제7항에 있어서,상기 상태 시퀀스의 확률인 는,에 의해 산출 되며,이 함수는 정규화 인자로,에 의해 산출 되며, 상기에서 X는 트레이닝 데이터 이고, Y는 트레이닝 라벨 이고, 는 모델의 매개변수 벡터, 는 모델의 특징 벡터, 은 숨겨진 상태의 시퀀스, m은 가우스 분포의 숫자임을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
지정국 정보가 없습니다 |
---|
순번 | 패밀리번호 | 국가코드 | 국가명 | 종류 |
---|---|---|---|---|
1 | US20130124438 | US | 미국 | FAMILY |
순번 | 패밀리번호 | 국가코드 | 국가명 | 종류 |
---|---|---|---|---|
1 | US2013124438 | US | 미국 | DOCDBFAMILY |
순번 | 연구부처 | 주관기관 | 연구사업 | 연구과제 |
---|---|---|---|---|
1 | 지식경제부 | 경희대학교 산학협력단 | 대학 IT연구센터 지원 사업 | 동서신의학 u-라이프케어 기술 연구 |
특허 등록번호 | 10-1300247-0000 |
---|
표시번호 | 사항 |
---|---|
1 |
출원 연월일 : 20111111 출원 번호 : 1020110117870 공고 연월일 : 20130826 공고 번호 : 특허결정(심결)연월일 : 20130812 청구범위의 항수 : 8 유별 : G06F 17/00 발명의 명칭 : 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 존속기간(예정)만료일 : |
순위번호 | 사항 |
---|---|
1 |
(권리자) 경희대학교 산학협력단 경기도 용인시 기흥구... |
제 1 - 3 년분 | 금 액 | 178,500 원 | 2013년 08월 21일 | 납입 |
제 4 년분 | 금 액 | 151,200 원 | 2016년 08월 04일 | 납입 |
제 5 년분 | 금 액 | 151,200 원 | 2017년 06월 27일 | 납입 |
제 6 년분 | 금 액 | 108,000 원 | 2018년 06월 22일 | 납입 |
제 7 년분 | 금 액 | 202,000 원 | 2019년 06월 25일 | 납입 |
제 8 년분 | 금 액 | 202,000 원 | 2020년 08월 03일 | 납입 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 | 2011.11.11 | 수리 (Accepted) | 1-1-2011-0893764-25 |
2 | [심사청구]심사청구(우선심사신청)서 | 2011.12.05 | 수리 (Accepted) | 1-1-2011-0965698-21 |
3 | 의견제출통지서 | 2013.03.25 | 발송처리완료 (Completion of Transmission) | 9-5-2013-0196715-10 |
4 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2013.05.21 | 수리 (Accepted) | 1-1-2013-0447431-12 |
5 | [명세서등 보정]보정서 | 2013.05.21 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2013-0447423-57 |
6 | 등록결정서 | 2013.08.12 | 발송처리완료 (Completion of Transmission) | 9-5-2013-0555995-42 |
7 | 출원인정보변경(경정)신고서 | 2015.03.09 | 수리 (Accepted) | 4-1-2015-5029677-09 |
8 | 출원인정보변경(경정)신고서 | 2019.08.19 | 수리 (Accepted) | 4-1-2019-5164254-26 |
기술번호 | KST2014059328 |
---|---|
자료제공기관 | NTB |
기술공급기관 | 경희대학교 국제캠퍼스 |
기술명 | 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 |
기술개요 |
본 발명은 전체 가우스 공분산이 적용 된 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법에 관한 것으로서, 트레이닝을 위한 입력 신호를 분할하여 프레임 시퀀스로 출력하는 과정과, 상기 프레임 시퀀스에서 특징 벡터를 추출하는 과정과, 상기 특징 벡터를 이용 상기 가우스 공분산이 적용 된 조건부 랜덤 필드 모델을 통해 매개 변수를 계산하고, 상기 구해진 매개 변수를 적용한 은닉 조건부 랜덤 필드 모델이 측정 된 테스트 입력 신호를 상기와 동일한 분할하여 프레임 시퀀스로 출력하고 특징 벡터를 추출하는 과정을 거친 특성 벡터를 입력 받아 상기 실제 패턴을 지시하는 라벨을 추론하는 단계와, 이를 해석하는 방법으로 각각 조건부 확률 벡터/전이 확률 벡터/가우스 혼합 가중치/가우스 분포 평균/가우스 분포의 공분산에 대한 기울기 값의 계산법을 제안하는 과정을 포함한다. |
개발상태 | 기술개발완료 |
기술의 우수성 | |
응용분야 | 필드 패턴 인식 |
시장규모 및 동향 | |
희망거래유형 | 기술매매 |
사업화적용실적 | |
도입시고려사항 |
과제고유번호 | 1415128832 |
---|---|
세부과제번호 | H0301-13-2001 |
연구과제명 | 동서신의학 u-라이프케어 기술 연구 |
성과구분 | 등록 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2013 |
연구기간 | 200611~201412 |
기여율 | 1 |
연구개발단계명 | 응용연구 |
6T분류명 | 기타 |
과제고유번호 | 1345162730 |
---|---|
세부과제번호 | 2011-0030823 |
연구과제명 | 디지로그 휴먼미디어 감성인지 기술 연구개발 |
성과구분 | 출원 |
부처명 | 교육과학기술부 |
연구관리전문기관명 | 한국연구재단 |
연구주관기관명 | 경희대학교 산학협력단 |
성과제출연도 | 2011 |
연구기간 | 201109~201808 |
기여율 | 0.5 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1415115254 |
---|---|
세부과제번호 | C1090-1121-0003 |
연구과제명 | 동서신의학 u-라이프케어 기술 연구 |
성과구분 | 출원 |
부처명 | 지식경제부 |
연구관리전문기관명 | 정보통신산업진흥원 |
연구주관기관명 | 경희대학교 산학협력단 |
성과제출연도 | 2011 |
연구기간 | 200611~201412 |
기여율 | 0.5 |
연구개발단계명 | 응용연구 |
6T분류명 | 기타 |
[1020130145615] | 라지 스케일 생물의학 온톨로지 매칭 장치 및 매칭 방법 | 새창보기 |
---|---|---|
[1020130145614] | 통합 임상의사결정 지원 시스템 및 지원 방법 | 새창보기 |
[1020130124837] | 모바일 단말을 이용한 활동 인식 장치 및 인식 방법 | 새창보기 |
[1020130124799] | 신뢰도 기반 추천 시스템 및 추천 방법 | 새창보기 |
[1020130122843] | 하이브리드 클라우드를 이용한 스마트홈 시스템 | 새창보기 |
[1020130122842] | 매핑의 연속성을 위한 브릿지 온톨로지 처리 장치 및 처리 방법 | 새창보기 |
[1020130122841] | 의학 지식 추출 장치 및 방법 | 새창보기 |
[1020130122840] | 클라우드 서비스에서 악성 파일 동기화 방지 시스템 및 방지 방법 | 새창보기 |
[1020130122839] | 온톨로지 매칭의 시멘틱 이질성 병렬 처리 장치 및 처리 방법 | 새창보기 |
[1020130082110] | 사전 정보를 이용한 경로 설정 방법 및 이를 적용한 인지 무선 센서 네트워크 시스템 | 새창보기 |
[1020130079222] | 중계노드 선정 방법 및 이를 적용한 무선 신체 영역 통신 시스템 | 새창보기 |
[1020130079221] | 에너지 효율성을 위한 클러스터 비율 산출 방법 및 이 방법이 적용된 계층적 센서 네트워크 시스템 | 새창보기 |
[1020130038327] | 무선인지네트워크에서 부사용자 단말기에 채널을 예측하여 할당하는 방법 | 새창보기 |
[1020130029204] | 동적 블록화 기법을 사용하여 데이터 오류 발생에 따른 재전송 크기를 줄이는 방법 및 그 방법이 적용된 무선 신체 영역 통신 시스템 | 새창보기 |
[1020120135396] | 모바일, 소셜, 애드-혹, 노드그룹 | 새창보기 |
[1020120035007] | 정규 그래프 탐색 트리의 생성 방법 | 새창보기 |
[1020120012949] | 통신 네트워크에서 신뢰성 있는 서버를 이용한 통신 그룹의 공유 키 교환 방법 | 새창보기 |
[1020110145466] | IEEE 802.22 네트워크 기반의 이동 단말기의 핸드오프 제어 방법 | 새창보기 |
[1020110133836] | 창 함수 비선형 에너지 연산자를 이용한 투과 초음파 단층 촬영기에서 최초 도달 펄스를 검출하기 위한 방법 | 새창보기 |
[1020110121846] | 임상의사결정지원장치를 위한 데이터 처리 방법과 장치 | 새창보기 |
[1020110117870] | 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법 | 새창보기 |
[1020110100235] | 헬스 케어를 위한 그래프 모델 기반 행위 패턴 마이닝 장치 및 방법 | 새창보기 |
[1020110083029] | 무선센서 네트워크에서의 다중 이동체 위치추적장치 및 그 방법 | 새창보기 |
[1020110083028] | 무선 센서 네트워크 보호를 위한 침입 탐지 장치 및 그 방법 | 새창보기 |
[1020110080238] | 실시간 피드백 제어를 이용하는 신체 자극장치 | 새창보기 |
[1020110049442] | 응급 데이터 처리가 가능한 무선 센체 통신 망에서의 맥 프로토콜 및 이를 이용한 무선 네트워크 통신 방법 | 새창보기 |
[1020110024496] | 이동 단말기의 통신 방식 제어 방법 | 새창보기 |
[1020110019452] | 동적 자원 할당이 가능한 전력선 통신네트워크의 통신 제어 방법 | 새창보기 |
[1020100120852] | 6LoWPAN기반의 무선 센서 네트워크에서 디바이스의 이동성을 지원하는 방법 | 새창보기 |
[1020100119940] | 혈관경화도 진단을 위한 정보 제공 방법 | 새창보기 |
[1020100000595] | 다중 송신율로 데이터를 송신하는 애드-훅 라우팅 기반의 무선 센서 네트워크에서 패킷 송신 경로를 결정하는 방법 | 새창보기 |
[1020090092726] | 무선 센서 네트워크에서의 데이터 전송 방법 | 새창보기 |
[1020090035532] | 모바일 ad-hoc 네크워크에서 피투피 방식으로 파일을 검색하는 방법 | 새창보기 |
[1020080095508] | 사용자 신체의 좌우측 운동 정보를 측정하기 위한 운동 장치 및 방법 | 새창보기 |
[KST2015002045][경희대학교 국제캠퍼스] | 사용자 상황을 지속가능하게 하는 추천 행동 제공 방법 | 새창보기 |
---|---|---|
[KST2015008520][경희대학교 국제캠퍼스] | 유력 추천인을 이용한 경량화된 등급 예측 장치 및 방법 | 새창보기 |
[KST2015167115][경희대학교 국제캠퍼스] | 대용량 그래프 데이터베이스에서 링크를 예측하는 방법 | 새창보기 |
[KST2015167009][경희대학교 국제캠퍼스] | 매핑의 연속성을 위한 브릿지 온톨로지 처리 장치 및 처리 방법 | 새창보기 |
[KST2015166959][경희대학교 국제캠퍼스] | 비연결 동시 빈발 부분그래프를 포함하는 동시 빈발 부분그래프의 마이닝 방법 | 새창보기 |
[KST2015167452][경희대학교 국제캠퍼스] | 입력되는 문자열로부터 사용자의 감정을 판단하는 방법 | 새창보기 |
[KST2014055472][경희대학교 국제캠퍼스] | 가속도와 위치 정보에 기초한 사용자 행위 인식 방법 | 새창보기 |
[KST2015167110][경희대학교 국제캠퍼스] | 온라인 분석 처리를 위한 그래프 큐브의 생성 방법 | 새창보기 |
[KST2015166589][경희대학교 국제캠퍼스] | 체인지 히스토리 온톨로지를 이용한 동적/진화형 웹온톨로지들에서의 매핑 일치 방법 | 새창보기 |
[KST2015002050][경희대학교 국제캠퍼스] | 전자상거래 사이트의 신뢰도 계산 방법 | 새창보기 |
[KST2015167210][경희대학교 국제캠퍼스] | 단말의 성능을 고려한 멀티미디어 서비스 제공방법 및그에 사용되는 단말기 | 새창보기 |
[KST2015088700][경희대학교 국제캠퍼스] | 클라우드 컴퓨팅에서 중계자를 통한 데이터 분산 최적화 장치 및 그 방법 | 새창보기 |
[KST2015166643][경희대학교 국제캠퍼스] | 방문 부스와 방문 순서의 유사도를 고려한 추천 부스 결정 방법 | 새창보기 |
[KST2014035437][경희대학교 국제캠퍼스] | 패턴 추론 방식으로 사용자의 상황을 예측하는 방법 | 새창보기 |
[KST2015167060][경희대학교 국제캠퍼스] | 그래프 분류를 위한 빈발 부분그래프의 생성 방법 | 새창보기 |
[KST2015167406][경희대학교 국제캠퍼스] | 맵리듀스를 이용한 빈발 부분 그래프의 마이닝 방법 | 새창보기 |
[KST2014029129][경희대학교 국제캠퍼스] | 스트로크 기반 온라인서명 확인 시스템 및 그 동작 방법 | 새창보기 |
[KST2015167460][경희대학교 국제캠퍼스] | 온톨로지 매칭의 시멘틱 이질성 병렬 처리 장치 및 처리 방법 | 새창보기 |
[KST2015166829][경희대학교 국제캠퍼스] | 빈발 부분그래프의 마이닝 방법 | 새창보기 |
[KST2016006372][경희대학교 국제캠퍼스] | 유향 그래프 데이터베이스에서 순서를 고려한 동시발생 부분그래프 마이닝 기법(Directed co-occrruent subgraph mining in directed graph database) | 새창보기 |
[KST2014036666][경희대학교 국제캠퍼스] | 세미 마르코프 조건부 랜덤 필드 모델 기반의 행동 인식 방법 | 새창보기 |
[KST2015167344][경희대학교 국제캠퍼스] | 라지 스케일 생물의학 온톨로지 매칭 장치 및 매칭 방법 | 새창보기 |
[KST2015002111][경희대학교 국제캠퍼스] | 동시 발생 빈발 부분 그래프를 이용한 그래프 분류 장치 및 방법 | 새창보기 |
[KST2015167409][경희대학교 국제캠퍼스] | 신뢰도 기반 추천 시스템 및 추천 방법 | 새창보기 |
[KST2016006373][경희대학교 국제캠퍼스] | 빈발 부분그래프에 대한 최대 공통 부분그래프 생성 장치 및 방법(Apparatus and Method for generating maximal common subgraphs between frequent subgraphs) | 새창보기 |
[KST2015166698][경희대학교 국제캠퍼스] | 언라벨링된 데이터를 이용한 미스라벨링된 트레이닝 데이터를 식별하는 방법 | 새창보기 |
[KST2015166734][경희대학교 국제캠퍼스] | 클라우드 컴퓨팅 환경에서의 보안 위험 평가 장치 및 평가 방법, 보안 위험 평가 결과를 이용한 클라우드 서비스 제공자 추천 방법 | 새창보기 |
[KST2014024646][경희대학교 국제캠퍼스] | 프라이버시-인지 편재적 시스템을 위한 편재적 피쓰리피기반의 프라이버시 정책 협상시스템 | 새창보기 |
[KST2015167271][경희대학교 국제캠퍼스] | 협업필터링 기반의 상품 추천 시스템에서 추천 기법을 선택하는 방법 | 새창보기 |
[KST2014059375][경희대학교 국제캠퍼스] | 헬스 케어를 위한 그래프 모델 기반 행위 패턴 마이닝 장치 및 방법 | 새창보기 |
심판사항 정보가 없습니다 |
---|