요약 | 사용자의 이동 경로 실시간 예측 방법은 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에서 수행된다. 상기 사용자의 이동 경로 실시간 예측 방법은 (a) 상기 센서에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 단계, (b) 상기 수집된 센싱데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자에게 일상적인 패턴으로서 표현될 수 있는 복수의 주요 장소들 및 주요 경로들을 추출하는 단계, (c) 상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 단계 및 (d) 상기 구성된 확률 그래프 모델을 학습하고, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 단계를 포함한다. |
---|---|
Int. CL | H04W 4/02 (2018.01.01) G06F 17/30 (2006.01.01) |
CPC | H04W 4/02(2013.01) H04W 4/02(2013.01) |
출원번호/일자 | 1020130023015 (2013.03.04) |
출원인 | 서울대학교산학협력단 |
등록번호/일자 | 10-1446099-0000 (2014.09.24) |
공개번호/일자 | 10-2014-0110164 (2014.09.17) 문서열기 |
공고번호/일자 | (20141007) 문서열기 |
국제출원번호/일자 | |
국제공개번호/일자 | |
우선권정보 | |
법적상태 | 등록 |
심사진행상태 | 수리 |
심판사항 | |
구분 | 신규 |
원출원번호/일자 | |
관련 출원번호 | |
심사청구여부/일자 | Y (2013.03.04) |
심사청구항수 | 17 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 서울대학교산학협력단 | 대한민국 | 서울특별시 관악구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 장병탁 | 대한민국 | ***-*** 서울 서 |
2 | 이상우 | 대한민국 | 서울 중랑구 |
3 | 허민오 | 대한민국 | 서울 서초구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 정부연 | 대한민국 | 서울특별시 서초구 반포대로**길 ** ***동 ***,***호(서초동, 한빛위너스)(현신특허사무소) |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 서울대학교산학협력단 | 서울특별시 관악구 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2013.03.04 | 수리 (Accepted) | 1-1-2013-0189985-19 |
2 | 선행기술조사의뢰서 Request for Prior Art Search |
2013.12.09 | 수리 (Accepted) | 9-1-9999-9999999-89 |
3 | 선행기술조사보고서 Report of Prior Art Search |
2014.01.10 | 수리 (Accepted) | 9-1-2014-0001882-40 |
4 | 의견제출통지서 Notification of reason for refusal |
2014.04.10 | 발송처리완료 (Completion of Transmission) | 9-5-2014-0250433-20 |
5 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 [Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation) |
2014.06.09 | 수리 (Accepted) | 1-1-2014-0533642-24 |
6 | [명세서등 보정]보정서 [Amendment to Description, etc.] Amendment |
2014.06.09 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2014-0533636-50 |
7 | 등록결정서 Decision to grant |
2014.09.22 | 발송처리완료 (Completion of Transmission) | 9-5-2014-0641893-79 |
8 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2015.03.17 | 수리 (Accepted) | 4-1-2015-5033829-92 |
9 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2015.05.13 | 수리 (Accepted) | 4-1-2015-5062924-01 |
10 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.05.13 | 수리 (Accepted) | 4-1-2019-5093546-10 |
11 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.05.23 | 수리 (Accepted) | 4-1-2019-5101798-31 |
12 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.08.02 | 수리 (Accepted) | 4-1-2019-5154561-59 |
13 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2020.11.25 | 수리 (Accepted) | 4-1-2020-5265458-48 |
번호 | 청구항 |
---|---|
1 |
1 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에서 수행되는 사용자의 이동 경로 실시간 예측 방법에 있어서,(a) 상기 센서에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 단계;(b) 상기 수집된 센싱데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자에게 일상적인 패턴으로서 표현될 수 있는 복수의 주요 장소들 및 주요 경로들을 추출하는 단계;(c) 상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 단계; 및(d) 상기 구성된 확률 그래프 모델을 학습하고, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 단계를 포함하고,상기 (a) 단계는 (a-1) 상기 센서에 의하여 획득되는 상기 GPS 신호에 해당하는 위치와 가장 가까운 도로를 검색하고, 상기 도로를 나타내는 도로 정보를 생성하여 제1 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
2 |
2 삭제 |
3 |
3 제1항에 있어서, 상기 (a) 단계는(a-2) 상기 수집된 센싱데이터를 기초로 사용자의 현재 행동이 소정의 기 분류된 행동들 중 어느 하나에 속하는지 결정하여 상기 결정된 행동을 나타내는 행동 정보를 생성하고, 상기 생성된 행동 정보를 상기 제1 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
4 |
4 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에서 수행되는 사용자의 이동 경로 실시간 예측 방법에 있어서,(a) 상기 센서에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 단계;(b) 상기 수집된 센싱데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자에게 일상적인 패턴으로서 표현될 수 있는 복수의 주요 장소들 및 주요 경로들을 추출하는 단계;(c) 상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 단계; 및(d) 상기 구성된 확률 그래프 모델을 학습하고, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 단계를 포함하고,상기 (b) 단계는 (b-1) 상기 수집된 센싱데이터에 대하여 가우시안 혼합 모델(Gaussian Mixture Model, GMM)을 적용하는 단계 및 (b-2) 상기 GMM이 적용된 데이터에 대하여 방문 횟수 및 방문 지속 시간을 기반으로 주요 장소를 추출하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
5 |
5 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에서 수행되는 사용자의 이동 경로 실시간 예측 방법에 있어서,(a) 상기 센서에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 단계;(b) 상기 수집된 센싱데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자에게 일상적인 패턴으로서 표현될 수 있는 복수의 주요 장소들 및 주요 경로들을 추출하고 상기 시계열적으로 저장된 센싱데이터를 상기 도로 정보 및 행동 정보를 기초로 군집화를 수행하여 주요 경로를 추출하는 단계;(c) 상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 단계; 및(d) 상기 구성된 확률 그래프 모델을 학습하고, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 단계를 포함하고,상기 (b) 단계는 (b-1) 행동 정보의 변환을 기준으로 복수 개의 시퀀스(sequence)를 분할하는 단계, (b-2) 행동 정보가 동일하고 기설정된 범위 이상의 도로를 공유하는 적어도 하나의 시퀀스에 대한 그룹을 생성하는 단계 및 (b-3) 상기 생성된 그룹에서 가장 긴 시퀀스를 선택하고, 상기 선택된 시퀀스의 시작점 및 끝점을 지나는 최단 경로를 결정하여 상기 주요 경로를 추출하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
6 |
6 삭제 |
7 |
7 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에서 수행되는 사용자의 이동 경로 실시간 예측 방법에 있어서,(a) 상기 센서에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 단계;(b) 상기 수집된 센싱데이터, 도로 정보 및 행동 정보 중 적어도 하나를 기초로 사용자에게 일상적인 패턴으로서 표현될 수 있는 복수의 주요 장소들 및 주요 경로들을 추출하는 단계;(c) 상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 단계; 및(d) 상기 구성된 확률 그래프 모델을 학습하고, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 단계를 포함하고,상기 (c) 단계는 은닉 변수, 현재 관측치 및 이전 관측치의 함수에 따라 전이 행렬과 관측 행렬이 변화하는 멀티스위치 은닉 마코프 모델(multiswitch Hidden Markov Models, mHMM)을 구성하는 단계를 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
8 |
8 제7항에 있어서, 상기 (c) 단계는 (c-1) 시계열적인 도로 정보 및 행동 정보 각각에 대한 조건을 표현하는 멀티스위치; 시점과 연관된 도로 정보 및 행동 정보 각각에 대한 관측치; 및 예측 경로와 예측 도착지를 포함하는 예측치에 대한 연관 관계 및 시계열적 관계를 정의하여 상기 mHMM을 구성하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
9 |
9 제8항에 있어서, 상기 (c) 단계는 (c-2) 상기 구성된 mHMM을 제2 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
10 |
10 제7항에 있어서, 상기 (d) 단계는(d-1) 상기 센싱데이터, 도로 정보 및 행동 정보 중 적어도 하나를 이용하여 상기 구성된 mHMM의 파라미터를 학습하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
11 |
11 제10항에 있어서, 상기 (d-1) 단계는기정의된 EM(Expectation-Maximization) 알고리즘을 통하여 상기 구성된 mHMM의 파라미터를 학습하는 단계를 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 방법 |
12 |
12 제11항에 있어서, 상기 (d) 단계는(d-2) 상기 학습된 mHMM 및 상기 센서로부터 획득되는 센싱데이터를 기초로 기정의된 FF(Forword Filtering) 방법을 사용하여 추론을 수행하는 단계를 더 포함하는 것을 특징으로 하는사용자의 이동 경로 실시간 예측 방법 |
13 |
13 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에 있어서,센서부에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 센싱데이터 처리부;상기 센싱 데이터에서 방문 횟수 및 방문 지속 시간을 기반으로 복수의 주요 장소들을 추출하는 주요 장소 추출부;상기 센싱데이터, 도로 정보 및 행동 정보를 기초로 군집화를 수행하여 복수의 주요 경로들을 추출하는 주요 경로 추출부;상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 확률 모델 구성부; 및상기 구성된 확률 그래프 모델에 대한 학습이 완료되면, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 예측부를 포함하고,상기 센싱 데이터 처리부는 상기 센서에 의하여 획득되는 상기 GPS 신호에 해당하는 위치와 가장 가까운 도로를 검색하고, 상기 도로를 나타내는 도로 정보를 생성하여 제1 데이터베이스에 저장하는 도로 검색부를 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 시스템 |
14 |
14 삭제 |
15 |
15 제13항에 있어서, 상기 센싱 데이터 처리부는상기 수집된 센싱데이터를 기초로 사용자의 현재 행동이 소정의 기 분류된 행동들 중 어느 하나에 속하는지 결정하여 상기 결정된 행동을 나타내는 행동 정보를 생성하고, 상기 생성된 행동 정보를 상기 제1 데이터베이스에 저장하는 행동 인식부를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 시스템 |
16 |
16 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에 있어서,센서부에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 센싱데이터 처리부;상기 센싱 데이터에서 방문 횟수 및 방문 지속 시간을 기반으로 복수의 주요 장소들을 추출하는 주요 장소 추출부;상기 센싱데이터, 도로 정보 및 행동 정보를 기초로 군집화를 수행하여 복수의 주요 경로들을 추출하는 주요 경로 추출부;상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 확률 모델 구성부; 및상기 구성된 확률 그래프 모델에 대한 학습이 완료되면, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 예측부를 포함하고,상기 주요 장소 추출부는 상기 수집된 센싱데이터에 대하여 가우시안 혼합 모델(Gaussian Mixture Model, GMM)을 적용하고, 상기 GMM이 적용된 데이터에 대하여 방문 횟수 및 방문 지속 시간을 기반으로 주요 장소를 추출하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 시스템 |
17 |
17 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에 있어서,센서부에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 센싱데이터 처리부;상기 센싱 데이터에서 방문 횟수 및 방문 지속 시간을 기반으로 복수의 주요 장소들을 추출하는 주요 장소 추출부;상기 센싱데이터, 도로 정보 및 행동 정보를 기초로 군집화를 수행하여 복수의 주요 경로들을 추출하고 상기 시계열적으로 저장된 센싱데이터를 상기 도로 정보 및 행동 정보를 기초로 군집화를 수행하여 주요 경로를 추출하는 주요 경로 추출부;상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 확률 모델 구성부; 및상기 구성된 확률 그래프 모델에 대한 학습이 완료되면, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 예측부를 포함하고,상기 주요 경로 추출부는 행동 정보의 변환을 기준으로 복수 개의 시퀀스(sequence)를 분할하며 행동 정보가 동일하고 기설정된 범위 이상의 도로를 공유하는 적어도 하나의 시퀀스에 대한 그룹을 생성하고, 상기 생성된 그룹에서 가장 긴 시퀀스를 선택하고 상기 선택된 시퀀스의 시작점 및 끝점을 지나는 최단 경로를 결정하여 상기 주요 경로를 추출하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 시스템 |
18 |
18 GPS 신호를 포함하는 센싱데이터를 획득할 수 있는 센서와 연결될 수 있는 사용자의 이동 경로 실시간 예측 시스템에 있어서,센서부에 의하여 시계열적으로 수집된 센싱데이터에서 도로 정보 및 행동 정보를 생성하여 저장하는 센싱데이터 처리부;상기 센싱 데이터에서 방문 횟수 및 방문 지속 시간을 기반으로 복수의 주요 장소들을 추출하는 주요 장소 추출부;상기 센싱데이터, 도로 정보 및 행동 정보를 기초로 군집화를 수행하여 복수의 주요 경로들을 추출하는 주요 경로 추출부;상기 추출된 복수의 주요 장소들 및 주요 경로들 각각과 연관된 스위치들을 포함하는 확률 그래프 모델을 구성하는 확률 모델 구성부; 및상기 구성된 확률 그래프 모델에 대한 학습이 완료되면, 학습된 모델 및 상기 센서로부터 입력되는 센싱데이터를 기초로 사용자의 이동 장소 및 경로 중 적어도 하나를 예측하는 예측부를 포함하고,상기 확률 모델 구성부는 은닉 변수, 현재 관측치 및 이전 관측치의 함수에 따라 전이 행렬과 관측 행렬이 변화하는 멀티스위치 은닉 마코프 모델(multiswitch Hidden Markov Models, mHMM)을 구성하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 시스템 |
19 |
19 제18항에 있어서, 기정의된 EM(Expectation-Maximization) 알고리즘을 통하여 상기 센싱데이터, 도로 정보 및 행동 정보 중 적어도 하나를 이용하여 상기 구성된 mHMM의 파라미터를 학습하는 학습부를 더 포함하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 시스템 |
20 |
20 제19항에 있어서, 상기 예측부는상기 학습된 mHMM 및 상기 센서로부터 획득되는 센싱데이터를 기초로 기정의된 FF(Forword Filtering) 방법을 사용하여 추론을 수행하는 것을 특징으로 하는 사용자의 이동 경로 실시간 예측 시스템 |
지정국 정보가 없습니다 |
---|
패밀리정보가 없습니다 |
---|
국가 R&D 정보가 없습니다. |
---|
특허 등록번호 | 10-1446099-0000 |
---|
표시번호 | 사항 |
---|---|
1 |
출원 연월일 : 20130304 출원 번호 : 1020130023015 공고 연월일 : 20141007 공고 번호 : 특허결정(심결)연월일 : 20140922 청구범위의 항수 : 17 유별 : H04W 4/02 발명의 명칭 : 스마트 단말을 이용한 안정적인 사용자의 이동 경로 실시간 예측 방법 및 그 시스템 존속기간(예정)만료일 : |
순위번호 | 사항 |
---|---|
1 |
(권리자) 서울대학교산학협력단 서울특별시 관악구... |
제 1 - 3 년분 | 금 액 | 354,000 원 | 2014년 09월 25일 | 납입 |
제 4 년분 | 금 액 | 289,800 원 | 2017년 08월 24일 | 납입 |
제 5 년분 | 금 액 | 207,000 원 | 2018년 08월 20일 | 납입 |
제 6 년분 | 금 액 | 207,000 원 | 2019년 09월 17일 | 납입 |
제 7 년분 | 금 액 | 373,000 원 | 2020년 09월 18일 | 납입 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 | 2013.03.04 | 수리 (Accepted) | 1-1-2013-0189985-19 |
2 | 선행기술조사의뢰서 | 2013.12.09 | 수리 (Accepted) | 9-1-9999-9999999-89 |
3 | 선행기술조사보고서 | 2014.01.10 | 수리 (Accepted) | 9-1-2014-0001882-40 |
4 | 의견제출통지서 | 2014.04.10 | 발송처리완료 (Completion of Transmission) | 9-5-2014-0250433-20 |
5 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2014.06.09 | 수리 (Accepted) | 1-1-2014-0533642-24 |
6 | [명세서등 보정]보정서 | 2014.06.09 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2014-0533636-50 |
7 | 등록결정서 | 2014.09.22 | 발송처리완료 (Completion of Transmission) | 9-5-2014-0641893-79 |
8 | 출원인정보변경(경정)신고서 | 2015.03.17 | 수리 (Accepted) | 4-1-2015-5033829-92 |
9 | 출원인정보변경(경정)신고서 | 2015.05.13 | 수리 (Accepted) | 4-1-2015-5062924-01 |
10 | 출원인정보변경(경정)신고서 | 2019.05.13 | 수리 (Accepted) | 4-1-2019-5093546-10 |
11 | 출원인정보변경(경정)신고서 | 2019.05.23 | 수리 (Accepted) | 4-1-2019-5101798-31 |
12 | 출원인정보변경(경정)신고서 | 2019.08.02 | 수리 (Accepted) | 4-1-2019-5154561-59 |
13 | 출원인정보변경(경정)신고서 | 2020.11.25 | 수리 (Accepted) | 4-1-2020-5265458-48 |
기술정보가 없습니다 |
---|
과제고유번호 | 1345203497 |
---|---|
세부과제번호 | 2010-0017734 |
연구과제명 | 지능형 추천 서비스를 위한 인지기반 기계학습 및 추론 기술 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2013 |
연구기간 | 201005~201504 |
기여율 | 0.5 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711006437 |
---|---|
세부과제번호 | 10035348 |
연구과제명 | 모바일 플랫폼 기반 계획 및 학습 인지 모델 프레임워크 기술 개발 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2013 |
연구기간 | 201003~201502 |
기여율 | 0.5 |
연구개발단계명 | 응용연구 |
6T분류명 | IT(정보기술) |
[1020130168390] | 두 공간 개체들 간의 위상 관계와 방향 관계를 추론하기 위한 공간 추론기, 방법 및 기록 매체 | 새창보기 |
---|---|---|
[1020130124837] | 모바일 단말을 이용한 활동 인식 장치 및 인식 방법 | 새창보기 |
[1020130102201] | 가속도와 위치 정보에 기초한 사용자 행위 인식 방법 | 새창보기 |
[1020130101744] | 클라이언트, 서버 및 이를 포함하는 무선 신호 지도 작성 시스템 | 새창보기 |
[1020130099140] | 사용자 선호도 학습 방법 및 장치 | 새창보기 |
[1020130096728] | 단어의 쾌-불쾌 지수 예측 장치 및 방법 | 새창보기 |
[1020130094099] | 문자의 부분형태 모델을 이용하여 자연 영상에서 문자를 인식하는 시스템 | 새창보기 |
[1020130054272] | POI를 이용한 경로 추천 장치 및 방법 | 새창보기 |
[1020130023015] | 스마트 단말을 이용한 안정적인 사용자의 이동 경로 실시간 예측 방법 및 그 시스템 | 새창보기 |
[1020130009752] | 한국어 텍스트에서 일정의 시작과 종료 시각 식별을 위한 및 시각 정보 추출 방법 및 시스템 | 새창보기 |
[1020130009750] | 고유 속성을 기반으로 한 개체 인식 방법 및 장치 | 새창보기 |
[1020130008076] | 위치 추적 장치 및 위치 추적 방법 | 새창보기 |
[1020130007607] | 사용자 단말기의 위치 추적 시스템 및 방법 | 새창보기 |
[1020130004522] | 사용자 프로파일 생성 장치 및 그 방법 | 새창보기 |
[1020130001693] | 사용자의 이동행위를 구분하는 모바일 장치, 사용자의 이동행위 구분방법 및 이를 위한 계층적 트리 모델 생성방법 | 새창보기 |
[1020120016980] | 진화 파티클 필터링을 이용한 비디오 스트림 분석 방법 | 새창보기 |
[1020120007706] | 푸쉬 서버를 이용한 메시지 전송 방법 및 그 시스템 | 새창보기 |
[1020120007535] | 파티클 필터 기반의 단말의 위치 측정 장치 및 방법과 이를 기록한 기록 매체 | 새창보기 |
[1020120007533] | 단말의 위치 측정 장치 및 방법과 이를 기록한 기록매체 | 새창보기 |
[1020120007388] | 카메라 렌즈를 조절하여 인식할 문자열을 영상의 중앙에 인식 가능한 크기로 위치시키는 장치 및 그 방법 | 새창보기 |
[1020120004487] | 이동 단말기를 이용한 개인화된 컨텐츠 검색 방법 및 이를 수행하는 컨텐츠 검색 시스템 | 새창보기 |
[1020120004482] | 이동 단말기의 위치 로그 기반의 개인화된 여행지 컨텐츠 검색 방법 및 이를 수행하는 여행지 컨텐츠 검색 시스템 | 새창보기 |
[1020120002856] | 이동 모델 학습을 통한 실내 위치 추적 장치 및 이를 위한 기록매체 | 새창보기 |
[1020110080782] | 파티클 필터 기반의 사용자 위치 추적 장치 및 기록매체 | 새창보기 |
[1020110028333] | 멀티미디어 컨텐츠의 멀티모달 학습 및 분류 방법 | 새창보기 |
[1020110021444] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
[1020110021444] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
[1020110012531] | 모바일 단말을 이용한 상황 인식 서비스 제공 방법 및 그 시스템 | 새창보기 |
[1020110004001] | 온톨로지 정렬 방법 및 이를 적용한 온톨로지 정렬 시스템 | 새창보기 |
[1020110002449] | 학습된 경로 모델과 GPS 로그에 기반한 사용자 경로 예측 시스템 및 그 방법 | 새창보기 |
[1020110002448] | 모바일 퍼스널 어시스턴트 및 그것을 이용한 상호 작용적 계획 실행 방법 | 새창보기 |
[1020110001347] | 바이소스 토픽모델을 이용한 이미지 연관 검색 방법 및 그 시스템 | 새창보기 |
[1020110001347] | 바이소스 토픽모델을 이용한 이미지 연관 검색 방법 및 그 시스템 | 새창보기 |
[1020110000913] | 멀티 모달리티 데이터 색인 및 검색 방법, 그 시스템 | 새창보기 |
[1020110000913] | 멀티 모달리티 데이터 색인 및 검색 방법, 그 시스템 | 새창보기 |
[KST2017013118][서울대학교] | 교실에서 학생의 출석을 자동으로 체크하기 위한 도구(A Tool for Checking Attendance of Students in Classroom Automatically) | 새창보기 |
---|---|---|
[KST2019011897][서울대학교] | 재난 구조시의 실내 위치 표시 시스템 및 방법 | 새창보기 |
[KST2017013254][서울대학교] | 보행자용 위치기반 서비스를 위한 맵매칭 방법(Map-matching Method for the Pedestrian Location-based Services) | 새창보기 |
[KST2015159994][서울대학교] | 계층화된 시프트 테이블을 이용한 고속의 문자열 패턴 탐지방법 | 새창보기 |
[KST2015161060][서울대학교] | 온톨로지 기반의 시맨틱 어노테이션 시스템 및 그 방법 | 새창보기 |
[KST2017012612][서울대학교] | 그래프 데이터에 대한 부분 매칭 시스템(A method of partial matching for graph data) | 새창보기 |
[KST2019011937][서울대학교] | 웨어러블 센서 기반 일정 자동 관리 장치 및 방법 | 새창보기 |
[KST2015137522][서울대학교] | 스마트 단말을 이용한 사용자의 이동 경로 실시간 예측 방법 및 그 시스템 | 새창보기 |
[KST2017012610][서울대학교] | 동적 데이터 대상 이진 논리식 기반의 단계적 연관 규칙 추출 방법(A stepwise method for mining association rules based on a Boolean expression for dynamic datasets) | 새창보기 |
[KST2015219114][서울대학교] | 알 에프 아이디 태그와 휴대용 정보 수신장치를 이용한건강 검진 운영 시스템 및 이에 적합한 방법 | 새창보기 |
[KST2015137328][서울대학교] | 3차원 인체 모델 생성 시스템 및 그 방법 | 새창보기 |
[KST2014050332][서울대학교] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
[KST2018014669][서울대학교] | 가우시안 프로세스 회귀분석을 이용한 클러스터링 방법 및 그 장치 | 새창보기 |
[KST2017006068][서울대학교] | 동적 인메모리 네이티브 그래프 트랜잭션 데이터베이스의 갱신 관리 장치(Update Management of Dynamic In-Memory Native Graph Transactional Database) | 새창보기 |
[KST2015159108][서울대학교] | 전자거래코드를 이용한 공급체인 관리 시스템 및 방법 | 새창보기 |
[KST2014053179][서울대학교] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
[KST2015160960][서울대학교] | 다중 노드순서에 대한 베이지안모델평균화를 통한베이지안망분류기의 성능향상방법 및 이를 구현하기 위한프로그램을 저장한 기록매체 | 새창보기 |
[KST2015159916][서울대학교] | 시맨틱 웹 자원의 랭킹처리방법 | 새창보기 |
[KST2016009459][서울대학교] | 사용자 맞춤형 항목 추천 방법 및 장치(user-tailored item recommendation method and device) | 새창보기 |
[KST2016016084][서울대학교] | 컴퓨터 실행 가능한 비모수 베이지안 합곱 네트워크를 통한 이미지 검색 방법(COMPUTER-EXECUTABLE IMAGE SEARCHING METHOD USING NON-PARAMETRIC BAYESIAN SUM-PRODUCT NETWORKS) | 새창보기 |
[KST2017006071][서울대학교] | 다수의 네이티브 저장구조를 최적 지원하는 정규화된 계층 인메모리 트랜잭션 저장 아키텍쳐: 행 열 테이블, 그래프, 분석 어레이(Normalized Layered In-Memory Transactional Storage Architecture Optimized for Multiple Native Structure: Row and Column Tables, Graphs, Analytic Arrays) | 새창보기 |
[KST2017010639][서울대학교] | 기 설계된 음향 데이터 신호를 이용한 실내 위치 추정 방법(THE METHOD OF INDOOR LOCALIZATION USING PRE-DESIGNED ACOUSTIC SOURCE DATA) | 새창보기 |
[KST2017006069][서울대학교] | 인메모리 트랜잭션 데이터베이스 내장 실시간 기계학습 아키텍쳐(Real-Time Machine Learning Architecture Embedded in In-Memory Transactional Database System) | 새창보기 |
[KST2017012611][서울대학교] | 의미역 결정 기술을 활용한 온톨로지 기반 지식베이스 구축 방법(An ontology based knowledge base construction method using semantic role labeling) | 새창보기 |
[KST2014058561][서울대학교] | 동영상 디스클립터 재활용 방법 | 새창보기 |
[KST2015135336][서울대학교] | 협력통신 기반의 측위 방법 | 새창보기 |
[KST2014022424][서울대학교] | 멀티-레벨 해싱을 이용한 공간 분할 시스템 및 방법 | 새창보기 |
[KST2021011793][서울대학교] | 전자 장치 및 그 제어 방법 | 새창보기 |
[KST2017006067][서울대학교] | 인메모리 네이티브 그래프 구조와 행 열 테이블의 조인 방법(Join Algorithm of In-Memory Native Graph Structure and Row and Column Tables) | 새창보기 |
[KST2015136438][서울대학교] | 헬스케어 어플리케이션 | 새창보기 |
심판사항 정보가 없습니다 |
---|