본 논문에서는 형식 개념 분석(FCA)을 사용하여 비표준 데이터에 대한 데이터 깊이 함수의 새로운 개념을 제시하고, 이를 통해 다양한 데이터 유형에 대한 중심성 및 이상치 개념을 체계적으로 정의하고 분석합니다.
불확실한 데이터베이스에서 가중치 있는 순차적 패턴을 효율적으로 마이닝하는 새로운 프레임워크를 제안한다. 이 프레임워크에서는 가중치 있는 기대 지지도라는 새로운 개념을 도입하고, 정적 및 증분 데이터베이스에서 가중치 있는 순차적 패턴을 마이닝하기 위한 효율적인 알고리즘을 개발한다.
복잡한 시스템에서 통찰력을 추출하고 다양한 분야의 의사 결정을 지원하기 위해 다변량 시계열 데이터 분석이 중요한 역할을 하지만, 대규모 데이터 처리, 시간적 불일치 해결, 효율적이고 포괄적인 분석 프레임워크 구축 등의 과제가 존재한다. 이를 해결하기 위해 MTASA(Multivariate Time series Alignment and Similarity Assessment)라는 통합 계산 접근법을 제안한다.
혼합 데이터에 대한 스펙트럴 클러스터링의 새로운 방법론 소개
이상 궤적 갭을 탐지하기 위한 물리학적 접근 방식과 새로운 알고리즘 소개
거래 데이터를 활용하여 비즈니스 조치의 기반으로 사용되는 연관 규칙 생성의 중요성