메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국경영과학회 한국경영과학회지 한국경영과학회지 제29권 제4호
발행연도
2004.12
수록면
41 - 60 (20page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
A stream data is a data set that is accumulated to the data storage from a data source over time continuously. The size of this data set, in many cases, becomes increasingly large over time. To mine information from this massive data, it takes much resource such as storage, memory and time. These unique characteristics of the stream data make it difficult and expensive to use this large size data accumulated over time. Otherwise, if we use only recent or part of a whole data to mine information or pattern, there can be loss of information, which may be useful. To avoid this problem, we suggest a method that efficiently accumulates information, in the form of rule sets, over time. It takes much smaller storage compared to traditional mining methods. These accumulated rule sets are used as prediction models in the future. Based on theories of ensemble approaches, combination of many prediction models, in the form of systematically merged rule sets in this study, is better than one prediction model in performance. This study uses a customer data set that predicts buying power of customers based on their information. This study tests the performance of the suggested method with the data set alone with general prediction methods and compares performances of them.

목차

Abstract

1. 서론

2. 이론적 배경

3. 연구모형

4. 구매력 예측 자료에의 적용

5. 결론 및 시사점

참고문헌

참고문헌 (19)

참고문헌 신청
[학술지(정기간행물)] - / 1994. / Fast algorithms for mining association rules google schola [학술지(정기간행물)] - / 1995 / Mining sequential patterns : 3 ~ 14 google schola [학술지(정기간행물)] - / 1999 / An efficient algorithm to update large item sets with early pruning : 287 ~ 291 google schola [학술지(정기간행물)] - / 1996 / Maintenance of discovered association rules in large databases：An incremental updating technique : 106 ~ 114 google schola [학술지(정기간행물)] - / 2003 / Incremental Mining of Frequent Patterns Without Candidate Generation or Support Constraint google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

연속성 데이터 분석을 위한 스트리밍 데이터 마이닝 연구
윤태복 ,  심학준 ,  이지형 외 1명 한국지능시스템학회 학술발표 논문집 2009 .12
부분 질의계획 중복에 기반한 동적 스트림 질의 재구성
이상돈 ,  이원근 데이타베이스연구 2004 .12
스트리밍 데이터에서의 기계학습
박정희 한국멀티미디어학회지 2016 .09
u-Health 시스템에서 슬라이딩 윈도우 기반 스트림 데이터 처리
김태연 ,  송병호 ,  배상현 한국정보전자통신기술학회 논문지 2011 .06
실시간 얼굴 표정 인식을 위한 새로운 사각 특징 형태 선택기법
정성욱 ,  김도형 ,  안광호 외 1명 제어로봇시스템학회 논문지 2006 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-325-014414227