초록 ▼

최근 빅데이터 분석이 IT 분야의 가장 큰 화두로 떠오르고 있다. 카트너는 빅데이터를 미래의 경쟁력을 좌우하는 21세기의 원유로 비유하였고 영국 경제주간지 이코노미스트는 빅데이터를 전세계가 직면한 환경, 에너지, 식량, 의료 문제를 해결할 수 있을 것으로 전망하고 있다. 빅데이터와 기존의 대용량 데이터의 가장 큰 차이점은 데이터의 사이즈가 훨씬 크고, 생성 속도가 실시간 수준으로 빠르며, 데이터의 형태가 다양하다는 속성을 가지고 있다. 세 번째 속성에 의해 빅데이터에서는 정형화된 구조화 데이터 뿐만 아니라 비정형 데이터를 다루고 있

최근 빅데이터 분석이 IT 분야의 가장 큰 화두로 떠오르고 있다. 카트너는 빅데이터를 미래의 경쟁력을 좌우하는 21세기의 원유로 비유하였고 영국 경제주간지 이코노미스트는 빅데이터를 전세계가 직면한 환경, 에너지, 식량, 의료 문제를 해결할 수 있을 것으로 전망하고 있다. 빅데이터와 기존의 대용량 데이터의 가장 큰 차이점은 데이터의 사이즈가 훨씬 크고, 생성 속도가 실시간 수준으로 빠르며, 데이터의 형태가 다양하다는 속성을 가지고 있다. 세 번째 속성에 의해 빅데이터에서는 정형화된 구조화 데이터 뿐만 아니라 비정형 데이터를 다루고 있다. 빅데이터의 형태가 그래프, 이미지, String, 멀티미디어 동영상 등 벡터 기반의 기존의 데이터 마이닝 기법으로 분석이 어려운 다양한 형태를 띄고 있다. 이에 따라 빅데이터 분석의 핵심 도구인 데이터 마이닝 또한 비정형 또는 이질형 데이터의 분석을 위한 원천 기술의 개발이 필요한 실정이다.
본 과제는 2010.05~2013.04의 3년 동안 이질형 복합 데이터 분석을 위한 데이터 마이닝 기술 개발 사업으로 수행되었다. 또한 개발한 기술들을 의료 영상 정합, XML 스키마 매칭 등의 고부가가치 산업에 직접적으로 응용하여 학문적 성취뿐 아니라 산업적 가치를 함께 창출하는 것을 목표로 수행되었다. 이 목표를 달성하기 위해 본 연구팀은 3차 년도에 걸쳐 아래와 같은 세부 연구를 수행하였다.
1차년도 과제: 이질형 복합 데이터의 유사도 학습 방법론 개발
- 결합 커널을 이용한 이질형 복합 데이터 처리 기술 개발
- 구조화 출력 예측에 기반한 유사도 함수 모델링 기술 개발
2차년도 과제: 이질형 복합 데이터 전처리 기술 개발 및 소프트웨어로 구현
- 이질형 복합 데이터의 벡터화 전처리 기술 개발
- 차세대 데이터 마이닝 분석 소프트웨어 구현
3차년도 과제: 이질형 복합 데이터 마이닝 기술의 응용 연구
- PET, MRI 영상 패치 이미지 샘플링 방법 개발
- 지능형 PET-MRI 정합 시스템 개발
- 시맨틱 유사도 측정을 위한 커널 함수 개발
- 구축된 시맨틱 유사도 지능형 XML 스키마 매칭 시스템 개발
본 과제의 성과로는 Structured SVM의 MATLAB 버전 Toolbox를 세계 최초로 개발하였다. 이 툴박스를 이용하여 서로 다른 타입의 두 데이터 사이의 유사도 함수를 학습할 수 있고 이는 PET-MRI 정합 시스템에 사용되었다. 추후 수정 보완을 통해 Struct SVM Toolbox는 웹사이트를 통해 공개 버전으로 Release할 예정이다. 본 연구 결과물은 국외저널에 1편이 게재되었고, 1편의 논문이 SCIE 저널에 in press 상태이며, 2편의 논문은 SCIE 저널에 투고되어 수정 중에 있다. 연구 인력 양성은 본 과제의 지원을 받아 4명의 석사(울산대 2, POSTECH 2)와 2명의 박사 (POSTECH 2)가 배출되었고 1명의 박사과정(울산대 1)이 박사과정 수료 상태이다. 졸업생들은 본 과제의 수행 경험을 바탕으로 대부분 대기업 및 기업 부설 연구소에서 Data Analytics로 활동하고 있다.
본 연구팀은 과제 수행 결과를 지속적으로 확장하여, 차세대 데이터 마이닝에 대한 이론, 알고리즘, 응용 노하우를 지닌 선도적인 연구 그룹으로 성장하길 기대한다. 또한 이질형 복합형 데이터를 처리, 분석하는 연구 결과를 주요 성장 동력 산업에 기술적으로 지원하고자 한다. 이질형 복합 데이터 마이닝 기술은 이미지, 동영상 검색, 의료영상 분석 및 진단, 비즈니스 프로세스 분석, 신용카드범죄 판별, 신용 평가 분석, 생명 정보데이터 분석, 로보틱스, 물류 데이터 분석, 제조 데이터 마이닝 등의 광범위한 분야 및 해당산업에 적용될 수 있다.

목차 Contents

• 일반연구자지원사업 최종(결과)보고서 ... 1
• 목 차 ... 2
• Ⅰ. 연구결과 요약문 ... 3
• Ⅱ. 연구내용 및 결과 ... 4
• 1. 연구과제의 개요 ... 4
• 2. 국내외 기술개발 현황 ... 4
• 3. 연구수행 내용 및 결과 ... 4
• 4. 목표 달성도 및 관련 분야에의 기여도 ... 5
• 5. 연구결과의 활용계획 ... 6
• 6. 연구과정에서 수집한 해외 과학기술 정보 ... 6
• Ⅲ. 연구성과 ... 7