Journal of the Korea Institute of Information and Communication Engineering (한국정보통신학회논문지)

The Korea Institute of Information and Commucation Engineering (한국정보통신학회)
권호 표지
DOI QR코드

DOI QR Code

Context-data Generation Model using Probability functions and Situation Propagation Network

확률 함수와 상황 전파 네트워크를 결합한 상황 데이터 생성 모델

  • 천성표 (부산대학교 영상.IT 산학공동사업단) ;
  • 김성신 (부산대학교 전자전기공학과)
  • Published : 2009.07.30
Download PDF
⟨ Previous Next ⟩

Abstract

Probabilistic distribution functions based data generation method is very effective. Probabilistic distribution functions are defined under the assumption that daily routine contexts are mainly depended on a time-based schedule. However, daily life contexts are frequently determined by previous contexts because contexts have consistency and/or sequential flows. In order to refect previous contexts effect, a situation propagation network is proposed in this paper. As proposed situation propagation network make parameters of related probabilistic distribution functions update, generated contexts can be more realistic and natural. Through the simulation study, proposed context-data generation model generated general outworker's data about 11 daily contexts at home. Generated data are evaluated with respect to reduction of ambiguity and confliction using newly defined indexes of ambiguity and confliction of sequential contexts. In conclusion, in case of combining situation propagation network with probabilistic distribution functions, ambiguity and confliction of data can be reduced 6.45% and 4.60% respectively.

일상적인 상황이 주로 시간을 고려한 일정에 따라서만 발생한다고 가정하면 각 상황별 확률분포함수에 기반한 데이터 생성법은 효과적이다. 하지만, 사람들은 상황을 인식하거나 판단할 때, 이전 상황을 고려하여 현재 상황을 미루어 짐작하거나 결정하는 경우도 흔하다. 본 논문에서 제안한 상황 전파 네트워크는 상황 인식 및 결정에서 이전 상황이 현재 상황에 미치는 영향을 고려하는 것과 유사하게 상황발생 확률분포함수를 보상해 줌으로써 상황의 전개가 연속적이면서 자연스러운 흐름을 갖도록 해준다. 본 논문에서는 평범한 직장인이 집이라는 공간에서 발생시키는 상황 데이터를 생성하는 모델을 제안하였고, 모의실험을 통해 상황 전파 네트워크가 상황의 자연스러운 흐름에 얼마나 영향을 기여하는지 확인하였으며, 특히, 순차적 상황 모호성과 충돌성 지표를 새롭게 정의하여 제안한 상황 데이터 생성 모델을 평가했다. 결론적으로 상황 전파 네트워크를 결합시켰을 경우, 확률 모델만을 사용했을 때보다 순차적 상황 모호성은 6.45% 상황 충돌성은 4.60% 감소함을 확인했다.

Keywords

References

  1. B. N, Schilit and M. M. Theimer, "Disseminating Active Map Information to Mobile Hosts," IEEE Network, vol. 8, issue 5, pp. 22-32, Sep/Oct 1994 https://doi.org/10.1109/65.313011
  2. A. K. Dey, Context-Aware Computing: The CyberDesk Project, AAAI 1998 Spring Symposium on Intelligent Environments, Technical Report SS-98-02, 1998, pp. 51-54
  3. A. K. Dey, G. D. Abowd, and D. Salber, "A Contextbased Infrastructure for Smart Environments," Proc. Of the 1st Int' Workshop on Managing Interactions in Smart Environments (MANSE '99), pp. 114-128, Apr. 1999
  4. J. Pascoe, N. Pyan, and D. Morse, "Issues in Developing Context-Aware Computing," LNCS, vol. 1707, pp. 208-221, 1999 https://doi.org/10.1007/3-540-48157-5_20
  5. 정헌만, "유비쿼터스 컴퓨팅 환경에서의 온톨로지 기반 상황 인식 미들웨어," 한국 컴퓨터정보학회 2006년 하계학술발표논문집&학회지, 제14권 1호, pp. 165-173, 2006
  6. 정헌만, 이정현, “유비쿼터스 컴퓨터 환경에서의 상황 인식을 위한 확률 확장 온톨로지 모델,” 한국 컴퓨터정보학회 논문지, 제11권 3호, pp.239-248, 2006
  7. R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction. MIT Press, MA: Cambridge, 1998
  8. T. Mitchell, Machine Learning. McGraw Hill International Edition, 1997
  9. T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning. Springer Series in Statistics, Springer, 2001
  10. A. Doucet, N. Freitas, and N. Gordon, Sequential Monte Carlo Methods in Practice. Statistics for Engineering and Information Science, Springer, 2001
  11. 임신영, 허재두, "상황인식 컴퓨팅 응용 기술 동향," 한국전자통신연구원, 전자통신동향분석, 제19권 5호, 2004
  12. Anders Kofod-Petersen, A Case-Based Approach to Realising Ambient Intelligence among Agents, Thesis for the degree doctor scientiarum, 2007