Steven F. Ashby Center for Applied Scientific Computing Month DD, 1997

Size: px
Start display at page:

Download "Steven F. Ashby Center for Applied Scientific Computing Month DD, 1997"

Transcription

1 Data Mining Association Analysis: Basic Concepts and Algorithms Lecture Notes for Chapter 7 1

2 Contents 범주형 / 연속형속성처리 2

3 10 범주형 / 연속형속성 지금까지 asymmetric binary variables 에대한연관분석을공부함 이제 categorical / continuous attribute 에적용필요함 Session Id Country Session Length (sec) Number of Web Pages viewed Gender Browser Type Buy 1 USA Male IE No 2 China Female Netscape No 3 USA Female Mozilla Yes 4 Germany Male IE Yes 5 Australia Male Mozilla No Example of Association Rule: {Number of Pages [5,10) (Browser=Mozilla)} {Buy = No}

4 범주형 / 연속형속성 실제연관규칙이적용되는데이터베이스레코드는범주형혹은연속형속성이많음 범주형속성 (Categorical Attributes) 속성의값이범주 (category) 로나타나는경우를일컬음 예제 : 성별, 전공, 특기 연속형속성 (Continuous Attributes) 속성의값이숫자로나타나는경우를일컬음 예제 : 나이, 몸무게, 연봉 Page 4

5 범주형속성처리 범주형속성을 Asymmetric binary 변수로변환함 Binary variable has only two states: 0 or 1 A binary variable is symmetric if both of its states are equally valuable, that is, there is no preference on which outcome should be coded as 1. A binary variable is asymmetric if the outcome of the states are not equally important, such as positive or negative outcomes of a disease test. Introduce a new item for each distinct attribute-value pair Example: replace Browser Type attribute with Browser Type = Internet Explorer Browser Type = Mozilla Browser Type = Mozilla Page 5

6 범주형속성처리예제 Page 6

7 범주형속성처리 주요이슈 만일, 범주형속성이매우많은값을가진다면? Example: attribute country has more than 200 possible values 많은속성값은매우적은 support 값을가질수있음 해결책 : Aggregate the low-support attribute values 만약속성값분포가한쪽으로심하게편향되었다면 ( highly skewed)? Example: 95% of the visitors have Buy = No. Most of the items will be associated with (Buy=No) item 해결책 : 매우빈발한항목은 drop 함. 즉, 매우많은빈도수를가지는항목은새로운정보를가지지않기때문

8 연속형속성처리 데이터에는당연히연속형속성도있음 예 : Age [21,35) Salary [70k,120k) Buy Salary [70k,120k) Buy Age: =28, =4 연속형속성을처리하는방법 이산화기반 (Discretization-based) 방법 통계기반 (Statistics-based) 방법 Non-discretization 기법 Min-Apriori 기법 Page 8

9 연속형속성처리예제 Page 9

10 이산화 (Discretization) 기반방법 이산화기반방법에는 Unsupervised 방법과 supervised 방법존재함 비감독 (unsupervised) 방법 Equal-width binning Equal-depth binning Clustering 감독 (supervised) 방법 Page 10

11 이산화 (Discretization) 기반방법 Size of the discretized intervals affect support & confidence {Refund = No, (Income = $51,250)} {Cheat = No} {Refund = No, (60K Income 80K)} {Cheat = No} {Refund = No, (0K Income 1B)} {Cheat = No} If intervals too small may not have enough support If intervals too large may not have enough confidence Potential solution: use all possible intervals

12 이산화 (Discretization) 기반방법 Execution time 만약범위가 k 구간으로나눠진다면 k(k-1)/2 의이진항목들이모든가능한구간을나타내기위해생성되어야함 많은비용소비됨 Too many rules {Refund = No, (Income = $51,250)} {Cheat = No} {Refund = No, (51K Income 52K)} {Cheat = No} {Refund = No, (50K Income 60K)} {Cheat = No}

13 통계기반방법, Min-Apriori 기법 통계기반방법 정량적연관규칙은모집단의통계적특성을추론하는데사용가능 연관규칙의결론부가통계적속성 ( 평균, 표준편차등 ) 을갖는연속형속성으로나타남 예제 : Salary [70k,120k) Buy Age: =28, =4 Min-Apriori 기법 ( 비이산화방법 ) 연속형속성들중에서연관성을찾는방법 단어들사이의연관성등 Page 13

14 통계기반방법 사례 : Browser=Mozilla Buy=Yes Age: =23 연관규칙의결론부는통계적속성을가짐 mean, median, standard deviation, etc. 규칙생성방법 : 먼저, target variable 를정한후, 이를나머지데이터와별도로생각함 분리된 나머지데이터 에대해서 frequent itemset 을찾음 나머지데이터 로부터찾은 frequent itemset 을사용하여, target variable 에대한통계적속성을찾음 {Annual Income > $100K, Shop Online = Yes} Age: Mean = 38 이규칙은인터넷사용자의연수입이 10 만달러보다많고정기적으로온라인쇼핑을하는사람의평균나이는 38 세라는것을말함 해당연관규칙의정당성을확인하기위해통계테스트수행 ( 가설검증등 )

15 통계기반방법 연관규칙유용성테스트 연관규칙에포함되는트랜잭션으로부터계산된통계량이해당규칙에포함되지않은트랜잭션으로부터계산된것과다른경우에만해당연관규칙은유용함 Compare the statistics for segment of population covered by the rule vs segment of population not covered by the rule: 통계적가설검증 (Statistical hypothesis testing): 귀무가설 (Null hypothesis): H0: = + A B: μ vs. ഥA B: μ 대립가설 (Alternative hypothesis): H1: > + Z has zero mean and variance 1 under null hypothesis A 는 frequent itemset, B 는연속형 target 속성 n1 은 A 를지지하는트랜잭션수, n2 는 A 를지지하지않는트랜잭션수 s1 은 A 를지지하는트랜잭션중에서 B 에대한표준편자, s2 는 A 를지지하지않는트랜잭션중에서 B 에대한표준편차 Z ' 2 2 s1 s2 n n 1 2

16 통계기반방법 통계적가설검증 ( 계속 ) A B: μ vs. ഥA B: μ μ 와 μ 의차이가어떤사용자 ~ 지정된임계값 보다더큰가? 를검사함 통계적가설검증에서귀무가설과대립가설, 두개의반대되는명제가주어짐 ( 일반적으로귀무가설을기각하고대립가설을채택하기위해선귀무가설이잘못되었다는것을입증함 ) 데이터로부터수집된증거에근거하여가설검증은위두개의가설중에서어느것이수락되어야하는지를결정함 이경우, μ < μ 을가정하면, 귀무가설 H0: μ = μ + 이며, 대립가설 H1: μ > μ + 임. 여기서어느가설이수락되어야하는지를결정하기위해아래의 Z 통계량을계산함 Z ' 2 2 s1 s2 n n 1 2 Z 는평균 0 과분산 1 을갖는표준정규분포 계산된 Z 의값은기각값 (critical value) Za 와대조 / 비교함. 기각값은신뢰도수준에따라결정됨 만약 Z > Za 이면귀무가설기각됨 위의정량적연관규칙은유용하다고결론내림 아니면, 평균에서차이가통계적으로유의미하다는것을보여주기위한충분한증거가데이터에없음을의미함

17 통계기반방법 사례 : 연관규칙 : Browser=Mozilla Buy=Yes Age: =23 Rule is interesting if difference between and is greater than 5 years (i.e., = 5) For r, suppose n1 = 50, s1 = 3.5 For r (complement): n2 = 250, s2 = 6.5 Z ' 2 2 s1 s2 n n For 1-sided test at 95% confidence level, critical Z-value for rejecting null hypothesis is Since Z is greater than 1.64, r is an interesting rule

18 Min-Apriori (Han et al) Data set 이연속형속성 (continuous attribute) 을가지는경우에적용가능 특히연속형속성들간의연관성을찾고자하는경우사용 사례 : 텍스트문서에서단어연관성을찾는문제 문서 - 단어행렬 (Document-term matrix) 에서각엔트리는주어진문서에서나타나는단어의정규화빈도수카운트값을의미함 TID W1 W2 W3 W4 W5 D D D D D W1 and W2 tends to appear together in the same document

19 Min-Apriori 아래의 문서 - 단어행렬 을다음과같이변경함 위 문서 - 단어행렬 을 0/1 matrix 로변형한후, 기존의알고리즘적용 기존의알고리즘은 binary variable 에적용되는것이었음 단어간연관성을찾고자함 TID W1 W2 W3 W4 W5 D D D D D

20 Min-Apriori 단어간연관성찾을수있음 If we simply sum up its frequency, support count will be greater than total number of documents! Normalize the word vectors e.g., using L 1 norm Each word has a support equals to 1.0 TID W1 W2 W3 W4 W5 D D D D D Normalize TID W1 W2 W3 W4 W5 D D D D D 각 word 갯수로 normalize 함

21 Min-Apriori New definition of support: sup( C ) mind( i, j) i T j C TID W1 W2 W3 W4 W5 D D D D D Example: Sup(W1,W2,W3) D1 = min (0.40, 0.33, 0.00) + min(0.00, 0.00, 0.33) + +min(0.20, 0.17, 0.33) = = 0.17 D5 D2

22 Min-Apriori Min-Apriori에서의정의된지지도척도는문서에서단어연관성을찾는데적합한아래의특성가짐 한단어의정규화지지도가증가함에따라지지도는단조형증가 그단어를포함하는문서개수가증가함에따라지지도단조형증가 지지도는비단조형특성가짐 예를들어 itemset {A,B} 와 {A,B,C} 가있다면, min({a,b}) >= min({a,b,c}) 이므로 s({a,b}) >= s({a,b,c}) 임 (itemset에속한단어수가증가하면최소값을찾기때문에지지도는감소할수밖에없음 )

23 Anti-monotone property of Support Example: TID W1 W2 W3 W4 W5 D D D D D Sup(W1) = = 1 Sup(W1, W2) = = 0.9 Sup(W1, W2, W3) = = 0.17 Itemset 에속한단어증가시 support 값줄어드는특성확인

24 Contents 다단계연관규칙 24

25 개념계층 (Concept Hierarchy) 개념계층 : 특정한영역에서정의된여러개체들또는개념들의다중계층조직임. Concept hierarchy 는 specific 한데이터가상위레벨에서추상화되므로분류에서의미가있을수있음 주로, is-a 관계를구성하는 taxonomy 형식을가짐 Milk 는 food 의한종류. DVD 는 electronics 의한종류등 개념계층은 directed acyclic graph 로표현됨 Page 25

26 개념계층 (Concept Hierarchy) 개념계층을연관분석에사용하는경우의주된특성 ( 장단점 ) 계층의더낮은레벨에있는항목들은어떤 frequent itemset 을나타내기위해충분한 support 를가지지않을수도있다. 개념계층을사용하지않으면이들의유용한패턴을놓칠수있음 그런데, 개념계층의상위레벨규칙은유용하지않을수도있음. 예를들어, (electronics food) 는고객의실구매성향에대한정보를주지않음 Page 26

27 다단계연관규칙마이닝 (1/4) 개념계층을연관분석에사용하는경우의주된특성 ( 장단점 ) 더높은레벨에있는항목들은더낮은레벨에있는항목보다더높은지지도를가지는경향있음 이에, 만약지지도임계값을너무높게두면단지높은레벨항목들을수반하는패턴만추출됨 개념계층의도입은더많은항목과더넓은트랜잭션을다루는일이되므로연관분석알고리즘의계산시간을늘임 개념계층의도입에의해중복된규칙들이산출될수있음 Page 27

28 다단계연관규칙마이닝 (2/4) 기본성질 : 개념계층에의해지지도 / 신뢰도는어떻게변하나? If then (X1 Y1) minsup, and X is parent of X1, Y is parent of Y1 (X Y1) minsup, (X1 Y) minsup, (X Y) minsup If then conf(x1 Y1) minconf conf(x1 Y) minconf ( X1 Y1) conf ( X1 Y1) ( X1) ( X1 Y) conf ( X1 Y) ( X1) Page 28

29 다단계연관규칙마이닝 (3/4) 접근법 1 상위계층의항목들을각트랜잭션에추가하고, 기존알고리즘을사용하여연관룰을만든다 예제 Original Transaction: {skim milk, wheat bread} Augmented Transaction: {skim milk, wheat bread, milk, bread, food} 이슈 상위계층항목은다른항목들에비해서높은지지도카운트를가짐 만일, 주어진지지도 threshopld( 즉, min supp) 가낮다면너무많은규칙들이생성될 것이다. 즉, 트랜잭션의차원이높아지는문제가있음 Page 29

30 다단계연관규칙마이닝 (4/4) 접근법 2 먼저최상위계층에서빈발항목집합을생성한후, 다음으로그아래계층에서빈발항목집합을생성 위과정을 만족할만한정도의의미있는규칙 을찾을때까지반복한다. 이슈 많은 I/O가필요하여마이닝시간이무척많이걸리게된다. 교차-단계의연관규칙을찾지못할수있다. ( 예를들어, 가정부는상위계층, 결론부는하위계층인연관규칙을찾지못할수있다.) Page 30

31 Contents 순차패턴 31

32 시퀀스데이터 (Sequence Data) Row 에주어진시간에특정객체와연관된사건발생을기록함 Page 32

33 시퀀스데이터예제 Page 33

34 시퀀스의정의 시퀀스란원소 ( 혹은트랜잭션 ) 들의순서리스트이다. (A sequence is an ordered list of elements (transactions)) 각원소는사건 ( 혹은항목 ) 들의모임을포함한다 각원소는특정시간혹은장소를속성으로가질수있다. 시퀀스의길이 s 는시퀀스에포함된원소의개수이다. ( s = the number of elements of the sequence s) k-시퀀스 (k-sequence) 란 k개사건 ( 항목 ) 을포함하는시퀀스이다. (A k-sequence is a sequence that contains k events (items)) Page 34

35 시퀀스의예제 웹시퀀스 (Web Sequence) < {Homepage} {Electronics} {Digital Cameras} {Canon Digital Camera} {Shopping Cart} {Order Confirmation} {Return to Shopping} > 도서관에서대여된책들의순서 <{Fellowship of the Ring} {The Two Towers} {Return of the King}> Page 35

36 서브시퀀스정의와순차패턴 시퀀스내에포함된시퀀스를서브시퀀스라부른다. Definition: A sequence <a1 a2 an> is contained in another sequence <b1 b2 bm> (m n) if there exist integers i1 < i2 < < in such that a1 bi1, a2 bi1,, an bin 서브시퀀스 w의지지도는 w를포함하는시퀀스의비율을나타냄 (The support of a subsequence w is defined as the fraction of data sequences that contain w) 순차패턴 (sequential pattern) 는빈발서브시퀀스 ( 지지도가 minsup 이상인서브시퀀스 ) 를의미함 (A sequential pattern is a frequent subsequence (i.e., a subsequence whose support is minsup) Page 36

37 순차패턴마이닝정의 다음이주어졌을때 시퀀스들로구성된데이터베이스 사용자가제시한최소지지도 minsup 다음작업을수행하라. 지지도가 minsup 이상인모든서브시퀀스를찾아라. Page 37

38 순차패턴마이닝예제 Page 38

39 순차패턴마이닝방법 Apriori 원리를활용 Page 39

40 시간제약요건 ms: Maximum span The maximum allowed time difference between the earliest event and the latest event in the entire sequence. ng: Min-gap The minimum allowed time difference between two consecutive elements in a sequence xg: Maxgap The maximum allowed time difference between two consecutive elements in a sequence ws: Window Size The maximum allowed time difference of the latest and earliest occurrences of events in any element of a sequential pattern. If, ws=0 all events in the same element of a pattern must occur simultaneously Page 40

chap6_basic_association_analysis PART1 ver2

chap6_basic_association_analysis PART1 ver2 Data Mining Association Analysis: Basic Concepts and Algorithms Lecture Notes for Chapter 6 Contents Association Rule Mining 2 Association Rule Mining Given a set of transactions, find rules that will

More information

Microsoft PowerPoint - 27.pptx

Microsoft PowerPoint - 27.pptx 이산수학 () n-항관계 (n-ary Relations) 2011년봄학기 강원대학교컴퓨터과학전공문양세 n-ary Relations (n-항관계 ) An n-ary relation R on sets A 1,,A n, written R:A 1,,A n, is a subset R A 1 A n. (A 1,,A n 에대한 n- 항관계 R 은 A 1 A n 의부분집합이다.)

More information

R t-..

R t-.. R 과데이터분석 집단의차이비교 t- 검정 양창모 청주교육대학교컴퓨터교육과 2015 년겨울 t- 검정 변수의값이연속적이고정규분포를따른다고할때사용 t.test() 는모평균과모평균의 95% 신뢰구간을추청함과동시에가설검증을수행한다. 모평균의구간추정 - 일표본 t- 검정 이가설검정의귀무가설은 모평균이 0 이다 라는귀무가설이다. > x t.test(x)

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 2017 년가을학기 손시운 (ssw5176@kangwon.ac.kr) 지도교수 : 문양세교수님 Basic of Association Rules Association Rule 다른데이터로부터어떤데이터의발생을예측하는규칙 데이터간의연관성및상관관계를표현하는규칙 A B (A와 B는각각데이터의부분집합 ) A 를 lhs (left-hand side), B 를 rhs (right-hand

More information

PowerPoint Presentation

PowerPoint Presentation 데이터전처리 Data Preprocessing 09 연관분석 (Association Analysis) 목차 1. 연관규칙 2. 빈발항목집합생성 3. 연관규칙생성 4. 빈발항목집합표현 5. 연관패턴평가 데이터전처리 (Data Preprocessing) - 09 연관분석 (Association Analysis) 3 1. 연관규칙 연관규칙마이닝 트랜잭션집합이주어지면,

More information

chap6_basic_association_analysis PART2 ver2

chap6_basic_association_analysis PART2 ver2 Data Mining Association Analysis: Basic Concepts and Algorithms Lecture Notes for Chapter 6 1 Contents Rule Generation 2 Rule Generation from frequent itemset Given a frequent itemset L, find all non-empty

More information

Microsoft PowerPoint - 26.pptx

Microsoft PowerPoint - 26.pptx 이산수학 () 관계와그특성 (Relations and Its Properties) 2011년봄학기 강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계

More information

Microsoft PowerPoint Relations.pptx

Microsoft PowerPoint Relations.pptx 이산수학 () 관계와그특성 (Relations and Its Properties) 2010년봄학기강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계

More information

0125_ 워크샵 발표자료_완성.key

0125_ 워크샵 발표자료_완성.key WordPress is a free and open-source content management system (CMS) based on PHP and MySQL. WordPress is installed on a web server, which either is part of an Internet hosting service or is a network host

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Web Browser Web Server ( ) MS Explorer 5.0 WEB Server MS-SQL HTML Image Multimedia IIS Application Web Server ASP ASP platform Admin Web Based ASP Platform Manager Any Platform ASP : Application Service

More information

서론 34 2

서론 34 2 34 2 Journal of the Korean Society of Health Information and Health Statistics Volume 34, Number 2, 2009, pp. 165 176 165 진은희 A Study on Health related Action Rates of Dietary Guidelines and Pattern of

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA e- 비즈니스연구 (The e-business Studies) Volume 17, Number 1, February, 28, 2016:pp. 293~316 ISSN 1229-9936 (Print), ISSN 2466-1716 (Online) 원고접수일심사 ( 수정 ) 게재확정일 2015. 12. 04 2015. 12. 24 2016. 02. 25 ABSTRACT

More information

한국성인에서초기황반변성질환과 연관된위험요인연구

한국성인에서초기황반변성질환과 연관된위험요인연구 한국성인에서초기황반변성질환과 연관된위험요인연구 한국성인에서초기황반변성질환과 연관된위험요인연구 - - i - - i - - ii - - iii - - iv - χ - v - - vi - - 1 - - 2 - - 3 - - 4 - 그림 1. 연구대상자선정도표 - 5 - - 6 - - 7 - - 8 - 그림 2. 연구의틀 χ - 9 - - 10 - - 11 -

More information

#Ȳ¿ë¼®

#Ȳ¿ë¼® http://www.kbc.go.kr/ A B yk u δ = 2u k 1 = yk u = 0. 659 2nu k = 1 k k 1 n yk k Abstract Web Repertoire and Concentration Rate : Analysing Web Traffic Data Yong - Suk Hwang (Research

More information

step 1-1

step 1-1 Written by Dr. In Ku Kim-Marshall STEP BY STEP Korean 1 through 15 Action Verbs Table of Contents Unit 1 The Korean Alphabet, hangeul Unit 2 Korean Sentences with 15 Action Verbs Introduction Review Exercises

More information

(Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern (Micro- Environment) Re

(Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern (Micro- Environment) Re EMF Health Effect 2003 10 20 21-29 2-10 - - ( ) area spot measurement - - 1 (Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA The e-business Studies Volume 17, Number 4, August, 30, 2016:319~332 Received: 2016/07/28, Accepted: 2016/08/28 Revised: 2016/08/27, Published: 2016/08/30 [ABSTRACT] This paper examined what determina

More information

<3130C0E5>

<3130C0E5> Redundancy Adding extra bits for detecting or correcting errors at the destination Types of Errors Single-Bit Error Only one bit of a given data unit is changed Burst Error Two or more bits in the data

More information

Buy one get one with discount promotional strategy

Buy one get one with discount promotional strategy Buy one get one with discount Promotional Strategy Kyong-Kuk Kim, Chi-Ghun Lee and Sunggyun Park ISysE Department, FEG 002079 Contents Introduction Literature Review Model Solution Further research 2 ISysE

More information

300 구보학보 12집. 1),,.,,, TV,,.,,,,,,..,...,....,... (recall). 2) 1) 양웅, 김충현, 김태원, 광고표현 수사법에 따른 이해와 선호 효과: 브랜드 인지도와 의미고정의 영향을 중심으로, 광고학연구 18권 2호, 2007 여름

300 구보학보 12집. 1),,.,,, TV,,.,,,,,,..,...,....,... (recall). 2) 1) 양웅, 김충현, 김태원, 광고표현 수사법에 따른 이해와 선호 효과: 브랜드 인지도와 의미고정의 영향을 중심으로, 광고학연구 18권 2호, 2007 여름 동화 텍스트를 활용한 패러디 광고 스토리텔링 연구 55) 주 지 영* 차례 1. 서론 2. 인물의 성격 변화에 의한 의미화 전략 3. 시공간 변화에 의한 의미화 전략 4. 서사의 변개에 의한 의미화 전략 5. 창조적인 스토리텔링을 위하여 6. 결론 1. 서론...., * 서울여자대학교 초빙강의교수 300 구보학보 12집. 1),,.,,, TV,,.,,,,,,..,...,....,...

More information

G Power

G Power G Power 부산대학교통계학과조영석 1. G Power 란? 2. G Power 설치및실행 2.1 G Power 설치 2.2 G Power 실행 3. 검정 (Test) 3.1 가설검정 (Test of hypothesis) 3.2 검정력 (Power) 3.3 효과크기 (Effect size) 3.4 표본수산정 4. 분석 4.1 t- 검정 (t-test) 4.2

More information

Microsoft PowerPoint Predicates and Quantifiers.ppt

Microsoft PowerPoint Predicates and Quantifiers.ppt 이산수학 () 1.3 술어와한정기호 (Predicates and Quantifiers) 2006 년봄학기 문양세강원대학교컴퓨터과학과 술어 (Predicate), 명제함수 (Propositional Function) x is greater than 3. 변수 (variable) = x 술어 (predicate) = P 명제함수 (propositional function)

More information

adfasdfasfdasfasfadf

adfasdfasfdasfasfadf C 4.5 Source code Pt.3 ISL / 강한솔 2019-04-10 Index Tree structure Build.h Tree.h St-thresh.h 2 Tree structure *Concpets : Node, Branch, Leaf, Subtree, Attribute, Attribute Value, Class Play, Don't Play.

More information

` Companies need to play various roles as the network of supply chain gradually expands. Companies are required to form a supply chain with outsourcing or partnerships since a company can not

More information

Microsoft PowerPoint - 7-Work and Energy.ppt

Microsoft PowerPoint - 7-Work and Energy.ppt Chapter 7. Work and Energy 일과운동에너지 One of the most important concepts in physics Alternative approach to mechanics Many applications beyond mechanics Thermodynamics (movement of heat) Quantum mechanics...

More information

본문01

본문01 Ⅱ 논술 지도의 방법과 실제 2. 읽기에서 논술까지 의 개발 배경 읽기에서 논술까지 자료집 개발의 본래 목적은 초 중 고교 학교 평가에서 서술형 평가 비중이 2005 학년도 30%, 2006학년도 40%, 2007학년도 50%로 확대 되고, 2008학년도부터 대학 입시에서 논술 비중이 커지면서 논술 교육은 학교가 책임진다. 는 풍토 조성으로 공교육의 신뢰성과

More information

Intra_DW_Ch4.PDF

Intra_DW_Ch4.PDF The Intranet Data Warehouse Richard Tanler Ch4 : Online Analytic Processing: From Data To Information 2000. 4. 14 All rights reserved OLAP OLAP OLAP OLAP OLAP OLAP is a label, rather than a technology

More information

WHO 의새로운국제장애분류 (ICF) 에대한이해와기능적장애개념의필요성 ( 황수경 ) ꌙ 127 노동정책연구 제 4 권제 2 호 pp.127~148 c 한국노동연구원 WHO 의새로운국제장애분류 (ICF) 에대한이해와기능적장애개념의필요성황수경 *, (disabi

WHO 의새로운국제장애분류 (ICF) 에대한이해와기능적장애개념의필요성 ( 황수경 ) ꌙ 127 노동정책연구 제 4 권제 2 호 pp.127~148 c 한국노동연구원 WHO 의새로운국제장애분류 (ICF) 에대한이해와기능적장애개념의필요성황수경 *, (disabi WHO 의새로운국제장애분류 (ICF) 에대한이해와기능적장애개념의필요성 ( 황수경 ) ꌙ 127 노동정책연구 2004. 제 4 권제 2 호 pp.127~148 c 한국노동연구원 WHO 의새로운국제장애분류 (ICF) 에대한이해와기능적장애개념의필요성황수경 *, (disability)..,,. (WHO) 2001 ICF. ICF,.,.,,. (disability)

More information

예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = B = >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = >> tf = (A==B) % A

예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = B = >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = >> tf = (A==B) % A 예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = 1 2 3 4 5 6 7 8 9 B = 8 7 6 5 4 3 2 1 0 >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = 0 0 0 0 1 1 1 1 1 >> tf = (A==B) % A 의원소와 B 의원소가똑같은경우를찾을때 tf = 0 0 0 0 0 0 0 0 0 >> tf

More information

우리들이 일반적으로 기호

우리들이 일반적으로 기호 일본지방자치체( 都 道 府 縣 )의 웹사이트상에서 심벌마크와 캐릭터의 활용에 관한 연구 A Study on the Application of Japanese Local Self-Government's Symbol Mark and Character on Web. 나가오카조형대학( 長 岡 造 形 大 學 ) 대학원 조형연구과 김 봉 수 (Kim Bong Su) 193

More information

Y 1 Y β α β Independence p qp pq q if X and Y are independent then E(XY)=E(X)*E(Y) so Cov(X,Y) = 0 Covariance can be a measure of departure from independence q Conditional Probability if A and B are

More information

methods.hwp

methods.hwp 1. 교과목 개요 심리학 연구에 기저하는 기본 원리들을 이해하고, 다양한 심리학 연구설계(실험 및 비실험 설계)를 학습하여, 독립된 연구자로서의 기본적인 연구 설계 및 통계 분석능력을 함양한다. 2. 강의 목표 심리학 연구자로서 갖추어야 할 기본적인 지식들을 익힘을 목적으로 한다. 3. 강의 방법 강의, 토론, 조별 발표 4. 평가방법 중간고사 35%, 기말고사

More information

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월 지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., 2004 5 2009 12 KOSPI200.,. * 2009. 지능정보연구제 16 권제 1 호 2010 년 3 월 김선웅 안현철 社 1), 28 1, 2009, 4. 1. 지능정보연구제 16 권제 1 호 2010 년 3 월 Support

More information

김기남_ATDC2016_160620_[키노트].key

김기남_ATDC2016_160620_[키노트].key metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA The e-business Studies Volume 17, Number 6, December, 30, 2016:275~289 Received: 2016/12/02, Accepted: 2016/12/22 Revised: 2016/12/20, Published: 2016/12/30 [ABSTRACT] SNS is used in various fields. Although

More information

6자료집최종(6.8))

6자료집최종(6.8)) Chapter 1 05 Chapter 2 51 Chapter 3 99 Chapter 4 151 Chapter 1 Chapter 6 7 Chapter 8 9 Chapter 10 11 Chapter 12 13 Chapter 14 15 Chapter 16 17 Chapter 18 Chapter 19 Chapter 20 21 Chapter 22 23 Chapter

More information

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선 Point Operation Histogram Modification 김성영교수 금오공과대학교 컴퓨터공학과 학습내용 HISTOGRAM HISTOGRAM MODIFICATION DETERMINING THRESHOLD IN THRESHOLDING 2 HISTOGRAM A simple datum that gives the number of pixels that a

More information

Chap 6: Graphs

Chap 6: Graphs AOV Network 의표현 임의의 vertex 가 predecessor 를갖는지조사 각 vertex 에대해 immediate predecessor 의수를나타내는 count field 저장 Vertex 와그에부속된모든 edge 들을삭제 AOV network 을인접리스트로표현 count link struct node { int vertex; struct node

More information

Chap 6: Graphs

Chap 6: Graphs 5. 작업네트워크 (Activity Networks) 작업 (Activity) 부분프로젝트 (divide and conquer) 각각의작업들이완료되어야전체프로젝트가성공적으로완료 두가지종류의네트워크 Activity on Vertex (AOV) Networks Activity on Edge (AOE) Networks 6 장. 그래프 (Page 1) 5.1 AOV

More information

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

More information

- iii - - i - - ii - - iii - 국문요약 종합병원남자간호사가지각하는조직공정성 사회정체성과 조직시민행동과의관계 - iv - - v - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - α α α α - 15 - α α α α α α

More information

사용시 기본적인 주의사항 경고 : 전기 기구를 사용할 때는 다음의 기본적인 주의 사항을 반드시 유의하여야 합니다..제품을 사용하기 전에 반드시 사용법을 정독하십시오. 2.물과 가까운 곳, 욕실이나 부엌 그리고 수영장 같은 곳에서 제품을 사용하지 마십시오. 3.이 제품은

사용시 기본적인 주의사항 경고 : 전기 기구를 사용할 때는 다음의 기본적인 주의 사항을 반드시 유의하여야 합니다..제품을 사용하기 전에 반드시 사용법을 정독하십시오. 2.물과 가까운 곳, 욕실이나 부엌 그리고 수영장 같은 곳에서 제품을 사용하지 마십시오. 3.이 제품은 OPERATING INSTRUCTIONS OPERATING INSTRUCTIONS 사용자설명서 TourBus 0 & TourBus 5 사용시 기본적인 주의사항 경고 : 전기 기구를 사용할 때는 다음의 기본적인 주의 사항을 반드시 유의하여야 합니다..제품을 사용하기 전에 반드시 사용법을 정독하십시오. 2.물과 가까운 곳, 욕실이나 부엌 그리고 수영장 같은 곳에서

More information

Microsoft PowerPoint - ch03ysk2012.ppt [호환 모드]

Microsoft PowerPoint - ch03ysk2012.ppt [호환 모드] 전자회로 Ch3 iode Models and Circuits 김영석 충북대학교전자정보대학 2012.3.1 Email: kimys@cbu.ac.kr k Ch3-1 Ch3 iode Models and Circuits 3.1 Ideal iode 3.2 PN Junction as a iode 3.4 Large Signal and Small-Signal Operation

More information

λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z)

λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z) λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z) Simple Type System - - 1+malloc(), {x:=1,y:=2}+2,... (stuck) { } { } ADD σ,m e 1 n 1,M σ,m e 1 σ,m e 2 n 2,M + e 2 n

More information

chap 5: Trees

chap 5: Trees 5. Threaded Binary Tree 기본개념 n 개의노드를갖는이진트리에는 2n 개의링크가존재 2n 개의링크중에 n + 1 개의링크값은 null Null 링크를다른노드에대한포인터로대체 Threads Thread 의이용 ptr left_child = NULL 일경우, ptr left_child 를 ptr 의 inorder predecessor 를가리키도록변경

More information

KCC2011 우수발표논문 휴먼오피니언자동분류시스템구현을위한비결정오피니언형용사구문에대한연구 1) Study on Domain-dependent Keywords Co-occurring with the Adjectives of Non-deterministic Opinion

KCC2011 우수발표논문 휴먼오피니언자동분류시스템구현을위한비결정오피니언형용사구문에대한연구 1) Study on Domain-dependent Keywords Co-occurring with the Adjectives of Non-deterministic Opinion KCC2011 우수발표논문 휴먼오피니언자동분류시스템구현을위한비결정오피니언형용사구문에대한연구 1) Study on Domain-dependent Keywords Co-occurring with the Adjectives of Non-deterministic Opinion 요약 본연구에서는, 웹문서로부터특정상품에대한의견문장을분석하는오피니언마이닝 (Opinion

More information

C# Programming Guide - Types

C# Programming Guide - Types C# Programming Guide - Types 최도경 lifeisforu@wemade.com 이문서는 MSDN 의 Types 를요약하고보충한것입니다. http://msdn.microsoft.com/enus/library/ms173104(v=vs.100).aspx Types, Variables, and Values C# 은 type 에민감한언어이다. 모든

More information

<31372DB9DABAB4C8A32E687770>

<31372DB9DABAB4C8A32E687770> 김경환 박병호 충북대학교 도시공학과 (2010. 5. 27. 접수 / 2011. 11. 23. 채택) Developing the Traffic Severity by Type Kyung-Hwan Kim Byung Ho Park Department of Urban Engineering, Chungbuk National University (Received May

More information

DocsPin_Korean.pages

DocsPin_Korean.pages Unity Localize Script Service, Page 1 Unity Localize Script Service Introduction Application Game. Unity. Google Drive Unity.. Application Game. -? ( ) -? -?.. 준비사항 Google Drive. Google Drive.,.. - Google

More information

public key private key Encryption Algorithm Decryption Algorithm 1

public key private key Encryption Algorithm Decryption Algorithm 1 public key private key Encryption Algorithm Decryption Algorithm 1 One-Way Function ( ) A function which is easy to compute in one direction, but difficult to invert - given x, y = f(x) is easy - given

More information

http://www.kbc.go.kr/pds/2.html Abstract Exploring the Relationship Between the Traditional Media Use and the Internet Use Mee-Eun Kang This study examines the relationship between

More information

기관고유연구사업결과보고

기관고유연구사업결과보고 기관고유연구사업결과보고 작성요령 2001 ~ 2004 2005 ~ 2007 2008 ~ 2010 2001 ~ 2004 2005 ~ 2007 2008 ~ 2010 1 2/3 2 1 0 2 3 52 0 31 83 12 6 3 21 593 404 304 1,301 4 3 1 8 159 191 116 466 6 11 (`1: (1: 16 33 44 106

More information

OR MS와 응용-03장

OR MS와 응용-03장 o R M s graphical solution algebraic method ellipsoid algorithm Karmarkar 97 George B Dantzig 979 Khachian Karmarkar 98 Karmarkar interior-point algorithm o R 08 gallon 000 000 00 60 g 0g X : : X : : Ms

More information

- 2 -

- 2 - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20 - - 21 - - 22 - - 23 - - 24 - - 25 - - 26 - - 27 - - 28 - - 29 - - 30 -

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA The e-business Studies Volume 17, Number 6, December, 30, 2016:3~20 Received: 2016/12/04, Accepted: 2016/12/27 Revised: 2016/12/27, Published: 2016/12/30 [ABSTRACT] This study aims to comprehensively analyze

More information

10송동수.hwp

10송동수.hwp 종량제봉투의 불법유통 방지를 위한 폐기물관리법과 조례의 개선방안* 1) 송 동 수** 차 례 Ⅰ. 머리말 Ⅱ. 종량제봉투의 개요 Ⅲ. 종량제봉투의 불법유통사례 및 방지대책 Ⅳ. 폐기물관리법의 개선방안 Ⅴ. 지방자치단체 조례의 개선방안 Ⅵ. 결론 국문초록 1995년부터 쓰레기 종량제가 시행되면서 각 지방자치단체별로 쓰레기 종량제 봉투가 제작, 판매되기 시작하였는데,

More information

<B9AEC8ADC4DCC5D9C3F7BFACB1B82D35C8A32833B1B3292E687770>

<B9AEC8ADC4DCC5D9C3F7BFACB1B82D35C8A32833B1B3292E687770> 독서문화 생태계 조성의 주요 거점으로서, 지역 서점 활성화 방안 연구 - 국내 국외 성공 사례에 기초하여 오선경 * 국문초록 매체 환경이 디지털로 전환해가면서 종이책 독서인구도 감소하고 있다. 더불 어 오픈 마켓이나 대형 서점, 온라인 서점 등의 공격적 마케팅은 보다 편리하고, 보다 빨리, 보다 싸게 라는 책 소비 패턴에 변화를 가져왔다. 이는 곧 규모나 자본

More information

Journal of Educational Innovation Research 2018, Vol. 28, No. 4, pp DOI: * A Research Trend

Journal of Educational Innovation Research 2018, Vol. 28, No. 4, pp DOI:   * A Research Trend Journal of Educational Innovation Research 2018, Vol. 28, No. 4, pp.295-318 DOI: http://dx.doi.org/10.21024/pnuedi.28.4.201812.295 * A Research Trend on the Studies related to Parents of Adults with Disabilities

More information

-................_

-................_ Tel_3660 2724 http://www.kado.or.kr e-mail : yheein@kado.or.kr CONTENTS DIGITAL OPPORTUNITY TRENDS CONTENTS DIGITAL OPPORTUNITY TRENDS DIGITAL OPPORTUNITY TRENDS www.kado.or.kr 001 002 DIGITAL OPPORTUNITY

More information

44-4대지.07이영희532~

44-4대지.07이영희532~ A Spatial Location Analysis of the First Shops of Foodservice Franchise in Seoul Metropolitan City Younghee Lee* 1 1 (R) 0 16 1 15 64 1 Abstract The foodservice franchise is preferred by the founders who

More information

<B0E6C8F1B4EBB3BBB0FA20C0D3BBF3B0ADC1C E687770>

<B0E6C8F1B4EBB3BBB0FA20C0D3BBF3B0ADC1C E687770> 심전도연수강좌 : 처음시작하는사람들을위한심전도 연세대학교원주의과대학순환기내과학교실 안민수 Cardiac Electrophysiology I : Automaticity : 60-100 회 /min, His bundle : 40-60 회 /min Bundle branch : 20-40 회 /min Purkinje fiber : 20 회 /min Cardiac Electrophysiology

More information

산은매거진13

산은매거진13 www.kdb.co.kr 2010. 01_January Vol. 01 2009. 12. 21 16-3 02)787-4000 02)701-6373 04 08 10 12 18 22 24 26 2 Pension Guardian Pension Guardian 3 Expert Column 4 Pension Guardian ( ) ( ) ( ) 1-4 2,646,122

More information

<C3D6C1BEBFCFBCBA2DBDC4C7B0C0AFC5EBC7D0C8B8C1F62833322D31C8A3292E687770>

<C3D6C1BEBFCFBCBA2DBDC4C7B0C0AFC5EBC7D0C8B8C1F62833322D31C8A3292E687770> 소비자 식생활 라이프스타일이 구매에 미치는 영향 분석 김지윤 안병일 소비자 식생활 라이프스타일이 구매에 미치는 영향 분석* Effect of Consumers' Dietary Lifestyle on the Consumption Pattern of Processed Foods 김지윤** 안병일*** 6) Kim, Ji-Yoon Ahn, Byeong-Il 목 차

More information

04-다시_고속철도61~80p

04-다시_고속철도61~80p Approach for Value Improvement to Increase High-speed Railway Speed An effective way to develop a highly competitive system is to create a new market place that can create new values. Creating tools and

More information

슬라이드 제목 없음

슬라이드 제목 없음 물리화학 1 문제풀이 130403 김대형교수님 Chapter 1 Exercise (#1) A sample of 255 mg of neon occupies 3.00 dm 3 at 122K. Use the perfect gas law to calculate the pressure of the gas. Solution 1) The perfect gas law p

More information

2002년 2학기 자료구조

2002년 2학기 자료구조 자료구조 (Data Structures) Chapter 1 Basic Concepts Overview : Data (1) Data vs Information (2) Data Linear list( 선형리스트 ) - Sequential list : - Linked list : Nonlinear list( 비선형리스트 ) - Tree : - Graph : (3)

More information

<303720C7CFC1A4BCF86F6B2E687770>

<303720C7CFC1A4BCF86F6B2E687770> 1) < 論 文 > 라이프스타일 세분화를 통한 실버타운 수요자 분석 133 주택연구 제15권 4호 2007. 12/15(4) : 133~160 Housing Studies Review Vol. 15, No. 4 : 133~160 접수일 : 2007. 7. 9, 심사일 : 2007. 7. 16, 심사완료일 : 2007. 8. 29 라이프스타일 세분화를 통한 실버타운

More information

에너지경제연구 Korean Energy Economic Review Volume 9, Number 2, September 2010 : pp. 1~18 가격비대칭성검정모형민감도분석 1

에너지경제연구 Korean Energy Economic Review Volume 9, Number 2, September 2010 : pp. 1~18 가격비대칭성검정모형민감도분석 1 에너지경제연구 Korean Energy Economic Review Volume 9, Number 2, September 2010 : pp. 1~18 가격비대칭성검정모형민감도분석 1 2 3 < 표 1> ECM 을이용한선행연구 4 5 6 7 and 8 < 표 2> 오차수정모형 (ECM1~ECM4) 9 10 < 표 3> 민감도분석에쓰인더미변수 11 12 < 표

More information

PowerPoint Presentation

PowerPoint Presentation Class - Property Jo, Heeseung 목차 section 1 클래스의일반구조 section 2 클래스선언 section 3 객체의생성 section 4 멤버변수 4-1 객체변수 4-2 클래스변수 4-3 종단 (final) 변수 4-4 멤버변수접근방법 section 5 멤버변수접근한정자 5-1 public 5-2 private 5-3 한정자없음

More information

untitled

untitled Logic and Computer Design Fundamentals Chapter 4 Combinational Functions and Circuits Functions of a single variable Can be used on inputs to functional blocks to implement other than block s intended

More information

03.Agile.key

03.Agile.key CSE4006 Software Engineering Agile Development Scott Uk-Jin Lee Division of Computer Science, College of Computing Hanyang University ERICA Campus 1 st Semester 2018 Background of Agile SW Development

More information

Vol.258 C O N T E N T S M O N T H L Y P U B L I C F I N A N C E F O R U M

Vol.258 C O N T E N T S M O N T H L Y P U B L I C F I N A N C E F O R U M 2017.12 Vol.258 C O N T E N T S 02 06 35 57 89 94 100 103 105 M O N T H L Y P U B L I C F I N A N C E F O R U M 2 2017.12 3 4 2017.12 * 6 2017.12 7 1,989,020 2,110,953 2,087,458 2,210,542 2,370,003 10,767,976

More information

Á¶´öÈñ_0304_final.hwp

Á¶´öÈñ_0304_final.hwp 제조 중소기업의 고용창출 성과 및 과제 조덕희 양현봉 우리 경제에서 일자리 창출은 가장 중요한 정책과제입니다. 근래 들어 우리 사회에서 점차 심각성을 더해 가고 있는 청년 실업 문제에 대처하고, 사회적 소득 양극화 문제에 대응하기 위해서도 일자리 창 출은 무엇보다도 중요한 정책과제일 것입니다. 고용창출에서는 중소기업의 역할이 대기업보다 크다는 것이 일반적

More information

example code are examined in this stage The low pressure pressurizer reactor trip module of the Plant Protection System was programmed as subject for

example code are examined in this stage The low pressure pressurizer reactor trip module of the Plant Protection System was programmed as subject for 2003 Development of the Software Generation Method using Model Driven Software Engineering Tool,,,,, Hoon-Seon Chang, Jae-Cheon Jung, Jae-Hack Kim Hee-Hwan Han, Do-Yeon Kim, Young-Woo Chang Wang Sik, Moon

More information

Orcad Capture 9.x

Orcad Capture 9.x OrCAD Capture Workbook (Ver 10.xx) 0 Capture 1 2 3 Capture for window 4.opj ( OrCAD Project file) Design file Programe link file..dsn (OrCAD Design file) Design file..olb (OrCAD Library file) file..upd

More information

05-08 087ÀÌÁÖÈñ.hwp

05-08 087ÀÌÁÖÈñ.hwp 산별교섭에 대한 평가 및 만족도의 영향요인 분석(이주희) ꌙ 87 노 동 정 책 연 구 2005. 제5권 제2호 pp. 87118 c 한 국 노 동 연 구 원 산별교섭에 대한 평가 및 만족도의 영향요인 분석: 보건의료노조의 사례 이주희 * 2004,,,.. 1990. : 2005 4 7, :4 7, :6 10 * (jlee@ewha.ac.kr) 88 ꌙ 노동정책연구

More information

<3136365FB4EBB1B8BDC320BAB8B0C7BAB9C1F6C5EBB0E8BFACBAB820B9DFB0A320BFACB1B85FBEF6B1E2BAB92E687770>

<3136365FB4EBB1B8BDC320BAB8B0C7BAB9C1F6C5EBB0E8BFACBAB820B9DFB0A320BFACB1B85FBEF6B1E2BAB92E687770> 연구보고서 2007 DAEGU-GYEONGBUK DEVELOPMENT INSTITUTE 대구시 보건복지통계연보 발간 연구 엄 기 복 대구경북연구원 차 례 차 례 요 약 ⅰ~ⅴ 제1장 서 론 3 1.연구의 목적 및 범위 3 가. 연구배경 3 나. 연구의 목적 4 2. 연구방법 및 내용 4 가. 연구방법 4 나. 연구내용 5 제2장 보건복지통계관리현황 9 1.

More information

PJTROHMPCJPS.hwp

PJTROHMPCJPS.hwp 제 출 문 농림수산식품부장관 귀하 본 보고서를 트위스트 휠 방식 폐비닐 수거기 개발 과제의 최종보고서로 제출 합니다. 2008년 4월 24일 주관연구기관명: 경 북 대 학 교 총괄연구책임자: 김 태 욱 연 구 원: 조 창 래 연 구 원: 배 석 경 연 구 원: 김 승 현 연 구 원: 신 동 호 연 구 원: 유 기 형 위탁연구기관명: 삼 생 공 업 위탁연구책임자:

More information

012임수진

012임수진 Received : 2012. 11. 27 Reviewed : 2012. 12. 10 Accepted : 2012. 12. 12 A Clinical Study on Effect of Electro-acupuncture Treatment for Low Back Pain and Radicular Pain in Patients Diagnosed with Lumbar

More information

강의 개요

강의 개요 DDL TABLE 을만들자 웹데이터베이스 TABLE 자료가저장되는공간 문자자료의경우 DB 생성시지정한 Character Set 대로저장 Table 생성시 Table 의구조를결정짓는열속성지정 열 (Clumn, Attribute) 은이름과자료형을갖는다. 자료형 : http://dev.mysql.cm/dc/refman/5.1/en/data-types.html TABLE

More information

08원재호( )

08원재호( ) 30 2 20124 pp. 173~180 Non-Metric Digital Camera Lens Calibration Using Ground Control Points 1) 2) 3) Abstract The most recent, 80 mega pixels digital camera appeared through the development of digital

More information

Study on the Improvement of Management System through Analysis of golf semi- market: Focus on Physical Education Facility Act Ji-Myung Jung 1, Ju-Ho Park 2 *, & Youngdae Lee 3 1 Korea Institute of Sport

More information

원고스타일 정의

원고스타일 정의 논문접수일 : 2015.01.05 심사일 : 2015.01.13 게재확정일 : 2015.01.26 유니컨셉 디자인을 활용한 보행환경 개선방안 연구 A Study on Improvement of Pedestrian Environment on to Uniconcept Design 주저자 : 김동호 디지털서울문화예술대학교 인테리어실용미술학과 교수 Kim dong-ho

More information

<B3EDB9AEC1FD5F3235C1FD2E687770>

<B3EDB9AEC1FD5F3235C1FD2E687770> 경상북도 자연태음악의 소박집합, 장단유형, 전단후장 경상북도 자연태음악의 소박집합, 장단유형, 전단후장 - 전통 동요 및 부녀요를 중심으로 - 이 보 형 1) * 한국의 자연태 음악 특성 가운데 보편적인 특성은 대충 밝혀졌지만 소박집합에 의한 장단주기 박자유형, 장단유형, 같은 층위 전후 구성성분의 시가( 時 價 )형태 등 은 밝혀지지 않았으므로

More information

chap 5: Trees

chap 5: Trees Chapter 5. TREES 목차 1. Introduction 2. 이진트리 (Binary Trees) 3. 이진트리의순회 (Binary Tree Traversals) 4. 이진트리의추가연산 5. 스레드이진트리 (Threaded Binary Trees) 6. 히프 (Heaps) 7. 이진탐색트리 (Binary Search Trees) 8. 선택트리 (Selection

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA The e-business Studies Volume 17, Number 6, December, 30, 2016:21~34 Received: 2016/12/04, Accepted: 2016/12/27 Revised: 2016/12/19, Published: 2016/12/30 [ABSTRACT] With the development of the Internet,

More information

cha4_ocw.hwp

cha4_ocw.hwp 제 4장 확률 우리는 일상생활에서 확률이라는 용어를 많이 접하게 된다. 확률(probability)는 한자어로 확실할 확( 確 ), 비율 률( 率 )로 해석된다. 로또당첨확률, 야구 한국시리즈에서 특정 팀이 우승 할 확률, 흡연자가 폐암에 걸릴 확률, 집값이 오를 확률 등 수없이 많은 확률들이 현대생활 에서 사용되어지고 있다. 대부분의 일간신문에는 기상예보

More information

Microsoft PowerPoint - AC3.pptx

Microsoft PowerPoint - AC3.pptx Chapter 3 Block Diagrams and Signal Flow Graphs Automatic Control Systems, 9th Edition Farid Golnaraghi, Simon Fraser University Benjamin C. Kuo, University of Illinois 1 Introduction In this chapter,

More information

2011´ëÇпø2µµ 24p_0628

2011´ëÇпø2µµ 24p_0628 2011 Guide for U.S. Graduate School Admissions Table of Contents 02 03 04 05 06 08 09 10 11 13 15 21 LEADERS UHAK INTERNATIONAL STUDENTS SERVICE www.leadersuhak.com Leaders Uhak International Students

More information

비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2

비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2 비트연산자 1 1 비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2 진수법! 2, 10, 16, 8! 2 : 0~1 ( )! 10 : 0~9 ( )! 16 : 0~9, 9 a, b,

More information

Page 2 of 6 Here are the rules for conjugating Whether (or not) and If when using a Descriptive Verb. The only difference here from Action Verbs is wh

Page 2 of 6 Here are the rules for conjugating Whether (or not) and If when using a Descriptive Verb. The only difference here from Action Verbs is wh Page 1 of 6 Learn Korean Ep. 13: Whether (or not) and If Let s go over how to say Whether and If. An example in English would be I don t know whether he ll be there, or I don t know if he ll be there.

More information

정보기술응용학회 발표

정보기술응용학회 발표 , hsh@bhknuackr, trademark21@koreacom 1370, +82-53-950-5440 - 476 - :,, VOC,, CBML - Abstract -,, VOC VOC VOC - 477 - - 478 - Cost- Center [2] VOC VOC, ( ) VOC - 479 - IT [7] Knowledge / Information Management

More information

11¹Ú´ö±Ô

11¹Ú´ö±Ô A Review on Promotion of Storytelling Local Cultures - 265 - 2-266 - 3-267 - 4-268 - 5-269 - 6 7-270 - 7-271 - 8-272 - 9-273 - 10-274 - 11-275 - 12-276 - 13-277 - 14-278 - 15-279 - 16 7-280 - 17-281 -

More information

09김정식.PDF

09김정식.PDF 00-09 2000. 12 ,,,,.,.,.,,,,,,.,,..... . 1 1 7 2 9 1. 9 2. 13 3. 14 3 16 1. 16 2. 21 3. 39 4 43 1. 43 2. 52 3. 56 4. 66 5. 74 5 78 1. 78 2. 80 3. 86 6 88 90 Ex e cu t iv e Su m m a r y 92 < 3-1> 22 < 3-2>

More information

Output file

Output file connect educational content with entertainment content and that production of various contents inducing educational motivation is important. Key words: edutainment, virtual world, fostering simulation

More information

Page 2 of 5 아니다 means to not be, and is therefore the opposite of 이다. While English simply turns words like to be or to exist negative by adding not,

Page 2 of 5 아니다 means to not be, and is therefore the opposite of 이다. While English simply turns words like to be or to exist negative by adding not, Page 1 of 5 Learn Korean Ep. 4: To be and To exist Of course to be and to exist are different verbs, but they re often confused by beginning students when learning Korean. In English we sometimes use the

More information

IKC43_06.hwp

IKC43_06.hwp 2), * 2004 BK21. ** 156,..,. 1) (1909) 57, (1915) 106, ( ) (1931) 213. 1983 2), 1996. 3). 4) 1),. (,,, 1983, 7 12 ). 2),. 3),, 33,, 1999, 185 224. 4), (,, 187 188 ). 157 5) ( ) 59 2 3., 1990. 6) 7),.,.

More information

서강대학교 기초과학연구소대학중점연구소 심포지엄기초과학연구소

서강대학교 기초과학연구소대학중점연구소 심포지엄기초과학연구소 2012 년도기초과학연구소 대학중점연구소심포지엄 마이크로파센서를이용한 혈당측정연구 일시 : 2012 년 3 월 20 일 ( 화 ) 14:00~17:30 장소 : 서강대학교과학관 1010 호 주최 : 서강대학교기초과학연구소 Contents Program of Symposium 2 Non-invasive in vitro sensing of D-glucose in

More information

국문-쿠폰북-업체소개

국문-쿠폰북-업체소개 4 35 129 Contents 2013 Busan Grand Sale p.35 p.37 p.35 p.39 p.37 4 2013 Busan Grand Sale 5 p.39 p.41 p.41 p.43 p.43 6 2013 Busan Grand Sale 7 p.45 p.47 p.45 p.47 p.49 8 2013 Busan Grand Sale 9 p.49 p.53

More information