프로젝트 소개
본 과제는 헬스케어, 환경오염, 도로교통, 공정최적화 등에서 수집되는 대규모 시계열(time-series) 빅데이터를 더 정확히 분석하고 미래예측·추이파악을 가능케 하는 연구임.
연구목표는 규모와 복잡성의 특성을 기회로 삼아, 상호영향(context) 반영, 표현형 변화 대응, 시간 변화에 대한 자동 적응을 수행하는 고성능 시계열 빅데이터 탐색 프레임워크 개발임. 핵심연구내용은 트리기반 시계열 패턴후보 인덱싱, 동적 그룹 기반 적응형(adaptive) locality sensitive hashing, 탐색공간 가지치기(pruning)를 통한 효율화임. 기대효과는 분야 지식 수준과 무관하게 예측패턴 발굴을 지원하고 위험 이벤트 고정밀 예측 및 공공서비스 혁신에 활용 가능함.