로고

박정희

박정희

소속

충남대학교 (컴퓨터융합학부)

AI요약

충남대학교 컴퓨터융합학부 박정희 교수의 기본 프로필 정보입니다. 본 페이지는 박정희 교수님의 소속 기관 및 직위를 명확히 안내하여, 교수님에 대한 기본적인 정보를 찾는 사용자분들의 궁금증을 해결합니다. 현재는 이름, 소속기관, 학과, 직위 등 필수 정보만 제공되고 있습니다. 향후 참여 과제, 논문, 특허, 보고서 등의 상세 연구 정보가 추가될 예정입니다. 박정희 교수님의 전문 분야와 학술 활동에 대한 더 많은 정보를 기대해주십시오.

기본 정보

연구자 프로필
박정희 프로필 사진
연구자 명박정희
직책교수
이메일cheonghee@cnu.ac.kr
재직 상태재직 중
부서 학과컴퓨터융합학부
사무실 번호0428216293
연구실데이터마이닝 연구실
연구실 홈페이지http://dmml.cnu.ac.kr/
홈페이지http://dmml.cnu.ac.kr/people.html
소속충남대학교

중요 키워드

#기술이전#IT융합#교육#컨설팅#컴퓨터융합#공동연구#인공지능#소프트웨어#데이터사이언스#충남대학교#산학협력

연구 분야

연구 1고차원 데이터 마이닝 및 이상치 탐지
내용본 연구실은 복잡한 고차원 데이터 환경에서 숨겨진 패턴과 이상 징후를 효과적으로 탐지하는 연구를 수행합니다. 데이터 마이닝의 핵심 기법인 분류, 군집화, 차원 축소 등을 기반으로, 대량의 데이터 속에서 유의미한 정보를 추출하고 예측 모델을 구축하는 데 집중합니다. 특히, '고차원데이터에서 이상치탐지 연구' 과제를 통해 데이터의 차원이 높아질수록 발생하는 희소성 문제와 노이즈에 강인한 이상치 탐지 알고리즘을 개발했습니다. 이는 금융 사기, 설비 고장 예측, 네트워크 침입 탐지 등 다양한 산업 분야에서 비정상적인 패턴을 조기에 발견하여 잠재적 위험을 최소화하는 데 기여합니다. 또한, '데이터 스트림에서 이상 패턴 발생 탐지 방법' 특허와 같이 실시간으로 유입되는 스트림 데이터 환경에서도 높은 정확도와 효율성으로 이상 패턴을 탐지하는 기술을 보유하고 있습니다. 참조 윈도우 및 탐지 윈도우를 활용하여 변화하는 데이터 분포에 적응하며 이상치를 검출하는 본 기술은 예측 불가능한 상황에 대한 신속한 대응을 가능하게 합니다. 이러한 연구는 데이터 기반의 의사결정 시스템을 강화하고, 기업의 리스크 관리 및 운영 효율성을 증대시키는 데 중요한 가치를 제공합니다.
연구 2실시간 스트림 및 소셜 네트워크 데이터 분석
내용본 연구실은 끊임없이 생성되는 실시간 스트림 데이터와 방대한 소셜 네트워크 데이터를 효과적으로 분석하는 기술을 연구합니다. 특히 '스트리밍 텍스트 데이터의 효과적인 벡터 표현 방법 개발과 SNS 스트림 데이터 마이닝 연구' 과제를 통해 대규모 텍스트 스트림에서 정보를 추출하고, SNS 상의 트렌드 변화나 여론 동향을 실시간으로 파악하는 기술을 개발했습니다. 이는 미디어, 마케팅, 공공 안전 등 다양한 분야에서 시의성 있는 정보 분석과 신속한 의사결정을 지원합니다. 또한, '소셜 네트워크 서비스의 데이터 스트림에서 토픽 탐지 방법 및 그 장치' 특허를 통해 실시간으로 유입되는 소셜 데이터에서 핵심 토픽을 자동으로 탐지하고 변화를 추적하는 독자적인 기술을 보유하고 있습니다. 이 기술은 특정 이슈에 대한 대중의 관심 변화를 예측하거나, 위기 상황 발생 시 관련 정보를 빠르게 식별하는 데 활용될 수 있습니다. 더 나아가 '소셜 네트워크 서비스에서 스팸 탐지 방법 및 장치' 특허를 통해 SNS 환경에서 발생하는 스팸, 허위 정보, 악성 콘텐츠를 효과적으로 식별하고 차단하는 기술을 개발하여 정보의 신뢰성을 확보하고 건강한 온라인 환경 조성에 기여합니다. 이러한 연구는 기업이 고객의 목소리에 귀 기울이고, 브랜드 평판을 관리하며, 위기 상황에 선제적으로 대응하는 데 필수적인 인사이트를 제공합니다.
연구 3그래프 기반 지능형 학습 및 연합 학습
내용본 연구실은 복잡한 관계형 데이터를 분석하기 위한 그래프 기반 기계 학습과 데이터 프라이버시 및 효율성을 높이는 연합 학습 기술을 중점적으로 연구합니다. '그래프기반 데이터마이닝 알고리즘에 대한 연구' 과제를 통해 노드, 엣지, 그래프 구조 자체의 특징을 활용하여 패턴을 발견하고 예측 모델을 구축하는 다양한 알고리즘을 개발했습니다. 이는 소셜 네트워크의 사용자 추천, 생체 분자 상호작용 예측, 지식 그래프 추론 등 다양한 분야에서 복잡한 상호작용을 이해하고 새로운 가치를 창출하는 데 활용됩니다. 더불어 '적응적 확장가능한 연합학습 방법 연구' 과제를 통해 여러 분산된 데이터 소스가 데이터를 중앙으로 모으지 않고도 협력적으로 학습하여 모델을 개선하는 연합 학습 기술을 개발 중입니다. 이는 민감한 의료 데이터나 기업의 영업 비밀 등 프라이버시 보호가 중요한 환경에서 데이터 공유 없이 모델을 고도화할 수 있는 강력한 해결책을 제시합니다. 또한, '반감독학습 연구를 통한 원시데이터 활용이 용이한 분류시스템 개발' 과제와 같이 레이블이 없는 대량의 원시 데이터와 소수의 레이블 데이터를 효과적으로 결합하여 학습 성능을 극대화하는 기법을 개발하여, 데이터 수집 및 레이블링 비용이 높은 분야에서 실용적인 가치를 제공합니다. 이러한 기술들은 데이터의 연결성을 심층적으로 분석하고, 보안 및 효율성을 확보하며 지능형 시스템을 구축하는 데 필수적입니다.

보유 기술 로딩 중...