유비쿼터스 컴퓨팅 환경은 다양한 종류의 상황정보가 실시간으로 변화되는 동적 환경이기 때문에 사용자의 상황 인지 연구가 중요시 되고 있다. 본 논문은 사람의 행동패턴을 고려함으로써 사용자의 상황을 보다 정확하게 인지할 수 있는 연구를 수행하였다. 특히 사람의 동시다중 행동 패턴 추출 및 의도 추론을 위한 점증적 통계 학습 알고리즘을 제안한다. 수집된 사용자의 상황정보를 마이닝 기법을 적용하여 분석하였으며, 이 과정을 통해 동시에 발생되는 행동들을 하나의 셋으로 그룹화하였다. 그룹화 된 행동들에 제안된 점증적 통계기법을 적용하여 빈번하게 발생되는 행동들의 확률값을 도출해내었다. 또한 여러 개의 동시행동 셋들간의 시간적 관계를 고려함으로써 사용자의 다음행동에 대한 의도 예측을 가능하게 했다. 매일의 사용자 상황정보를 반영하여 셋들간의 관계, 발생 확률 및 시간을 실시간으로 계산할 수 있는 알고리즘을 개발함으로써 패턴을 더욱 구체화하였다. 본 논문은 실제 센서 네트워크가 구축된 유비쿼터스 시스템 공간(USS)을 모니터 함으로써 실험 결과의 신뢰도를 높였다.
