메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김민 (한국과학기술연구원) 전주혁 (한국과학기술원) 우경구 (삼성전자) 김명호 (한국과학기술원)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 데이타베이스 정보과학회논문지 : 데이타베이스 제37권 제2호
발행연도
2010.4
수록면
71 - 81 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
데이터의 군집을 찾아내는 문제는 패턴 인식, 이미지 처리, 시장 조사 등 많은 응용 분야에서 널리 사용되고 있다. 군집의 질을 결정하는 핵심 요소로는 유사 측도, 차원의 개수 등이 있다. 유사 측도는 데이터의 특성을 반영하여 다르게 정의되어야 하는데, 대부분 기존의 연구들은 데이터를 특징 지어주는 속성이 수치형으로 주어진 경우에 국한되어 있었다. 속성이 범주형으로 주어진 경우도 실생활에 많이 존재 하지만, 범주형 변수에 대한 속성값의 유사성은 값의 순서가 고유하게 정해지지 않아서 정의하기 어렵다. 이에 더하여, 고차원 데이터에 대해서는 데이터 점들이 희박하게 위치하여 가까운 점과 먼 점간의 차이가 거의 없고, 군집화 결과가 좋지 않을 수 있다. 이 문제를 해결하기 위해 부분 차원 군집화 방법이 제안되어 왔다. 부분 차원 군집화 방법은 각 군집을 발견하기에 적합한 부분 차원을 선택하면서 군집화를 수행하는 방법이다. 본 논문에서는 범주형 속성으로 특징지어진 고차원 데이터를 부분 차원 군집화하기 위한 새로운 유사 측도를 제안한다. 유사 측도는 각 군집은 다른 군집과 구별되는 특정 정보를 잘 표현할 수 있어야 한다는 기본적인 가정 하에 속성들 사이의 상관성을 반영하여 정의되었다. 이들 모두를 반영한 유사측도는 기존에 존재하지 않았다는 점에서 본 연구는 의미가 있다. 실제 데이터 집합을 군집화하는 실험을 통해 제안하는 방법이 다른 군집화 방법보다 저차원 데이터와 고차원 데이터 모두에 대해 좀 더 정확한 군집 결과를 얻을 수 있음을 보였다.
#군집화 #유사 측도 #k-평균 군집화 #clustering #similarity measure #k-means clustering

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 새로운 유사 측도 제안
4. 군집화 방법
5. 실험 및 평가
6. 결론
참고문헌

참고문헌 (29)

참고문헌 신청
1. [단행본] - H. Jiawei / 2006 / Data Mining: Concepts and Techniques / Morgan Kaufmann : 383 ~ 444 google schola 2. [학술지(정기간행물)] - A. Ahmad / 2007 / A k-mean clustering algorithm for mixed numeric and categorical data / Data & Knowledge Engineering 63 (Issue 2) : 503 ~ 527 google schola 3. [학술지(정기간행물)] - C. Stanfill / 1986 / Toward memory-based reasoning, Communications of the ACM 29 (12) : 1213 ~ 1228 google schola 4. [단행본] - P. H. A. Sneath / 1973 / Numerical Taxonomy: The Principles and Practice of Numerical Classication / W. H. Freeman and Company google schola 5. [학술대회논문] - C. Ding / 2002 / Adaptive dimension reduction for clustering high dimensional data / Proceedings of Second IEEE International Conference on Data Mining : 147 ~ 154 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

히스토그램 변형 및 K-means 분류 기반 동적 범위 개선 기법
차수람 ,  김정태 ,  김민석 방송공학회논문지 2011 .11
K-MEANS CLUSTERING 기반 영상의 공간 해상도 축소 변환을 위한 효울적 움직임 벡터 재예측 방법
김경환 ,  정진우　 ,  최윤식 한국방송미디어공학회 학술발표대회 논문집 2011 .07
고차원 대규모 데이터 처리를 위한 K-means 클러스터링
윤태식 ,  심규석 정보과학회논문지 : 컴퓨팅의 실제 및 레터 2012 .01
K-means 알고리즘을 이용한 동적 계획법 기반의 다중 표적 검출
김금성 ,  원대연 ,  심상욱 외 3명 한국항공우주학회 학술발표회 초록집 2010 .11
RFID 태그 메모리 접근의 일관성을 위한 태그 연산의 동시성 제어
류우석 ,  홍봉희 정보과학회논문지 : 데이타베이스 2010 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2010-569-003296163