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

논문 기본 정보

자료유형
학술저널
저자정보
한수영 (안양대학교)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제17권 제1호
발행연도
2022.2
수록면
173 - 181 (9page)

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 데이터 집합의 한 번의 스캔으로 군집을 찾는 효율적인 버킷 클러스터링 기법을 제시한다. 클러스터링은 데이터 마이닝 기법 중 하나로 고객 데이터 분석, 유권자 분석 등 데이터의 그룹 분석이나 타겟 마케팅과 같은 전략을 세우는데 유용하게 사용되고 있다. 가장 많이 사용되는 k-mean 기법은 반복 검색을 통해 최적의 군집을 찾는 방법으로 고품질의 클러스터를 찾기 위해 사용되고 있으나, 이러한 반복적인 분석기법은 최근 실시간 응용환경에서는 효율적이지 못하다. 본 논문은 데이터 압축 기술을 적용하여 기존의 k-means 보다 빠르게 수행할 수 있으며, 기존과 동일한 품질의 클러스터를 찾는 것을 목표로 한다. 실험은 KDD 데이터 마이닝 대회에서 사용한 실제 데이터를 사용하여 알고리즘을 수행하고 성능을 평가한다. 제안하는 방법을 통해 기존의 k-means 방법과 거의 동일한 품질의 클러스터링을 생성하면서 버킷 요약을 통해 처리 데이터의 수를 줄여 방대한 데이터에 대한 클러스터링 과정을 보다 효율적으로 수행할 수 있게 되었다. 최근 산업환경에서 데이터의 가치와 분석의 효용성은 극대화되고 있으나 방대한 크기의 데이터에 비해 분석 알고리즘의 복잡도나 성능이 항상 문제가 되고 있어서, 본 방법은 빅데이터와 같은 최신 데이터 플랫폼에서도 유용한 분석 알고리즘이 될 것으로 기대할 수 있다.
#Clustering #Data mining #K-means #Bucket #Data compression

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0