지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2016.5
- 수록면
- 79 - 89 (11page)
이용수
초록· 키워드
오류제보하기
In this paper, we proposed the object classification method using genetic and dynamic random forest consisting of optimal combination of unit tree. The random forest can ensure good generalization performance in combination of large amount of trees by assigning the randomization to the training samples and feature selection, etc. allocated to the decision tree as an ensemble classification model which combines with the unit decision tree based on the bagging. However, the random forest is composed of unit trees randomly, so it can show the excellent classification performance only when the sufficient amounts of trees are combined. There is no quantitative measurement method for the number of trees, and there is no choice but to repeat random tree structure continuously. The proposed algorithm is composed of random forest with a combination of optimal tree while maintaining the generalization performance of random forest. To achieve this, the problem of improving the classification performance was assigned to the optimization problem which found the optimal tree combination. For this end, the genetic algorithm methodology was applied. As a result of experiment, we had found out that the proposed algorithm could improve about 3~5% of classification performance in specific cases like common database and self infrared database compare with the existing random forest. In addition, we had shown that the optimal tree combination was decided at 55~60% level from the maximum trees.
목차
Abstract
Ⅰ. Introduction
Ⅱ. Random Forests
Ⅲ. Genetic Algorithm
Ⅳ. The Proposed Algorithm
Ⅴ. Experimental Results
Ⅵ. Conclusions
REFERENCES
참고문헌 (25)
참고문헌 신청
D. E. Rumelhart and J. L. McClelland, "Parallel distributed processing: explorations in the microstructure of cognition," MIT Press, 1986.
C. J. C. Burges, "A tutorial on support vector machines for pattern recognition," Journal of Data Mining and Knowledge Discovery, Vol.2, pp.121-167, 1998.
H. Y. Yeom, J. H. Kim, and Y. S. Moon, “Gene Classification Method using Neural Networks and Membership Function,” Journal of IEEK, Vol. 42CI, No. 4, pp.33-42, 2005.
S. K. Kang, Y. U. Kim, I. M. So, and S. T. Jung, "Enhancement of the Correctness of Marker Detection and Marker Recognition based on Artificial Neural Networks," Journal of KSCI, Vol. 13, No. 1, pp. 89-97, Jan. 2008.
Kwang Seong Kim and Doosung Hwang, "Support Vector Machine Algorithm for Imbalanced Data Learning," Journal of KSCI, Vol. 15, No. 7, pp. 11-17, July 2010.
C. J. C. Burges, "A tutorial on support vector machines for pattern recognition," Journal of Data Mining and Knowledge Discovery, Vol.2, pp.121-167, 1998.
H. Y. Yeom, J. H. Kim, and Y. S. Moon, “Gene Classification Method using Neural Networks and Membership Function,” Journal of IEEK, Vol. 42CI, No. 4, pp.33-42, 2005.
S. K. Kang, Y. U. Kim, I. M. So, and S. T. Jung, "Enhancement of the Correctness of Marker Detection and Marker Recognition based on Artificial Neural Networks," Journal of KSCI, Vol. 13, No. 1, pp. 89-97, Jan. 2008.
Kwang Seong Kim and Doosung Hwang, "Support Vector Machine Algorithm for Imbalanced Data Learning," Journal of KSCI, Vol. 15, No. 7, pp. 11-17, July 2010.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
랜덤포레스트와 유전알고리즘을 이용한 표적 분류 기법
대한전자공학회 학술대회
2016 .11
-
의사 결정 트리와 랜덤 포레스트 모델 분석
Proceedings of KIIT Conference
2018 .06
-
Ensemble of Fuzzy Decision Tree for Efficient Indoor Space Recognition
한국컴퓨터정보학회논문지
2017 .04
-
인공지능 및 토양 모니터링 기반 스마트 수목 보호틀 통합 관리 시스템
멀티미디어학회논문지
2023 .04
-
Bi-directional PQ-RRT*를 이용한 유도 시스템 개발 연구
한국항공우주학회 학술발표회 초록집
2021 .11
-
탐색 성능 향상을 위한 학습된 B-Tree 분석
한국정보과학회 학술발표논문집
2020 .12
-
Decision Tree 기반의 미세먼지 농도별 이진 분류 모델
한국정보통신학회 종합학술대회 논문집
2020 .10
-
보건정보 자료를 이용한 나무구조회귀모형의 시각화에 대한 고찰
보건정보통계학회지
2020 .01
-
Decision Tree의 인공지능 학습을 통한 최적 전략 도출 방법
한국에너지학회 학술발표회
2020 .11
-
Informed-RRT* 기반 자율운항선박의 충돌 회피 경로 계획 알고리즘 개발
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
Optimization for Large-Scale n-ary Family Tree Visualization
Journal of information and communication convergence engineering
2023 .03
-
기업도산예측에 대한 의사결정나무 앙상블 모델 평가
한국경영공학회지
2020 .01
-
Decision Tree 기법을 이용한 회전체 최적 센서 위치 결정
한국정밀공학회 학술발표대회 논문집
2016 .05
-
A Novel Enhanced Random Forest for Medical Data Classification using Correlation Pearson and Best Number of Trees
Journal of Computing Science and Engineering
2024 .03
-
랜덤 포레스트를 이용한 대전시 공공 자전거(‘타슈’) 수요 예측
한국정보과학회 학술발표논문집
2017 .06
-
New Collision Avoidance Technique for Tree Algorithm
대한전자공학회 학술대회
2017 .01
-
Dynamic Random Forest Algorithm의 네트워크 침입 탐지 시스템 적용 가능성에 대한 연구
한국정보과학회 학술발표논문집
2017 .06
-
Random Forest와 Loop-back 기반 자율차량 자가진단 시스템
한국정보통신학회 종합학술대회 논문집
2019 .10
-
Random Forest를 이용한 운전자의 차선변경 의도 예측
한국정보과학회 학술발표논문집
2016 .06
-
임상자료를 이용한 나무구조 분류모형의 성능 비교
보건정보통계학회지
2016 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
FCM을 적용한 결함심각도 기반 앙상블 모델
이나영
,
권기태
정보과학회 컴퓨팅의 실제 논문지
2016
.12
미래 성장동력 ICT1의 세 가지 분야 : IoT, Wearable Device, Big Data : 제1편 : IoT(사물인터넷), 초연결시대, 우리의 선택은?
엄상용
,
김도영
,
문현호
국방과 기술
2016
.01
악성코드 API정보를 이용한 변종유형 예측방법 연구
최보민
,
강홍구
,
이태진
한국통신학회 학술대회논문집
2015
.01
대용량 자료에 대한 서포트 벡터 회귀에서 모수조절
류지열
,
곽민정
,
윤민
한국지능시스템학회 논문지
2015
.02
Creating Level Set Trees Using One-Class Support Vector Machines
Gyemin Lee
Journal of KIISE
2015
.01
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2017-004-000735381