실루엣을 적용한 2단계 인공벌군집 데이터 클러스터링

강범수; 김성수

doi:10.7737/JKORMS.2018.43.2.001

추천

검색

질문

자료유형: 학술저널

저자정보: 강범수 (강원대학교) 김성수 (강원대학교)

저널정보: 한국경영과학회 한국경영과학회지 韓國經營科學會誌第43卷第2號

발행연도: 2018.5

수록면: 1 - 9 (9page)

DOI: 10.7737/JKORMS.2018.43.2.001

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

A popular data clustering K-means uses the only intra-cluster distance for valid index with given fixed number of clusters in prior. We can’t use K-means without fixed number of clusters for the unsupervised data. K-means is also sensitive for initialization and has the possibility to be stuck in local optimum because of hill climbing clustering method. Silhouette valid index can be used to decide the number of clusters with considering the intra and inter cluster distances. But, it needs much computation time to evaluate the solutions. So, we need more efficient data clustering method. The objective of this paper is to propose the two-step Artificial Bee Colony (ABC) which is based on Silhouette in the second step using initial solutions using K-means in the first step to find the global optimal data clustering solution with appropriate number of clusters within limited computation time for the unsupervised data. The performance of ABC using Silhouette is validated using several real data sets by experiment and analysis.

#Silhouette #Number of Clusters #Artificial Bee Colony (ABC) #Data Clustering

참고문헌 (17)

참고문헌 신청

김성수 / 2017 / 실루엣을 적용한 그룹탐색 최적화 데이터클러스터링 / 한국경영과학회지 42(3):25~34

Arbelaitz, O. / 2013 / An extensive comparative study of cluster validity indices / Pattern Recognition 46(1):243~256

Assunção, M.D. / 2015 / Big data computing and clouds : Trends and Future directions / Journal of Parallel and Distributed Computing 79-80:3~15

DW van der Merwe / 2003 / Data clustering using Particle swarm optimization / Proceedings of the IEEE Congress on Evolutionary Computation, CEC 2003

Hruschka, E. R. / 2009 / A survey of evolutionary algorithms for clustering / IEEE Transactions on systems, man, and cybernetics-Part C : Applications and reviews 39(2):133~155

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

Bum-Su Kang

소속기관 Dongkuk Systems

주요연구분야 사회과학 > 경영학 공학 > 산업공학

논문수 6 이용수 822

김성수

소속기관 강원대학교

주요연구분야 사회과학 > 경영학 공학 > 산업공학

논문수 15 이용수 1,414

이 논문과 함께 이용한 논문

합성곱 신경망을 이용한 웨이퍼 맵 기반 불량 탐지

박재선 , 김준홍 , 김형석 외 2명 대한산업공학회지 2018 .08

계층적 군집분석(최단, 최장, 평균, 중앙연결)방법에 의한 아시아 컨테이너 항만의 클러스터링 측정 및 실루엣방법과 2단계(Type II) 교차효율성 메트릭스 군집모형을 이용한 실증적 검증에 관한 연구

박노경 한국항만경제학회지 2021 .03

실루엣을 적용한 그룹탐색 최적화 데이터클러스터링

김성수 , 백준영 , 강범수 한국경영과학회지 2017 .08

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (17)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)