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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
염찬욱 (조선대학교) 곽근창 (조선대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제18권 제2호(JKIIT, Vol.18, No.2)
발행연도
2020.2
수록면
17 - 23 (7page)
DOI
10.14801/jkiit.2020.18.2.17

이용수

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

초록· 키워드

오류제보하기
본 논문은 점진적 입자 모델을 설계하기 위해 선형회귀(LR: Linear Regression)와 국소 입자모델(LGM: Local Granular Model)을 결합한다. 여기서, 국소 입자모델은 자동적인 지식생성을 위해 밀도 피크의 빠른 탐색에 근거한 컨텍스트기반 퍼지 클러스터링(Context-based fuzzy clustering)에 의해 설계되어진다. 이 클러스터링방법은 선형회귀에서 얻어진 예측 오차정보로부터 출력의 정보입자(Information granules)를 생성하고 밀도피크들을 빠르게 탐색하여 각 정보입자에 대응하는 타당한 클러스터들을 구할 수 있다. 이렇게 함으로써, 각 컨텍스트에서 생성되는 클러스터의 수가 같게 되는 문제점을 해결할 수 있으며, 각각의 클러스터들은 국소 입자모델의 특성을 나타내는 언어적인 퍼지 if-then규칙으로써 사용되어진다. 예측 성능평가를 위해, 비선형회귀 문제인 실세계 응용을 다루고 제안된 점진적 입자모델의 설계에서 효율적인 지식생성을 통해 유용성과 우수성을 증명하고자 한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 점진적 입자모델의 구조와 설계
Ⅲ. 밀도 피크의 빠른 탐색에 근거한 컨텍스트 기반 퍼지 클러스터링
Ⅳ. 실험결과
Ⅴ. 결론
References

참고문헌 (12)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-004-000347619