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
학술대회자료
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2021 한국컴퓨터종합학술대회 논문집
발행연도
2021.6
수록면
1,831 - 1,833 (3page)

이용수

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

초록· 키워드

오류제보하기
시계열 데이터 군집화에 있어 시계열 데이터의 특징을 추출하는 과정은 필수적이다. 군집화에 적용되는 시계열 데이터의 용량 및 차원은 대부분 크고 이는 차원의 저주(Curse of Dimensionality)를 일으키므로 성능 저하의 주원인으로 작용한다. 이에 대한 해결책으로 차원 축소가 제시되지만 과한 차원 축소 기법으로 데이터 특징을 추출하면 정보 손실로 인해 군집화 성능이 오히려 저하될 수 있다. 본 논문은 기존에 사용된 특징 추출 방법인, Wavelet 변환 및 Autoe^_@span style=color:#999999 ^_# ... ^_@/span^_#^_@a href=javascript:; onclick=onClickReadNode('NODE10583452');fn_statistics('Z354','null','null'); style='color:#999999;font-size:14px;text-decoration:underline;' ^_#전체 초록 보기^_@/a^_#

목차

등록된 정보가 없습니다.

참고문헌 (0)

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-0101-2021-569-001867558