스트림 환경에서 높은 균일신뢰도를 지원하는 가변 크기 샘플링 :Variable Size Sampling to Support Uniformity Confidence in Stream Environments

김하진

추천

검색

자료유형: 학위논문

저자정보: 김하진 (강원대학교, 강원대학교 일반대학원)

지도교수: 문양세

발행연도: 2018

저작권: 강원대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2018

스트림 환경에서 높은 균일신뢰도를 지원하는 가변 크기 샘플링

김하진 컴퓨터 2018.01 학위논문

2017

스트림 환경에서 균일신뢰도를 유지하는 가변 크기 샘플링

김하진 , 이상훈 , 문양세 한국정보과학회 학술발표논문집 2017.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

데이터 스트림이 대용량으로 발생되는 경우, 데이터 스트림의 특징과 패턴을 잘 반영하는 샘플을 추출하여 사용하는 것이 효과적이다. 본 논문에서는 스트림 환경에서의 샘플링 방법 중 랜덤 샘플링 특성을 갖는 KSample의 균일신뢰도 향상에 초점을 맞춘다. 이를 위해 먼저 KSample의 균일신뢰도를 분석하여 KSample의 균일신뢰도가 초기에 많이 감소하는 초기 균일신뢰도 저하, KSample의 균일신뢰도가 지속적으로 감소하는 지속 균일신뢰도 저하 문제를 도출한다. 그리고 초기 균일신뢰도 저하를 발생시키는 성질을 샘플 범위 제한과 과거 샘플 불변으로, 지속 균일신뢰도 저하를 발생시키는 성질을 샘플 추출 범위 증가로 정의한다. 샘플 범위 제한, 과거 샘플 불변, 샘플 추출 범위 증가에 대한 각각의 해결책을 샘플 범위 확장, 과거 샘플 변경, 균일신뢰도 기반 윈도우 사용으로 제시하고, 이를 반영하여 균일신뢰도를 향상시킨 UC KSample을 제안한다. 그리고 UC KSample을 층화샘플링에 적용한 Stratified UC KSample을 제안한다. 실험 결과, UC KSample의 균일신뢰도가 기본 KSample에 비해 약 2.2배 증가하였고, 항상 설정한 하한 값보다 높게 유지되는 것을 확인하였다. 정확도의 경우도, 수치형 데이터와 텍스트 데이터 모두 모집단과 높은 유사도를 갖는 것을 확인하였다. 본 연구는 스트림 환경에서 중요한 척도인 균일신뢰도를 KSample에 결합시킨 최초의 시도로서, 샘플링 비율을 유지하며 동적으로 샘플링하는 KSample의 장점은 유지하면서도 균일신뢰도를 증가시킨 우수한 연구라 사료된다.

For large amounts of stream data, it is effective to extract and use samples that reflect well the characteristics and patterns of the data stream. In this thesis, we focus on improving the uniformity confidence of KSample, which has the characteristics of random sampling in the stream environment. For this, we first analyze the uniformity confidence of KSample and then derive two uniformity confidence degration problems: (1) initial degradation, which the uniformity confidence rapidly decreases at the initial stage, and (2) continuous degradation, which it is also gradually degraded at the later stages. We note that the initial degradation is caused by the sample range limitation and the past sample invariance, and the continuous degradation is by the sampling range increase. For each problem, we present a corresponding solution, that is, we provide the sample range extension for sample range limitation, the past sample change for past sample invariance, and the use of UC-window for sampling range increase. By reflecting these solutions, we then propose a novel sampling method, named UC KSample, which largely improves the uniformity confidence. Also, we propose Stratified UC KSample, an algorithm that applies UC KSample to stratified sampling. Experimental results show that UC KSample improves the uniformity confidence by average 2.2 times over KSample, and it always keeps the uniformity confidence higher than the user-specified threshold. We also note that the sampling accuracy of UC KSample is higher than that of KSample both in numeric and text data. The uniformity confidence is an important sampling metric in data streams, and this is the first attempt to applying the uniformity confidence to KSample. Thus, we believe that the proposed UC KSample is an excellent approach that adopts an advantage of KSample, dynamic sampling over a fixed sampling ratio, while improving the uniformity confidence.

#균일신뢰도 #데이터 스트림 #랜덤 샘플링 #KSample #UC KSample

목 차
1 서 론 1
2 관련 연구 5
2.1 균일신뢰도 5
2.2 KSample 6
3 KSample의 균일신뢰도 분석 10
4 UC KSample 12
4.1 문제 원인 분석 12
4.2 UC KSample의 요구사항 정의 15
4.3 UC KSample의 동작 절차와 알고리즘 19
4.4 Stratified UC KSample 22
5 실험 평가 26
5.1 실험 환경 및 데이터 26
5.2 균일신뢰도 평가 26
5.3 샘플링 정확도 평가 29
5.4 층화샘플링 실험 31
6 결 론 33
7 참고 문헌 34

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

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)