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
- 학위논문
- 저자정보
- 지도교수
- 황혜수
- 발행연도
- 2021
- 저작권
- 서울시립대학교 논문은 저작권에 의해 보호받습니다.
이용수11
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
문서나 이미지 등의 고차원 데이터를 가중집합으로 표현되었을 때, 이들 간 k근접 이웃을 찾는데 많은 시간을 필요로 한다. 이는 k근접 이웃을 찾는데 필요로 하는 일반화된 자카르드 유사도를 계산하는 시간이 데이터 집합 차원의 크기에 비례하기 때문이다. 이에, 가중집합 간 유사도를 효율적으로 계산하기 위한 가중집합 샘플링 기법인 Improved Consistent Weighted Sampling(ICWS)이 제안되었다. 비록 ICWS가 일반화된 자카르드 유사도를 잘 근사하지만, 고밀도의 데이터에서 샘플을 생성하는데 여전히 오랜 시간을 소요한다는 단점이 있다. 이에, 본 논문에서는 고밀도 데이터에서 샘플을 효율적으로 생성하는 구간 별 ICWS 기반의 샘플링 기법인 Hierarchical Consistent Weighted Sampling(HCWS)을 제안한다. 고밀도 데이터를 대상으로 다양한 비교 실험을 통하여 HCWS가 ICWS보다 샘플을 효율적으로 생성하는 것을 확인하였다. 또, HCWS의 k근접 이웃 찾기의 정밀도와 분류 정확도가 ICWS와 거의 유사하거나 더 우수한 것 역시 확인하였다.
목차
목차표 목차그림 목차제 1 장 서론 1제 2 장 관련 연구 5제 1 절 이진집합 샘플링 기법 5제 2 절 가중집합 샘플링 기법 8제 3 장 계층적 가중집합 샘플링 25제 1 절 HCWS 알고리즘 25제 2 절 최적의 M 을 찾기 위한 교차검증 29제 3 절 분석 30제 4 장 실험 결과 33제 1 절 실험 설정 33제 2 절 교차검증을 이용한 최적의 M 결정하기 37제 3 절 샘플 생성 시간 44제 4 절 정밀도 45제 5 절 분류 정확도 50제 5 장 결 론 52참고문헌 54영문 초록 61
최근 본 자료
댓글(0)
0