특징 선정을 위한 의존성 기반의 검색 전략

전문가 제언

○ 논문에서 제안하는 것은 연관성을 고려한 래퍼(wrapper) 방식인데 래퍼(wrapper)가 필터 방식보다 좋은 결과를 주는 것은 알려진 사실이므로 올바른 선택이라고 판단된다. 연관성이 높은 특징은 같은 부분집합에 있을 때에 정보의 중복을 의미하므로 이를 고려하여 부분집합의 요소와 모집단의 크기를 줄이는 역할도 중요한 관점이다.

○ 일반적으로 부분집합의 크기가 크면 여러 방법을 비교할 때 명확한 구분을 얻기 어렵다. 또 다른 문제는 국부 최소화의 현상인데 이는 모집단 변형이 일정한 횟수를 넘으면 결과가 개선되지 않는 현상인데 부분집합의 요소가 많으면 자주 발생한다.

○ 모집단을 사용하는 검색 방법에서는 현재 모집단에서 무작위로 최적의 부분집합을 하나 선정하여 다른 부분집합을 이와 비교하기 때문에 모집단의 크기가 다시 말해서 부분집합의 수, 계산 시간에 결정적인 역할을 한다. 따라서 부분집합의 크기와 모집단의 크기가 모두 중요하다.

○ 개별적인 특징들의 연관성보다 이들의 부분집합 간의 연관성을 추구하는 문제는 더 어렵다고 한다. 특징은 독자적인 의미는 없으나 다른 특징과 사용되면 연관성을 가지거나 또는 중복이 가능하기 때문이다. 그러나 부분집합 간의 연관성도 기본적으로 두 개의 특징 간의 관계에 근거를 두어 인식됨에 유의해야 한다.

○ 문헌 조사 결과 국내 연구자는 찾을 수 없어 국내 동향은 파악하지 못했으나, 주어진 특징의 부분집합을 찾는 문제보다는 기본적으로 특징 자체를 어떻게 선택하는가에 대한 문제는 인공 지능의 첫 번째 관문으로서 다양한 응용 분야에서 이 문제에 대한 연구가 많이 진행되고 있어서 이를 연구 추세로 볼 수 있다.

저자

Ahmed Al-An

자료유형

학술정보

원문언어

영어

기업산업분류

정보통신

연도

2009

권(호)

36(10)

잡지명

Expert Systems with Applications

과학기술
표준분류

정보통신

페이지

12392~12398

분석자

김*창

분석물

• 특징 선정을 위한 의존성 기반의 검색 전략.pdf [322,981 byte]

이미지변환중입니다.