혼성 분류 방법

전문가 제언

○ 분류 문제의 해법은 계층과 분할 방법으로 구분되는데 이 두 방법에 사용되는 여러 가지 알고리듬을 결합하여 혼성 시스템을 구성한다. 혼성 시스템에서 각 알고리듬은 독립적으로 실행하여 이들 결과의 조합 또는 최적 결과를 선택하거나 본 논문의 제안과 같이 각 알고리듬에 특성에 맞는 역할을 분담하는 접근 방법도 있다.

○ 제안된 혼성 분류 방법은 k-NB, Bayes 그리고 유전 알고리듬으로 구성한 것인데 k-NB는 기존 자료로부터 새로운 자료의 생성, 유전 알고리듬은 생성된 자료의 개선 그리고 Bayes 알고리듬은 최종적으로 최선의 결과와 최소 부류의 개수를 산출한다. 알고리듬의 특성에 맞는 작업을 배정하여 한 구체적인 알고리듬을 사용하는 것보다 우수한 시스템을 생성하려는 시도이다.

○ 기본적인 구상은 주어지 자료를 사용하여 확장된 자료를 생성하고 이로서 보다 나은 분류를 시도하는 것이다. 이 방법은 소형 컴퓨터에도 적합하고 시험 결과 잡음이 많은 자료와 소량의 자료 세트에도 유용함이 증명되었다. 소량의 자료인 경우 이와 유사한 특성을 가진 자료를 무수하게 생성하여 이들을 개선한다. 혼성 방법의 전체적인 성능은 EM을 능가한다.

○ 검색 범위를 확장하기 위해 IT 분야 전체 건수와 이 저널 안의 출현도는 괄호 안에 표시했다. classification은 58,3481(3,058)로서 큰 분야이고 이 중에 partition은 10,633(583), hierarchial은 150(4), hybrid는 10,239(1,159)으로 혼성 시스템의 연구가 활발하다. 혼성 시스템에 사용되는 방법을 보면 k-NB, Bayes 그리고 genetic이 모두 연관된 것은 188(30)이다. 논문에서 Bayes 에 관한 한국인 논문이 인용되어 혼성 시스템에서 Bayes에 대해서는 전체 59편중에 공저를 포함해서 4편의 논문을 더 찾았다. 세 가지 알고리듬이 다 들어간 혼성 시스템에서는 이 져널에 실린 30편중에 한편의 한국인 논문만 있었다. 따라서 Bayes가 포함된 분야는 classification을 포함해서 비교적 활발하나 이 논문과 유사한 분야는 아직 국내에서 활성화 되지 않고 있다.

저자

Mehmet Aci , Cigdem _Inan, Mutlu Avci

자료유형

학술정보

원문언어

영어

기업산업분류

정보통신

연도

2010

권(호)

37(7)

잡지명

Expert Systems with Applications

과학기술
표준분류

정보통신

페이지

5061~5067

분석자

김*창

분석물

• 혼성 분류 방법.pdf [349,526 byte]

이미지변환중입니다.