선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- CLARANS에서 계산적으로 가장 비싼 단계가 두 클러스터들 간의 총 거리를 계산하는 것이다. 그래서 이런 단계의 비용을 감소시키기 위 한두 가지 접근 방법이 제안되었다.
- 다른 방법으로는 실제로 계산하는데 쓰이지 않는 어떤 객체들에 대한 접근을 제한하는 것이다. R* 트리구조를 사용하여 객체들의 모든 쌍을 검사하는 대신에 클러스터링의 질을 향상시킬 수 있는 객체의 쌍으로만 계산을 수행하는 것이다.
- 본 연구에서는 공간 데이터 마이닝에서 사용되는 여러 방법들을 분류해서 각각의 기법들을 설명하고 공간 데이터 마이닝 관련 사례들을 살펴보았다. 공간 데이터 마이닝을 위한 방법들은 현재에도 계속 나오고 있지만 그 바탕이 되는 기본적인 알고리즘으로 통계학적 분석 방법, 공간 우위 혹은 비공간 우위의 일반화 기반 발견 방법, 클러스터링 방법, 공간 연관 규칙 방법 등이 있다.
- 이에 바탕으로 본 연구에서는 공간 데이터 마이닝에서 사용되고 있는 기법들을 살펴보고 앞으로의 방향을 제시해 보고자 한다.
가설 설정
- [정의 3] 프레디킷 P의 지지도가 k 단계에 대한 최소지지 임계값 (7 *과 다름없다면 프레디킷 P 의 집합은 k 단계에 집합 S 상에서 크다고 한다. 그리고 개념 계충으로부터 P의 모든 조상들은 일치하는 단계들에서 크다고 한다.
- NSD(CLARANS) 알고리즘이다. 두 개의 알고리즘 모두 찾아낸 규칙의 형태와 적절한 데이터들은 학습 요구를 통한 사용자에 의해 규정되어진다고 가정한다.
- 일반화 기반 지식 발견(GeneralizatigBased Knowledge Di施covery)回에서 개념 계층의 형태에는 어떤 배경 지식이 있다고 가정을 한다. 이러한 개념계층은 전문가에 의해 만들어질 수도 있고, 자동적으로 데이터 분석에 의해 만들어질 수도 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.