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
- 한다. 그러나 사용자가 적절한 클러스터의 개수를 클러스터링 수행 전에 결정하는 것은 매우 어려운 문제이다(3) 따라서 본 논문에서는 클러스터의 개수를 사용자에게 매개변수로 입력받지 않고 데이터를 클러스터링하는 방안에 대해 논의하고자 한다.
- 따라서 본 논문에서는 그림 1의 경우와 같이 이진 행렬을 구성하는 X축과 y축의 객체가 같고, 서로 다른 클러스터 안에 객체들이 중복되어 있으면 안 되는 경우에 적합한 새로운 계층적 클러스터링 방법을 제안하고자 한다. 제안하는 방법을 통해 사용자는 다양한 수준에서 클러스터들의 변화를 파악 할 수 있게 된다.
- 아웃라이어는 데이터의 일반적인 모형이나 행동에 대응하지 못하는 데이터 객체를 의미한다(3) 사용자는 아웃라이어 검출을 통해 선정된 객체를 제거함으로써 해당 클러스터의 질을 높일 수 있게 된다. 따라서 본 논문에서는 아웃라이어 객체를 찾는 효과적인 방안을 제안한다.
- 또한 CA를 통해 유사한 객체들의 집합인 Cross-associates를 찾을 수 있지만 동일한 객체가 서로 다른 Cross-associates에 포함될 수 있기 때문에 클러스터링의 클러스터와는 다른 의미를 가진다. 따라서 본 논문에서는 이미지 데이터를 이진 행렬로 표현하는 방법에 대해서 논의하고, CA를 클러스터링 관점으로 해석하여 이미지 데이터를 매개 변수 없이 클러스터링하고자 한다.
- 또한, 데이터를 계층적으로 분해하는 방안을 논의하고자 한다. 이 방안도 사용자로부터 클러스터의 개수를 매개변수로 입력받지 않고 진행된다.
- 본 논문에서는 (1)을 사용하여 아웃라이어 노드를 검출하기 위한 방안을 제안한다. 제안하는 방안은 아웃라이어의 대상이 되는 객체를 제거하기 전 클러스터의 정보량과 제거한 후 클러스터의 정보량을 측정한 다음 정보량의 차이가 가장 큰 객체가 등급이 가장 높은 아웃라이어가 되는 것이다.
- 본 논문에서는 CA를 클러스터링 관점에서 해석한다. 그림 6의 두 번째 행 그룹에는 두 개의 검은색 지역이 존재한다.
- 데이터를 이진 행렬로 변환해야 한다. 본 논문에서는 이미지 데이터 간의 유사 여부를 이용해서 그래프를 생성하고, 생성된 그래프를 이진 행렬로 다시 변환하고자 한다. 구체적인 방법으로 이미지 객체의 특성을 기반으로 기존의 유사도 계산 방안을 이용하여 객체들 간의 유사도를 계산하고 그래프 생성 방법 중에 하나인 k-최근접 이웃검색 방법时으로 그래프를 생성한다.
- 본 논문에서는 이미지 클러스터를 대상으로 아웃라이어 검출 실험을 한다. 실험결과를 통해 제시하는 알고리즘의 우수성을 증명한다.
- 본 논문에서는 클러스터링 결과로 도출된 각각의 클러스터에 대해 재귀적으로 CA를 적용하는 계층적 클러스터링을 수행하고자 한다. 이를 통해 사용자는 클러스터 안의 숨겨진 클러스터의 구조를 발견할 수 있게 된다.
- 따라서 아웃라이어 간선 검출 방법®은 클러스터링 관점에서 적합하지 않다. 본 논문에서는 클러스터링 관점에 부합하는 새로운 아웃라이어 검출 알고리즘을 제안한다. 제안하는 방안을 통해 클러스터의 존재하는 모든 객체에 아웃라이어 등급을 정할 수 있다.
- 본 장에서는 객체간의 상호 연관관계를 이용하여 매개변수 없이 데이터의 감추어진 구조나 패턴을 찾아내는 방법인 CA와 그 응용들에 대해 소개한다. 1절에서는 CA의 기본원리에 대해 설명하고, 2절에서는 CA를 응용한 커뮤니티 발견 (community discovery)에 대해 설명한다.
- 본 장에서는 매개 변수 없이 이미지 데이터를 클러스터링 하는 방안과 아웃라이어 검출을 위한 새로운 알고리즘을 제안한다. 1절에서는 CA를 이용한 이미지 클러스터링에 대해서 설명하고, 2절에서는 계층적 클러스터링 방안에 대해서 설명한다.
- 이는 한쪽만 유사하다고 여기는 경우를 노이즈로 간주하고 두 객체들 간에 연관이 없다고 판단하는 것이다. 어떠한 방법을 적용하여 그래프를 생성했을 때 CA를 통한 클러스터링의 결과가 좋은지 실험을 통해 알아보고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.