$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

준지도학습을 위한 중심 이동 선형판별분석
Centroid Shifted Linear Discriminant Analysis for Semi-supervised Learning

정보과학회논문지. Journal of KIISE. 컴퓨팅의 실제 및 레터, v.17 no.5, 2011년, pp.342 - 346  

신용준 (충남대학교 컴퓨터공학과) ,  박정희 (충남대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

준지도 차원감소는 클래스 라벨 정보가 있는 데이터가 부족한 경우에 클래스 라벨 정보가 없는 많은 데이터를 활용할 수 있는 차원감소 방법이다. 본 논문에서는 클래스 라벨 정보가 없는 데이터를 이용하여 클래스 중심을 이동시키고 선형판별분석을 수행하는 중심 이동 선형판별분석이라는 준지도 차원감소 방법을 제안한다. 고차원 텍스트 데이터를 이용한 실험을 통해 제안한 방법의 클래스 분류 성능이 향상된다는 것을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Semi-supervised dimension reduction can be used when the size of labeled data samples is small. In this paper, we propose a semi-supervised dimension reduction method, called centroid shifted linear discriminant analysis(CSLDA), which performs linear discriminant analysis after shifting class centro...

주제어

#차원감소   #선형판별분석   #중심이동 준지도학습  

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로