최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.19 no.7, 2014년, pp.1 - 8
허경용 (동의대학교 전자공학과) , 김성훈 (경북대학교 컴퓨터정보학부)
Clustering is one of the most popular unsupervised learning methods, which is widely used to form clusters with homogeneous data. Clustering was used to extract contexts corresponding to clusters and a classification method was applied to each context or cluster individually. However, it is difficul...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
융합은 어떠한 사실에 근거하고 있는가? | 이 논문에서는 분류의 관점에서 최적의 클러스터링을 수행하는 새로운 클러스터링 기법, 특히 융합을 위한 문맥 분할의 방법으로서의 클러스터링 기법을 제안한다. 융합은 전체 특징 공간을 균일한 여러 개의 부분공간 또는 문맥으로 나누고 각 부분공간에서 하나 이상의 분류기를 선택적으로 적용하는 방법으로 특정 부분공간에서 우수한 성능을 보이는 분류기가 존재한다는 사실에 근거하고 있다[7]. 이전 방법에서는 FCM 을 이용하여 특징공간을 분할하였지만 FCM은 비교사 클러스터링으로 특징값이 비슷한 데이터들로 클러스터를 형성하기 때문에 생성된 부분공간에 분류기를 적용할 경우 오류값을 최소화할 수 있다는 보장은 없다. | |
클러스터링은 어디에 사용되는가? | 클러스터링은 대표적인 비교사 학습 방법의 하나로 균일한 특성을 가지는 데이터를 군집으로 묶기 위해 사용된다. 균일한 특성을 가지는 데이터 부분집합을 문맥으로 정의하고 문맥 내에서 국부적으로 분류를 행하는 융합 방법이 사용되고 있지만 클러스터링은 비교사 학습 방법이라는 한계로 인해 클러스터링 결과로 만들어지는 문맥이 분류에 있어 최선임을 보장하기 어렵다. | |
본 논문에서는 어떤 문제를 해결하기 위해 WCD-FC가 제안되었나? | 클러스터링은 대표적인 비교사 학습 방법으로서 다양한 분야에 적용되고 있으며 융합을 위한 문맥 결정도 그 중 하나이다. 하지만 클러스터링은 비교사 학습 방법이고 융합은 교사 학습 방법이므로 비교사 학습 방법의 결과를 교사 학습을 위해 적용하는 것은 최적의 결과를 보장하기 어렵다. 따라서 이 논문에서는 기존에 널리 사용되는 클러스터링 알고리듬인 FCM에 분류 오류를 최소화하는 제약 조건을 첨가하여 WCD-FC을 제안하였다. |
L. A. Zadeh, "Fuzzy sets, " Information and Control, Vol. 8, No. 3, pp. 338-353, June 1965.
E. H. Ruspini, "A new approach to clustering, " Information and Control, Vol. 15, No. 1, pp. 22-32, July 1969.
Rui Xu and Donald Wunsch II, "Survey of Clustering Algorithms, " IEEE Transactions on Neural Networks, Vol. 16, No. 3, pp. 645-678, May 2005.
J. C. Dunn, "A fuzzy relative of the ISODATA process and its use in detecting compact well separated clusters, " Journal of Cybernetics, Vol. 3, No. 3, pp. 32-57, Apr. 1974.
J. C. Bezdek, "Pattern Recognition with Fuzzy Objective Function Algorithms, " Plenum, New York, 1981.
G. Heo, P. Gader and H. Frigui, "A Noise Robust Variant of Context Extraction for Local Fusion, " Proceedings of 2010 IEEE International Conference on Fuzzy Systems, pp. 1-6, 2010.
A. M. Bensaid, "Partially supervised clustering for image segmentation, " Pattern Recognition, Vol. 29, No. 5, pp. 859-871, May 1996.
A. M. Martinez and A. C. Kak, "PCA versus LDA, " IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23 No. 2, pp. 228-233, Feb. 2001.
D. E. Gustafson and W. C. Keller, "Fuzzy clustering with a fuzzy covariance matrix, " Proceedings of the 1978 IEEE Conference on Decision and Control, pp. 761-766, 1979.
R. Babuska, P. J. van der Veen and U. Kaymak, "Improved Covariance Estimation for Gustafson-Kessel Clustering, " Proceedings of the 2002 IEEE International Conference on Fuzzy Systems, pp. 1081-1085, 2002.
Gomes, Ryan, Andreas Krause, and Pietro Perona. "Discriminative clustering by regularized information maximization, " Advances in Neural Information Processing Systems, Vol. 23 pp. 775-783, 2010.
K. Zhang, I. W. Tsang and J. T. Kwok, "Maximum Margin Clustering Made Practical, " IEEE Transactions on Neural Networks, Vol. 20, No. 4, pp. 583-596, Apr. 2009.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.