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
- 따라서 본 논문에서는 의료 데이터, 생체인식 데이터, 생물정보 데이터 등과 같이 클래스 수에 비해 상대적으로 한 클래스 내의 데이터 수가 많지 않은 문제에서도 좋은 일반화 성능을 낼 수 있는 노이즈에 강인한 SVM 다중 분류기를 설계하는 방법을 제안한다.
- 본 논문에서는 분류 대상 클래스의 수는 많고 클래스 내의 데이터 수가 적은 경우에도 노이즈에 강인한 일반 화 능력을 보이는 SVM 다중 클래스 분류기의 설계 방법을 제안하였다. 실험에서 기존의 OVA 보다 적당한 K 값 에서 높은 일반화 성능을 보인 것은 데이터의 수가 제한 적이어서 SVM을 학습시키기에 불충분할 때, 데이터가 가진 정보를 극대로 활용하여 SVM을 학습시켰기 때문이 라고 해석할 수 있다.
- 이러한 문제점을 해결하기위해 본 논문에서는 두테이 터 쌍 간의 유사도를 결정하는 함수를 SVM으로 학슙시 켜 다중 클래스의 분류에 이용하는 방법을 제안한다. 제안한 방법은 1개의 SVM으로 모든 클래스를 분류할 수 있으며, SVM을 학습할 때 사용하는 데이터의 수가 늘어 나므로 학습 셋으로부터 분류 시 필요한 통계적 정보를 최대한 활용하는 시스템을 만들 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.