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
- 본 논문에서는 고차원 데이터의 잡음올 제거하는 클러스터링 기법을 제안하였다. 반복적인 2차원 프로잭션을 통하여 고차원데이터의 잡음을 효과적으로 제거하면서 정확한 형태의 클러스터를 탐사할 수 있으며, 또한 클러스터 형성에 관련되는 차원과 관련되지 않는 차원을 식별할 수 있었다、또한, 이러한 클러스터링 결과는 2차원 그래프를 이용하여 시각적으로도 확인이 가능하였다.
- 본 논문에서는 대용량 고차원데이터에서 효과적인 잡음 제거를 위한 클러스터링기법으로 2차원 프로젝션을 제안한다. CLIP은 1차원씩 점진적인 프로젝션을 통하여 클러스터 형성에 연관성이 적은 차원은 제외시키면서 후보영역을 탐색하여 정확한 클러스터의 형태를 찾눈 클러스터링 기법이다.
- 본 논문에서는 효과적인 잡음 감소를 위한 클러스터링 알고리즘으로 k차원의 데이터에서 임의로 두 개의 차원을 선택하여 2차원씩 축-평행한 프로젝션올 반복하며 클러스터를 탐사하는 방법을 제안한다. 고차원 데이터는 상당한 양의 잡음(noise)을 포함하고 있으므로 클러스터링의 효과성이 급격히 저하된다.
- CLIP은 1차원씩 점진적인 프로젝션을 통하여 클러스터 형성에 연관성이 적은 차원은 제외시키면서 후보영역을 탐색하여 정확한 클러스터의 형태를 찾눈 클러스터링 기법이다. 이에 반해본 논문에서는 고차원 데이터에 대해 반복적으로 2차원씩 프로젝션하여 클러스터의 형태를 찾아가는 기법을 적용해서 실세계 데이터에서 클러스터의 형태를 찾는데 있어 효과적으로 잡음 (noise)을 제거시켜 정확한 형태의 클러스터를 얻고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.