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
- 그러나 데이터를 분할하기 위해 획득한 추가적인 정보가 항상최적의 데이터 분할을 제공하지는 않으며, 전문가가 정한 데이터 분할 기준올 사용할 경우 전문가가 데이터에 나타나는 변화가운데 어떤 것을 분할의 기준으로 간주하느냐에 따라서 키그래프가 Chance를 찾아내지 못할 수도 있다. 따라서 본 논문에서는 진화 알고리즘올 이용하여 Chance를 발견하기 위한 최적의 데이터 분할을 찾는 방법을 제안한다.
- 또 최종적으로 선택된 유전자가 키그래프의 성눙을 향상시키는지 평가하기 위하여 실험 참가자가 방문한 장소의 Unusualness를 평가하고 적합도가 높은 데이터 분할을 키그래프에 적용할 경우 Chance에 해당하는 장소를 발견하는 성능이 향상되는지 살펴보았다. 실험에 사용된 유전자 알고리즘의 교차율은 0.
- 키그래프 알고리즘이 Chance에 해당하는 데이터를 잘 찾아내기 위해서는 먼저키그래프를 적용하기 위한 데이터가 주외 깊게 선택되어야 하며 데이터에 발생하는 변화를 기준으로 데이터를 분할함으로써관계가 있는 데이터들끼리 클러스터를 형성하도록 해야 한다. 본 논문에서는 유전자 알고리즘을 바탕으로 데이터를 분할하여 키그래프가 Chance를 발견하는 능력을 향상시키는 방법을제안한다.
- 본 논문에서는 제안하는 방법의 가능성을 보여주기 위해서 스마트폰에서 수집한 방문 장소 데이터를 대상으로 실험을 진행하여 Chance에 해당하는 장소를 추출하는 것을 보인다. 프로그램은 VC++ 6.
- 본 논문에서는 키그래프 알고리즘에 유전자 알고리즘을 적용하여 키그래프 알고리즘의 성능을 향상시키려고 시도하였다. 제안하는 방법의 가능성을 보이기 위하여 모바일 기기의 사용자가 방문한 장소 데이터를 대상으로 유전자 알고리즘을 적용하여 진화를 수행하기 전보다 진화한 이후에 키그래프의 성능이 향상됨을 보였다.
- 적합도가 높은 유전자를 찾기 위해서 유전자가 의미하는 데이터 분할을 이용하여 키그래프를 실행하고 실행 결과의 적합도를 평가한다. 최종적으로 적합도가 가장 높은 유전자를 선택하여 선택된 유전자가 실제로키그래프가 Chance를 발견하는 능력올 향상시키는지 평가한다. 여기서 유전자 알고리즘을 사용하는 이유는 그것이 방대한 탐색 공간에서 최적의 해룰 찾기에 적합한 방법이기 때문이다만약 100개의 데이터가 존재한다면 이 데이터를 분할하는 방법의 수는 총 2*100 개이며, 만약 1000개의 데이터가 있다면 이데이터를 분할하는 방법의 수는 2^1000 개가 있게 된다.
가설 설정
- 따라서 키그래프의 실행 결과로 나온 Column 값의 총합이 클수록 유전자의 적합도가 높다고 가정할 수 있다. 다음 공식 (1)은 Column 값을 계산하는 방법울 간략하게 나타내고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.