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 SOM 기반 시공간 데이터 마이닝 시스템을 구현하고 그 성능올 다른 세 가지 알고리즘들과 비교 평가하였다. 균질도, 분리도, 반면 영상너비와 같이 입력 데이터의 시공간 속성을 고려하지 않는 외적기준에서는 K-means와 구현된 SOM 기반 모듈이 비슷한 성능을 보였으나, 가시화를 통해 데이터 속성에 따른 클러스터링 정확도를 확인한 결과 구현된 SOM 기반 모듈이 우수한 성능을 나타냄을 알 수 있었다.
- 본 논문에서는 SOM을 기반으로 시공간 클러스터링 시스템을 구현하고 이의 성능을 분석하였다. 개발된 시스템은 [그림 1]과 같이 크게 데이터 생성기, 데이터베이스, 전처리 모듈, SOM 기반 클러스터링 모듈, 가시화 모듈로 구성된다.
- 본 논문에서는 시공간 데이터 처리에 필수적인 사전 처리의 부담을 덜고 입력 데이터의 속성을 평가 목적에 알맞게 설정하기 위하여 실제 응용 시스템 데이터가 아닌 GSTD(Generate Spaio-Temporal Data) 시공간 데이터 생성기를 이용하였다. GSTD 는 시공간 데이터베이스 통합 벤치마킹 시스템으로써 웹 상에서 다양한 형태와 움직임의 시공간 데이터를 XML 형태로 생성하도록 지원한다[5].
- 본 논문에서는 시공간 데이터의 특성과 클러스터링 결과를 더욱 쉽고 정확하게 나타내기 위하여 가시화 모듈을 구현하였다. 구현된 가시화 모듈의 특성은 다음과 같다.
- 방향.속도의 복합 속성에 대해 알고리즘의 성능을 평가할 수 있도록 생성하였다. 첫 번째 그룹은 방향 속성에만 차이를 준 D1 ~D6, 두 번째 그룹으로 속도에만 차이를 준 데이터세트 D7~D16, 마지막으로 복합 시공간 속성을 지닌 이동 객체 그룹인 D17의 세 종류 데이터를 생성하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.