최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보처리학회 2011년도 추계학술발표대회, 2011 Nov. 11, 2011년, pp.602 - 605
강일우 (목포대학교 정보전자공학과) , 로네쉬 (목포대학교 정보전자공학과) , 전성민 (목포대학교 정보전자공학과) , 박선 (목포대학교 정보산업연구소) , 이성호 (목포대학교 정보산업연구소) , 나영화 (목포대학교 정보산업연구소) , 배진수 (세종대학교 정보통신공학과) , 정민아 (목포대학교 컴퓨터공학과) , 이연우 (목포대학교 정보통신공학과) , 이성로 (목포대학교 정보전자공학과)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
K- Nearest Neighbor는 어디에 많이 사용되고 있는가? | K- Nearest Neighbor(KNN)은 기억 기반 추론기법중에 하나로 패턴 인식에 많이 사용되고 있다. NN방법은 계산된 거리정보(Manhattan distance(q=1), Euclidean distance (q=2), 등) 중에서 가장 짧은 거리를 갖는 AP의 위치정보를 단말의 위치로 하는 방법이다. | |
Fingerprinting은 어떤 방법인가? | Fingerprinting는 DCM 알고리즘에서 대표적인 기법이라고 할 수 있다. 경험적인 데이터에 기반한 방법으로써 먼저 위치를 측정하고자 하는 지역을 셀 형태로 나누어 각 셀에 대한 신호 값을 조사하여 저장해 놓은 다음 실제 측위 시 저장된 값과 비교하여 위치를 결정하는 방법이다. 데이터 수집단계에서는 위치 측위 대상 지역을 셀 형태로 나누어 각 셀별로 신호 강도 데이터를 기반으로 특정한 알고리즘을 사용하여 실제 위치를 결정한다. | |
SVM의 목적은 무엇인가? | SVM의 목적은 학습 자료를 두 개의 집단으로 구분하는 함수인 초평면(Hyper-plane)을 추정하는 것이다. 이러한 평면은 무수히 존재할 수 있지만 두 집단 사이의 유클 리드 거리(Margin)를 최대화 하도록 제한을 두면 하나의 유일한 평면만이 해가 된다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.