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
- 시계열 데이터의 노이즈 문제를 극복하기 위하여서 PIP(Perceptually Important Points) 알고리즘으로 데이터의 중요한 지점을 찾아내고, 나머지 데이터를 제어함으로 기존 시계열 데이터가 가지고 있는 노이즈를 제거한다. 노이즈가 제거된 시계열 데이터에서 기존의 Metric이 찾지 못하는 패턴을 찾아내기 위하여 새로운 유사도 Metric을 제안한다.
- 시계열 분석을 위한 방법으로, 시계열 데이터의 패턴을 찾거나 데이터의 유사한 그룹을 찾아내는 시계열 클러스터링 방법이 있다[2,3]. 본 논문은 다른 시간의 시계열 데이터들의 관계를 분석하기 위해 시계열에 시차를 포함하여 클러스터링을 수행하여 데이터들의 패턴을 파악한다. 클러스터링에서는 데이터의 유사도를 비교하기 위한 기준이 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.