비계층 군집분석을 위한 커널함수 기반 군집화 유효성 지수 개발 = A New Cluster Validity Index Based on Kernel Functions for Non-hierarchical Clustering Analysis
저자
발행사항
광주 : 전남대학교, 2021
학위논문사항
학위논문(석사)-- 전남대학교 : 산업공학과 2021. 8
발행연도
2021
작성언어
한국어
주제어
DDC
670.42
발행국(도시)
광주
형태사항
55 ; 26 cm
일반주기명
지도교수: 정영선
UCI식별코드
I804:24010-000000065300
소장기관
군집분석은 데이터에 내재된 패턴을 발견하고 여러 개의 동질적인 집단으로 분할하는 기법으로 제조 공정, 패턴인식, 생명과학, 경영학 등 다양한 분야에서 사용되고 있다. 대부분의 현실 세계 문제에서 사전에 최적 군집 수가 제공되지 않아 군집결과를 평가하는데 어려움이 있다. 따라서 군집화 유효성 지수(Cluster Validity Index; CVI)는 군집결과의 유효성을 평가하는 중요한 척도가 된다. 그러나 기존에 알려진 CVI는 고차원 데이터나 군집의 형태가 불분명한 비대칭, 임의현상, 노이즈, 부분 군집 등의 특성을 가지는 경우 정확한 군집 수를 추정하지 못한다는 단점을 가지고 있다. 이에 본 논문에서는 취약하다고 알려진 데이터 뿐 아니라 다양한 특성을 가지는 수치형 자료에서도 비계층적 군집분석의 결과를 효과적으로 검증할 수 있는 새로운 CVI를 개발하고자 한다. 새로운 CVI를 개발하기 위해 거리 개념을 사용하는 Dunn(DU), Calinski and Harabasz(CH), Davies-Bouldin(DB) 지수를 이용하였다. 제안하는 새로운 CVI는 서포트 벡터 데이터 표현(Support Vector Data Description; SVDD) 방법의 커널함수를 활용하여 고차원 특징공간에서 CVI가 계산되도록 설계하였다. 새로운 CVI는 형태가 불분명한 저차원 데이터와 다양한 특성을 가지는 수치형 데이터를 이용하여 유효성을 평가를 진행하였으며 기존 CVI와의 정량적인 평가를 통해 향상된 추정 성능을 확인하였다. 따라서 본 연구에서 사용한 3가지 CVI 이외에 거리를 기반으로 하는 지수에 특징공간 개념을 적용한다면 보다 다양한 문제에 적용시킬 수 있는 여러 CVI를 개발할 수 있을 것으로 기대된다.
더보기Clustering analysis is one of the methods of discovering the inherent patterns and partitioning data into several homogeneous groups, and is used in various fields such as manufacturing processes, pattern recognition, life science, and management. In real-world problems, it is difficult to know the optimum number of clusters for a given dataset a priori. Hence, cluster validity indices (CVIs) measuring the fitness of partitions produced by clustering algorithms are important criteria to evaluate the goodness of clustering results. However, many CVIs suffer from asymmetric, arbitrary, noise, and sub-cluster shape of clusters, especially for high-dimensional dataset. Therefore, this paper proposes new CVIs in feature space for Non-hierarchical clustering analysis, which the proposed CVIs transform arbitrary shape of clusters into elliptical or circular clusters by using kernel functions of Support Vector Data Description(SVDD). The new CVIs are developed well known indices include Dunn(DU), Calinski and Harabasz(CH), Davies-Bouldin(DB), which can be calculated based on distance measure. The experimental results show that the proposed CVIs have a good performance to estimate the optimum number of clusters for lower-dimensional and unique characteristic dataset. This research is expected to used to develop other CVIs which is based on distance measure and can be applied to prove clustering results.
더보기서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)