지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.5
- 수록면
- 463 - 473 (11page)
- DOI
- 10.7465/jkdi.2021.32.3.463
이용수
초록· 키워드
오류제보하기
일반적으로 SVM (support vector machine)은 높은 수준의 분류 정확도와 유연성을 바탕으로 다양한 분야의 분류분석에서 널리 사용되고 있다. 그러나 SVM은 최적화 계산식이 이차계획법(quadratic programming)으로 공식화되어 많은 계산 비용을 필요로 한다. 따라서 컴퓨터 메모리 능력의 제한으로 SVM을 활용한 대용량 자료의 분류분석은 불가능하다. 이러한 문제점을 해결하기 위하여 본 논문에서는 분할정복 (divide and conquer) 알고리즘을 활용한 SVM(DC-SVM) 분류기법을 제안한다. DC-SVM은 먼저 전체 훈련자료를 몇 개의 부분집합으로 무작위로 분할 (divide)한 후, 각각의 부분집합에 대하여 SVM 분류함수를 추정하고, 이들의 결과를 통합 (conquer)하여 최종적인 분류함수를 추정하는 기법이다. 본 논문에서는 모의실험과 실제자료 분석을 통해 제안한 DC-SVM의 효율적인 성능과 활용 가능성을 확인하였다.
목차
요약
1. 머리말
2. 분할정복 서포트 벡터 머신
3. 모의실험
4. 실제 자료분석
5. 결론
References
Abstract
참고문헌 (17)
참고문헌 신청
방성완 / 2020 / 대용량 자료의 분석을 위한 분할정복 커널 분위수 회귀모형 / 응용통계연구 33(5):569~578
Brieman, L. / 1996 / Bagging predictors / Machine Learning 26:123~140
Chen, X. / 2019 / Quantile regression under memory constraint / Annals of Statistics 47:3244~3273
Chen, X. / 2014 / A split-and-conquer approach for analysis of extraordinarily large data / Statistica Sinica 24:1655~1684
Chen, L. / 2020 / Quantile regression in big dagta : A divide and conquer based strategy / Computational Statistics and Data Analysis 144:1~17
Brieman, L. / 1996 / Bagging predictors / Machine Learning 26:123~140
Chen, X. / 2019 / Quantile regression under memory constraint / Annals of Statistics 47:3244~3273
Chen, X. / 2014 / A split-and-conquer approach for analysis of extraordinarily large data / Statistica Sinica 24:1655~1684
Chen, L. / 2020 / Quantile regression in big dagta : A divide and conquer based strategy / Computational Statistics and Data Analysis 144:1~17
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
불균형의 대용량 범주형 자료에 대한 분할-과대추출 정복 서포트 벡터 머신
응용통계연구
2022 .04
-
그룹변수를 포함하는 불균형 자료의 분류분석을 위한 서포트 벡터 머신
응용통계연구
2016 .08
-
Deep LS-SVM for regression
한국데이터정보과학회지
2016 .06
-
Weighted L1 Multicategory Support Vector Machines for Unbalanced Cases
Journal of The Korean Data Analysis Society
2015 .01
-
LS-SVM for large data sets
한국데이터정보과학회지
2016 .04
-
Comparative Study of the Performance of Support Vector Machines with Various Kernels
East Asian Mathematical Journal
2021 .01
-
머신러닝을 활용한 설문조사 불성실응답 판별
Journal of The Korean Data Analysis Society
2020 .01
-
표정 분류 연구
응용통계연구
2018 .10
-
Multiclass LS-SVM ensemble for large data
한국데이터정보과학회지
2015 .12
-
태아심박동 자료를 위한 분류기법들의 비교에 관한 연구
Journal of The Korean Data Analysis Society
2015 .01
-
The use of support vector machines in semi-supervised classification
CSAM(Communications for Statistical Applications and Methods)
2022 .03
-
엘라스틱 넷 벌점항을 이용한 비선형 지지벡터기계의 변수선택
한국데이터정보과학회지
2023 .01
-
Land cover classification analysis of volcanic island in Aleutian Arc using an artificial neural network (ANN) and a support vector machine (SVM) from Landsat imagery
Geosciences Journal
2018 .01
-
Kernel-Trick Regression and Classification
CSAM(Communications for Statistical Applications and Methods)
2015 .03
-
기계학습 기법에 따른 KOMPSAT-3A 시가화 영상 분류 - 서울시 양재 지역을 중심으로 -
대한원격탐사학회지
2020 .01
-
기계학습을 이용한 지진 취약성 평가 및 매핑: 9.12 경주지진을 대상으로
대한원격탐사학회지
2020 .01
-
Sentinel-2 위성영상을 이용한 DMZ 산불 피해 면적 관측 기법 연구
대한원격탐사학회지
2022 .10
-
베이즈 정보 기준을 활용한 분할-정복 벌점화 분위수 회귀
응용통계연구
2022 .04
-
작물분류에서 기계학습 및 딥러닝 알고리즘의 분류 성능 평가: 하이퍼파라미터와 훈련자료 크기의 영향 분석
대한원격탐사학회지
2018 .01
-
대용량 자료의 분석을 위한 분할정복 커널 분위수 회귀모형
응용통계연구
2020 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Incremental Linear Discriminant Analysis for Streaming Data Using the Minimum Squared Error Solution
이경훈
,
박정희
Journal of KIISE
2018
.01
머신러닝 기반 악성코드 분류를 위한 재귀적 속성 추출 알고리즘
변지윤
,
김대호
,
김희철
외 1명
한국컴퓨터정보학회논문지
2021
.02
An Efficient and Differentially Private K-Means Clustering Algorithm Using the Voronoi Diagram
홍대영
,
심규석
Journal of KIISE
2020
.09
다중 레이블 나이브 베이즈 분류를 위한 새로운 사후확률 추정 방법에 관한 연구
김해천
,
이재성
한국컴퓨터정보학회논문지
2018
.06
누수 잡음 크기 스펙트럼을 이용한 SVM 기반의 상수관로 누수 감지 및 분류
최준규
,
임성빈
전자공학회논문지
2023
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-041-001749483