메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
양혜리 (금오공과대학교) 윤희용 (금오공과대학교)
저널정보
한국정보기술학회 Proceedings of KIIT Conference 한국정보기술학회 2018년도 하계공동학술대회 및 대학생논문경진대회 [2개 학회 공동개최]
발행연도
2018.6
수록면
315 - 318 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Dimensionality reduction 방식은 머신러닝을 수행할 때 메모리와 디스크 사용에 대한 비용을 줄일 수 있고 더 좋은 점은 머신이 학습하는 시간을 단축할 수 있다. 더 빠른 결과를 볼 수 있고 성능이 좋은 머신러닝 시스템을 만들 수 있게 된다. Dimensionality reduction 방식 중 Principal Component Analysis(PCA)는 변수들을 주성분(Principal Compoenet)이라 부르는 선형적인 상관관계가 없는 다른 변수들로 재 표현한다. PCA는 차원 축소에 대한 unsupercised 접근 방식이며 다 변수 데이터 집합의 변수 수를 대표 변수의 더 작은 집합으로 줄이기 위해 광범위 하게 적용된다. 본 논문에서는 PCA 알고리즘을 사용하여 특정한 dataset에 대한 dimensionality reduction을 수행한 다음 k-means clustering 알고리즘을 이용해 성능을 향상시키는 방법을 제안한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 구현 및 결과분석
Ⅲ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

PCA 기반 API Call 정보의 차원 축소를 통한 경량화된 안드로이드 악성코드 분류 모델
전동하 ,  이수진 한국컴퓨터정보학회논문지 2022 .11
Real-time Moving Object Detection Based on RPCA via GD for FMCW Radar
Huy Toan Nguyen ,  Gwang Hyun Yu ,  Seung You Na 외 2명 한국정보기술학회논문지 2019 .06
[인공지능, 신경망 및 퍼지시스템] 특정 화자 대화생성을 위한 이중 정책망 강화학습
이창환 전자공학회논문지 2019 .04
머신러닝을 이용한 지능형 악성코드 분석기술 동향
이태진 정보보호학회지 2018 .04
머신러닝 모델링을 위한 웹 기반 위성영상 데이터 전처리 자동화 시스템 설계 및 구현
이건우 ,  염재홍 대한공간정보학회지 2018 .03

최근 본 자료

전체보기

댓글(0)

0