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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지(B) 정보과학회논문지(B) 제24권 제9호
발행연도
1997.9
수록면
986 - 994 (9page)

이용수

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

초록· 키워드

오류제보하기
최근접 이웃 알고리즘(nearest neighbor algorithm)은 새로운 개체의 속성(attribute)값을 예측하기 위하여 이미 저장하고 있는 개체중에서 유사한 것을 선택하여 그 값을 예측하는 것이다. 이 알고리즘은 이미 여러 분야에서 그 유용성을 검증 받았으며 기계학습분야에서도 최근 널리 사용 되고있다. 하지만 지금까지 개발된 최근접 이웃 알고리즘은 몇 가지의 제한된 데이타 형태에만 적용될 수 있는 단점이 있다. 본 연구는 최근접 이웃 알고리즘의 적용범위를 확대하여 관계형 데이타베이스에서 적용될 수 있는 새로운 알고리즘을 정보이론(information theory)의 엔트로피(entropy) 함수를 이용하여 정의하고자 한다. 제안된 알고리즘은 각 속성의 중요도에 따라서 가중치를 자동으로 부과하고, 관계형 데이타베이스의 모든 속성에 대하여 자료의 근접도(similarity measure)를 계산할 수 있게 하였다. 개발된 알고리즘은 실제 데이타베이스를 이용하여 테스트하였고, 기계학습 분야에서 널리 사용되는 ID3 및 역전파 (back-propagation) 신경망들과 그 성능을 비교하였다.

목차

요약

Abstract

1. 서론

2. 연구 배경

3. 데이타베이스에서의 유사도

4. 유사도의 계산

5. 알고리즘의 설명

6. 실험 결과

7. 결론

참고문헌

참고문헌 (0)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017748439