지지 벡터 머신을 이용한 다변수 결정 트리

강선구; 이병우; 나용찬; 조현성; 윤철민; 양지훈

추천

검색

질문

자료유형: 학술대회자료

저자정보: 강선구 이병우 나용찬 조현성 윤철민 양지훈

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2006 가을 학술발표논문집 제33권 제2호(B)

발행연도: 2006.10

수록면: 278 - 283 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

결정 트리는 큰 가설 공간을 가지고 있어 유연하고 강인한 성능을 지닐 수 있다. 하지만 결정트리가 학습데이터에 지나치게 적응되는 경향이 있다. 학습데이터에 과도하게 적응되는 경향을 없애기 위해 몇몇 가지 치기 알고리즘이 개발되었다. 하지만, 데이터가 속성 축에 평행하지 않아서 오는 공간 낭비의 문제는 이러한 방법으로 해결할 수 없다. 따라서 본 논문에서는 다변수 노드를 사용한 선형 분류기를 이용하여 이러한 문제점을 해결하는 방법을 제시하였으며, 결정트리의 성능을 높이고자 지지 벡터 머신을 도입하였다(SVMDT).
본 논문에서 제시한 알고리즘은 세 가지 부분으로 이루어졌다. 첫째로, 각 노드에서 사용할 속성을 선택하는 부분과 둘째로, ID3를 이 목적에 맞게 바꾼 알고리즘과 마지막으로 기본적인 형태의 가지치기 알고리즘을 개발하였다. UCI 데이터 셋을 이용하여 OC1, C4.5, SVM과 비교한 결과, SVMDT는 개선된 결과를 보였다.

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

강선구

소속기관 한국정보과학회

주요연구분야 공학 > 컴퓨터학

논문수 1 이용수 88

이병우

소속기관 한화시스템

주요연구분야 공학 > 컴퓨터학

논문수 5 이용수 437

나용찬

소속기관 한국정보과학회

주요연구분야 공학 > 컴퓨터학

논문수 2 이용수 147

조현성

소속기관 한국과학기술원

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 재료·에너지공학 > 재료공학

논문수 21 이용수 693

윤철민

소속기관 한국정보과학회

주요연구분야 공학 > 컴퓨터학

논문수 3 이용수 127

양지훈

소속기관 제주대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 공학 > 기계공학 > 자동차공학

논문수 35 이용수 7,627

이 논문과 함께 이용한 논문

Minimizing the Co-channel Interference in WLAN Systems

Feng Zhou , Jeongho Kim , Yonghoon Choi 외 3명 한국정보과학회 학술발표논문집 2011 .06

전술환경을 고려한 OSPF 적용방안 연구

이승환 , 신동욱 , 이승형 한국정보과학회 학술발표논문집 2011 .06

무선 센서 네트워크에서 on-demand 방식의 클러스터링 기법

김환 , 안상현 한국정보과학회 학술발표논문집 2011 .06

Virtual Network for IPTV Service

Biao Song , Mohammad Mehedi Hassan , Eui-Nam Huh 한국정보과학회 학술발표논문집 2011 .06

다중 채널 다중 라디오 Wi-Fi 메쉬 네트워크에서 스케줄링 MAC 프로토콜

무악단 , 정한유 한국정보과학회 학술발표논문집 2011 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-017397936

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)