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
이종찬 (청운대학교)
저널정보
한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제25권 제10호
발행연도
2024.10
수록면
2,879 - 2,887 (9page)
DOI
10.9728/dcs.2024.25.10.2879

이용수

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

초록· 키워드

오류제보하기
본 논문은 앙상블을 기반으로 하는 에이다부스트(Adaboost) 알고리즘이 약한 분류기에서 강한 분류기로 점진적으로 학습되는 과정에 대해 살펴본다. 이 과정에서 가장 중요한 부분은 약한 분류기를 구성하는 부분이다. 이에 대해 본 논문은 일반적으로 널리 사용되는 CART 알고리즘과 함께, 분류와 회귀 분야에서 오랫동안 사용되어왔던 LDA 알고리즘을 가지고 결정트리를 구성하는 방법을 알아본다. 그리고 이들 2가지 결정트리를 에이다부스트의 모델에 적용하고 학습 데이터를 이 모델에 입력하여 결과를 알아 보았다. 그리고 LDA의 성능이 기존의 CART 접근 방식보다 다소 개선된 것을 확인하였다. 이러한 결과는 학습 과정에서 결정 트리의 각 노드는 분류면을 나타내는데, CART는 속성 축에 직교하는 분류면을 형성하는 반면 LDA는 속성 축과 관련 없이 임의의 각도를 가지는 분류면을 형성한다는 점, 즉 노드 구조의 차이 때문으로 해석된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 배경
Ⅲ. CART와 LDA 결정트리를 약한 학습기로 사용하는 에이다부스트
Ⅳ. 실험
Ⅴ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-091059343