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
- 학위논문
- 저자정보
- 지도교수
- 宋珠苑
- 발행연도
- 2018
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
자기조직화지도(SOM)는 Kohonen이 제안한 고차원 자료를 저차원 그리드 공간에 축약하여 시각화하는 비지도 학습(unsupervised learning) 신경망(neural network) 모형의 일종이다(Kohonen, 1998). 개체의 시각화에 대한 기존연구로는 ISOM(Interpolating SOM) (Goppert and Rosenstiel, 1997), CI-SOM (Campos and Carpenter, 2000)과 PC-SOM (허명회, 2003) 등이 있다. 이에 엄익현(2003)은 IL-SOM (Interpolating using Likelihood for SOM)을 제안했으며, 이는 개체벡터의 승자노드와 그 인접노드의 중량벡터에 대한 가능도 (likelihood)를 이용하여 그리드 공간상에 개체벡터의 상대적인 위치를 표현한다. 일반적으로 그리드의 종류는 사각형 혹은 육각형을 사용하며, 엄익현(2003)에서는 2차원 그리드 공간에 인접노드와의 구성이 사각형인 경우에 대한 연구를 진행하였는데 가상노드가 없는 비확장형 사각그리드와 가상노드를 통해 확장한 확장형 사각그리드를 구현하였고 개체표현지수(엄익현, 2003)가 가장 작은 그리드의 크기가 개체를 가장 잘 시각화 한다는 결론을 내렸다. 본 논문에서는 인접노드와의 구성이 육각형인 경우에 대하여 비확장형 육각그리드와 가상노드를 통해 확장한 확장형 육각그리드를 구현하였다. 이를 선행연구의 비확장형 사각그리드와 확장형 사각그리드와 비교하였다. 모의실험을 통해 개체표현의 효율성 비교를 진행하고 이 방법들을 집단이 3개인 Iris 자료, 4개인 Crab 자료, 6개인 USAirline 자료에 각각 적용하여 개체표현지수를 가장 작게 하는 그리드의 종류를 확인하고 이를 통해 자료를 시각화 하였다.
목차
제1장 서론제 2 장 SOM과 기본형 IL-SOM2.1 SOM(Self-OrganizingMap)2.2 기본형 IL-SOM(Interpolating using Likelihood-SOM)2.2.1 개체 표현 방향 결정2.2.2 개체 표현 좌표 결정2.2.3 가장자리 노드가 승자노드인 경우의 개체 시각화2.2.4상수β의결정제3장 육각 그리드로의 확장3.1 기본개념 및 배경3.1.1개체표현 방향결정3.1.2개체표현 좌표결정3.1.3 가장자리노드가 승자노드인 경우의 개체시각화3.1.4상수 β의결정제4장 모의실험4.1 모의실험자료4.2 결과4.3 시각화제5장 실제자료분석5.1 Iris자료5.1.1 결과5.1.2 시각화5.2 Crab자료5.2.1 결과5.2.2 시각화5.3 USAirline자료5.3.1 결과5.3.2 시각화제6장 결론참고문헌
최근 본 자료
댓글(0)
0