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
- 백창룡
- 발행연도
- 2018
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수2
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
시계열 데이터의 분류와 군집화를 효율적으로 수행하기 위해 다양한 시계열 표현 방법들이 제안되었다. Lin 등 (2007)은 PAA(Piecewise Aggregate Approximation)을 이용하여 시계열의 차원을 축소한 후 이산화하는 시계열 표현 방법인 SAX(Symbolic Aggregate approXimation)을 제안하였다. SAX의 성능은 세그먼트의 수(ω)에 의존하지만, ω의 값은 사용자에 의해 임의적으로 결정된다. 또한 모든 세그먼트는 동일한 크기를 가지므로 정보의 손실을 최소화하기 위해서는 세그먼트의 수를 크게 해야 하고, 이는 차원 축소의 효과를 줄인다. 본 논문에서는 PAA 대신 불균형 Haar 웨이블릿 변환을 통해 시계열의 차원을 축소하는 수정된 SAX 방법을 제안한다. 제안한 방법은 불균형 Haar 웨이블릿 변환을 통해 시계열의 국소 평균 수준(local mean level)의 변화에 따라 시계열을 동일하지 않은 크기의 여러 세그먼트로 나누어 주므로 차원 축소를 더 효과적으로 수행할 수 있으며, 모수로서 세그먼트의 수(ω)를 요구하지 않는다. 제안한 방법의 성능을 분류와 군집화를 통해 확인하였다.
목차
제 1 장 서 론 1제 2 장 문헌연구 4제 1 절 SAX(Symbolic Aggregate approXimation) 41.1 PAA(Piecewise Aggregate Approximation) 41.2 SAX(Symbolic Aggregate approXimation) 5제 3 장 방법론 9제 1 절 불균형 Haar 웨이블릿 변환 91.1 불균형 Haar 변환 91.2 불균형 Haar 계수의 임계처리와 불균형 Haar 변환의 역변환 12제 2 절 수정된 SAX 방법 142.1 불균형 Haar 변환을 이용한 수정된 SAX 방법 142.2 거리의 계산 17제 4 장 경험적 평가 18제 1 절 분류 18제 2 절 군집화 25제 5 장 결론 및 논의점 30참 고 문 헌 32ABSTRACT 33
최근 본 자료
댓글(0)
0