| 한글제목(Korean Title) |
데이터스트림에서의 지속성을 고려한 개념 변화 검출 기법 |
| 영문제목(English Title) |
A Concept Drift Detection Method Considering Persistency Properties in Data Streams |
| 저자(Author) |
김만수
임효상
ManSoo Kim
Hyo-Sang Lim
|
| 원문수록처(Citation) |
VOL 34 NO. 02 PP. 0099 ~ 0110 (2018. 08) |
한글내용
(Korean Abstract) |
본 논문은 대용량의 데이터가 실시간으로 삽입되는 데이터스트림 환경에서 효율적이고 정확한 개념 변화 검출 기법을 제안한다. 본 연구는 데이터스트림 환경에서 다중 지수 히스토그램(Multiple Exponential Histogram, MEH)을 사용하여 개념 변화를 검출한 기존의 방법을 확장한다. 기존의 방법은 데이터스트림을 통해 생성된 MEH에 두 개의 슬라이딩 윈도우 방법을 적용한다. 이 경우, 데이터에서 노이즈(noise)가 발생하거나 완만한 개념 변화가 발생하면 정상적인 개념 변화 검출이 어렵다는 단점이 있다. 본 연구는 개념 변화의 일관성과 함께 지속성을 고려하고, 슬라이딩 윈도우 방식을 변형시켜 이 문제를 해결한다. 실험을 통해 제안하는 방법에 대한 효율성과 정확성을 보인다.
|
영문내용
(English Abstract) |
In this paper, we propose an efficient and accurate method for detecting concept drifts in data streams. The proposed method extends our previous work for detecting concept drifts by using Multiple Exponential Histogram(MEH). In the previous work, we have exploited two sliding windows into the MEH which created for input data streams. However, the previous method does not accurately detect concept drifts if there are noises or gradual changes in data streams. We solve these issues with two approaches: 1) considering not only consistency but also persistency properties of concept drifts and 2) adjusting the window sliding method. We also provide the experimental results to show the efficiency and accuracy of the proposed method.
|
| 키워드(Keyword) |
Data Stream
Exponential Histogram
Concept Drift
데이터스트림
다중 지수 히스토그램
개념 변화 검출
|
| 파일첨부 |
PDF 다운로드
|
