정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
컨셉 변동 스트리밍 데이터를 위한 적응적 가중치 조정을 이용한 동적 앙상블 방법 |
| 영문제목(English Title) |
A Dynamic Ensemble Method using Adaptive Weight Adjustment for Concept Drifting Streaming Data |
| 저자(Author) |
김영덕
박정희
Young-Deok Kim
Cheong Hee Park
|
| 원문수록처(Citation) |
VOL 44 NO. 08 PP. 0842 ~ 0853 (2017. 08) |
한글내용
(Korean Abstract) |
스트리밍 데이터는 시간에 따라 지속적으로 생성되는 데이터 시퀀스이다. 시간이 지남에 따라 데이터의 분포 또는 컨셉이 변화할 수 있으며, 이러한 변화는 분류 모델의 성능을 저하시키는 요인이 된다. 점층적 적응적 학습 방법은 컨셉 변화의 정도에 따라 현재 분류 모델의 가중치를 조절하여 업데이트를 수행함으로써 컨셉 변화에 대한 분류 모델의 성능을 유지할 수 있게 한다. 그러나, 컨셉 변화의 정도에 맞는 적절한 가중치를 결정하기가 어렵다는 문제점이 있다. 본 논문에서는 컨셉 변화에 따른 적응적 가중치 조정에 기반한 동적 앙상블 방법을 제안한다. 실험 결과는 제안한 방법이 다른 비교 방법들에 비해 높은 성능을 보여줌을 입증한다.
|
영문내용
(English Abstract) |
Streaming data is a sequence of data samples that are consistently generated over time. The data distribution or concept can change over time, and this change becomes a factor to reduce the performance of a classification model. Adaptive incremental learning can maintain the classification performance by updating the current classification model with the weight adjusted according to the degree of concept drift. However, selecting the proper weight value depending on the degree of concept drift is difficult. In this paper, we propose a dynamic ensemble method based on adaptive weight adjustment according to the degree of concept drift. Experimental results demonstrate that the proposed method shows higher performance than the other compared methods.
|
| 키워드(Keyword) |
컨셉 변동
스트리밍 데이터
적응적 점층적 학습
동적 앙상블
concept drift
streaming data
adaptive incremental learning
dynamic ensemble
|
| 파일첨부 |
PDF 다운로드
|
