정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document :
| 한글제목(Korean Title) |
클래스 초월구를 이용한 프로토타입 기반 분류 |
| 영문제목(English Title) |
Prototype-Based Classification Using Class Hyperspheres |
| 저자(Author) |
이현종
황두성
Hyun-jong Lee
Doosung Hwang
|
| 원문수록처(Citation) |
VOL 05 NO. 10 PP. 0483 ~ 0488 (2016. 10) |
한글내용
(Korean Abstract) |
본 논문은 최근접 이웃 규칙을 이용한 프로토타입을 이용하는 분류 학습을 제안한다. 훈련 데이터가 대표하는 클래스 영역을 초월구로 분할하는데 최근접 이웃규칙을 적용시키며, 초월구는 동일 클래스 데이터들만 포함시킨다. 초월구의 반지름은 가장 인접한 다른 클래스 데이터와 가장 먼 동일 클래스 데이터의 중간 거리 값으로 결정한다. 그리고 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합을 선택하기 위해 집합 덮개 최적화를 이용한다. 제안하는 선택 방법은 클래스 별 프로토타입을 선택하는 그리디 알고리즘으로 설계되며, 대규모 훈련 데이터에 대한 병렬처리가 가능하다. 분류 예측은 최근접 이웃 규칙을 이용하며, 새로운 훈련 데이터는 프로토타입 집합이다. 실험에서 제안하는 방법은 기연구된 학습 방법에 비해 일반화 성능이 우수하다.
|
영문내용
(English Abstract) |
In this paper, we propose a prototype-based classification learning by using the nearest-neighbor rule. The nearest-neighbor is applied to segment the class area of all the training data with hyperspheres, and a hypersphere must cover the data from the same class. The radius of a hypersphere is computed by the mid point of the two distances to the farthest same class point and the nearest other class point. And we transform the prototype selection problem into a set covering problem in order to determine the smallest set of prototypes that cover all the training data. The proposed prototype selection method is designed by a greedy algorithm and applicable to process a large-scale training set in parallel. The prediction rule is the nearest-neighbor rule and the new training data is the set of prototypes. In experiments, the generalization performance of the proposed method is superior to existing methods.
|
| 키워드(Keyword) |
프로토타입 선택
최근접 이웃 규칙
집합 덮개 최적화
그리디 알고리즘
Prototype Selection
Nearest-Neighbor Rule
Set Covering Optimization
Greedy Algorithm
|
| 파일첨부 |
PDF 다운로드
|
