가중 기댓값 최대화 기반 공간 데이터 분석 (Spatial Data Analysis Based on Weighted Expectation Maximization)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 34권 / 6호 / 478 ~ 483페이지
· 저자명 : 박지훈, 김승환, 박헌진

초록

본 연구는 가중 기댓값 최대화(Weighted Expectation-Maximization, WEM) 방법을 적용하여 공간 데이터 분석을 개선하는 새로운 접근법을 제시한다. 이 방법은 다변량 데이터에서설명 변수와 목표 변수 간의 관계를 기반으로 지역을 분류하는 데 있어 정확도 개선을 위해오차를 최소화하도록 기존 기댓값 최대화 알고리즘에 가중치를 추가하였다. 이 연구는 지리적 정보 시스템, 도시 계획, 공공 보건 등 공간 정보가 중요한 역할을 수행하는 다양한 응용분야에서 유용하게 적용될 수 있으며, 특히 소상공인 점포의 매출액을 예측하고 지역적 특성에 따른 매출 패턴을 보다 정밀하게 파악하는 데에도 기여할 수 있다. 부동산 거래 데이터기반 실험을 통해 WEM 방법이 EM 방법과 비교하여 부동산 거래 데이터에서 설명 변수와목표 변수 간의 상호작용을 더 정확히 분석하고 예측하는 데 효과적임을 보여주었다. 향후연구에는 지리적 분포의 영향을 최소화하여 설명 변수와 목표 변수 간의 관계를 더욱 효과적으로 모형화할 방법을 연구할 계획이다.

영어초록

This study introduces a novel approach to enhancing spatial data analysis by applyingthe Weighted Expectation-Maximization (WEM) method. The WEM method augmentsthe traditional Expectation-Maximization (EM) algorithm by incorporating weightsto minimize errors, thereby improving accuracy in classifying regions based on therelationships between explanatory variables and target variables in multivariatedata. The proposed method is applicable in various fields where spatial informationplays a crucial role, such as geographic information systems, urban planning, andpublic health. Specifically, it can contribute to predicting the sales of small businessesand more precisely identifying sales patterns according to regional characteristics.
Experiments using real estate transaction data demonstrated that the WEM methodis more effective than the EM method in accurately analyzing and predicting theinteractions between explanatory variables and target variables within the data.
Future research will focus on developing methods to more effectively model therelationship between explanatory variables and target variables by minimizing theinfluence of geographic distribution.

참고자료

· 없음