정보이득 분할을 이용한 분류기법의 지배적 초월평면 생성기법 (A dominant hyperrectangle generation technique of classification using IG partitioning)

서지정보

· 발행기관 : 한국컴퓨터정보학회
· 수록지 정보 : 한국컴퓨터정보학회논문지 / 19권 / 1호 / 149 ~ 156페이지
· 저자명 : 이형일

초록

중첩형 일반화 사례 (NGE, Nested Generalized Exemplar) 기법은 거리 기반 분류를 최적 일치 규칙으로 사용하며, 노이즈에 대한 내구력을 증가시켜 주는 동시에 모델 크기를 감소시키는 장점이 있다. NGE 학습 중 생성된교차(cross)나 중첩(overlap) 현상은 분류성능을 저해하는 요인으로 작용한다. 따라서 본 논문은 NGE 학습 중 생성된교차나중첩현상이발생한초월평면에대해상호정보가가장큰구간을분리하여, 새로운초월평면을구성하게하여, 분류성능 향상시키고 초월평면의 개수를 감소시키는 기법인 DHGen(Dominant HyperrectangleGeneration) 알고리즘을 제안하였다. 제안한 DHGen은 분류성능면에서 kNN과 유사하고 NGE이론으로 구현한EACH보다우수함을UCI Machine Learning Repository에서벤치마크데이터를발췌한실험자료로입증하였다.

영어초록

NGE(Nested Generalized Exemplar Method) can increase the performance of the noisy data atthe same time, can reduce the size of the model. It is the optimal distance-based classificationmethod using a matching rule. NGE cross or overlap hyperrectangles generated in the learning hasbeen noted to inhibit the factors. In this paper, We propose the DHGen(Dominant HyperrectangleGeneration) algorithm which avoids the overlapping and the crossing between hyperrectangles,uses interval weights for mixed hyperrectangles to be splited based on the mutual information. TheDHGen improves the classification performance and reduces the number of hyperrectangles byprocessing the training set in an incremental manner The proposed DHGen has been successfully shown to exhibit comparable classificationperformance to k-NN and better result than EACH system which implements the NGE theoryusing benchmark data sets from UCI Machine Learning Repository.

참고자료

· 없음