지지도 변화 감시를 이용한 효율적 부분 공간 클러스터링 (Efficient Subspace Clustering with Monitoring Support Changes)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 23권 / 1호 / 717 ~ 721페이지
· 저자명 : 박남훈

초록

데이터 마이닝 분야에서 부분 공간 클러스터링은 항상 어려운 문제이다. 실제 응용 환경에서 데이터 스트림에 대한 데이터 마이닝 방법은 실시간으로 변화하는 동적 데이터 스트림 상의 지식을 효율적으로 추출해야 하며, 다차원 스트림의 모든 부분 공간 상의 정보 또한 효율적으로 탐색하여 추출해야 한다. 본 논문에서는 클러스터의 지지도 변화를 예측하는 격자기반 부분 공간 클러스터링을 제안한다. 각 격자셀에서 해당 범위 내의 데이터에 대한 정보가 유지되어, 고밀도 격자셀의 경우 범위를 분할하여 클러스터의 세부 경계를 정교하게 찾아간다. 데이터 스트림의 최근 변경 사항을 신속하게 식별하기 위해 격자셀의 지지도를 모니터링하고 변화를 예측하여 클러스터가 될 격자셀들을 사전 탐지한다. 지지도 예측을 통해 데이터 스트림의 변화를 실시간으로 탐지하여 반영한다. 제안된 방법은 일련의 실험을 통해 다양한 특성을 비교 분석하였으며, 지지도의 변화 속도를 예측하여 기존보다 빠르게 클러스터를 찾을 수 있다.

영어초록

In the field of data mining, subspace clustering is always a difficult problem. In an actual application environment, a data mining method for a data stream should efficiently extract knowledge from a dynamic data stream that changes in real time, and should also efficiently search and extract information from all subspaces of a multi-dimensional stream. This paper proposes grid-based subspace clustering to predict change in cluster support. In each grid cell, information on data within the corresponding range is maintained, and in the case of a high-density grid cell, the range is divided up to precisely find a detailed boundary for the cluster. To quickly identify recent changes in the data stream, the proposed method monitors the support for grid cells and predicts changes in order to detect grid cells that will become clusters. Changes in the data stream are detected and reflected in real time through such support prediction. The proposed method compares and analyzes various characteristics through a series of experiments, and can find clusters faster by predicting the rate of change.

참고자료

· 없음