프로젝션 기반의 데이터 심도를 이용한 군집분석 (Clustering Analysis based on Projection Data Depth)

서지정보

· 발행기관 : 대한공간정보학회
· 수록지 정보 : 대한공간정보학회지 / 25권 / 4호 / 89 ~ 95페이지
· 저자명 : 정명훈, 이정환, 윤홍식, 정운철

초록

본 연구는 프로젝션 기반의 데이터 심도(projection data depth)를 활용하여 군집 분석(clustering analysis) 수행을 위한 새로운 알고리즘을 제안하였다. 군집 분석은 각 공간 객체의 유사성을 측정하여 집단을 분류하는 기술로 공간 데이터 패턴을 식별하기 위하여 사용되어지고 있다. 그러나 유클리드 거리(euclidean distance) 기반의 군집 분석 알고리즘은 신호대 잡음비(signal to noise ratio)가 높으며 식별된 군집에 대하여 affine invariant하지 못한 특성이 있다. 따라서 본 연구는 프로젝션 데이터 심도(projection data depth)를 이용하여 군집 알고리즘을 개발하였다. 제안된 알고리즘과 Mahalanobis 데이터 심도 기반의 알고리즘, 유클리드 거리에 기반한 DBSCAN 알고리즘과 실험 비교 시 향산 된 신호대 잡음비 결과와 affine Invariant 특성을 보였다.

영어초록

This paper proposes a new algorithm for clustering analysis, based on projection data depth. Clustering analysis has been used to discover previously unknown insights from spatial data sets. However, most clustering algorithms, based on Euclidean distance, are not only non-affine invariant, but also sensitive to noises. Unlike many existing clustering algorithms, the proposed algorithm is able to detect coherent clusters after the data sets are affine transformed without changing a parameter. Further, it is robust to noises because data depth can measure centrality as well as outlyingness of the underlying data. The experimental comparison with the leading state-of-the-art alternatives demonstrates that the proposed algorithm outperforms DBSCAN and Mahalanobis data depth algorithm in terms of the robustness to noises and exceeds or matches affine invariance of DBSCAN or Mahalanobis data depth algorithm.

참고자료

· 없음