클래스 영역의 다차원 구 생성에 의한 프로토타입 기반 분류 (Prototype based Classification by Generating Multidimensional Spheres per Class Area)

서지정보

· 발행기관 : 한국컴퓨터정보학회
· 수록지 정보 : 한국컴퓨터정보학회논문지 / 20권 / 2호 / 21 ~ 28페이지
· 저자명 : 심세용, 황두성

초록

본 논문에서는 최근접 이웃 규칙을 이용한 프로토타입 선택 기반 분류 학습을 제안하였다. 각 훈련 데이터가 대표하는 클래스 영역을 구(sphere)로 분할하는데 최근접 이웃 규칙을 적용시키며, 구의 내부는 동일 클래스 데이터들만 포함하도록 한다. 프로토타입은 구의 중심점이며 프로토타입의 반지름은 가장 인접한 다른 클래스 데이터와가장 먼 동일 클래스 데이터의 중간 거리 값으로 결정한다. 그리고 전체 훈련 데이터를 대표하는 최소의 프로토타입집합을 선택하기 위해 집합 덮개 최적화를 이용하여 프로토타입 선택 문제를 변형시켰다. 제안하는 프로토타입 선택 방법은 클래스 별 적용이 가능한 그리디 알고리즘으로 설계되었다. 제안하는 방법은 계산 복잡도가 높지 않으며,대규모 훈련 데이터에 대한 병렬처리의 가능성이 높다. 프로토타입 기반 분류 학습은 선택된 프로토타입 집합을 새로운 훈련 데이터 집합으로 사용하고 최근접 이웃 규칙을 적용하여 테스트 데이터의 클래스를 예측한다. 실험에서제안하는 프로토타입 기반 분류기는 최근접 이웃 학습, 베이지안 분류 학습과 다른 프로토타입 분류기에 비해 일반화 성능이 우수하였다.

영어초록

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 into spheres withinwhich the data exist from the same class. Prototypes are the center of spheres and their radii arecomputed by the mid-point of the two distances to the farthest same class point and the nearest anotherclass point. And we transform the prototype selection problem into a set covering problem in order to determine the smallest set of prototypes that include all the training data. The proposed prototypeselection method is based on a greedy algorithm that is applicable to the training data per class. Thecomplexity of the proposed method is not complicated and the possibility of its parallel implementation ishigh. The prototype-based classification learning takes up the set of prototypes and predicts the class oftest data by the nearest neighbor rule. In experiments, the generalization performance of our prototypeclassifier is superior to those of the nearest neighbor, Bayes classifier, and another prototype classifier.

참고자료

· 없음