정보과학회 논문지 B : 소프트웨어 및 응용
Current Result Document : 21 / 22
| 한글제목(Korean Title) |
K-NN과 최대 우도 추정법을 결합한 소프트웨어 프로젝트 수치 데이터용 결측값 대치법 |
| 영문제목(English Title) |
A Missing Data Imputation by Combining K Nearest Neighbor with Maximum Likelihood Estimation for Numerical Software Project Data |
| 저자(Author) |
이동호
윤경아
배두환
Dong-Ho Lee
Kyung-A Yoon
Doo-Hwan Bae
|
| 원문수록처(Citation) |
VOL 36 NO. 04 PP. 0273 ~ 0282 (2009. 04) |
한글내용
(Korean Abstract) |
소프트웨어 프로젝트 데이터를 이용한 각종 분석·예측 모델 생성시 직면하는 문제 중 하나는 데이터에 포함된 결측값이며 이에 대한 효과적인 방안은 결측값 대치법이다. 대표적인 결측값 대치법인 K 최근접 이웃 대치법은 대치과정에서 결측값을 포함하는 인스턴스의 관측정보를 활용하지 못한다는 단점이 있다. 본 연구에서는 이러한 단점을 극복하기 위해 K 최근접 이웃 대치법과 최대 우도 추정법을 결합한 새로운 소프트웨어 프로젝트 수치 데이터용 결측값 대치법을 제안한다. 또한 결측값 대치법의 정확도를 비교하기 위한 새로운 측도를 함께 제안한다.
|
영문내용
(English Abstract) |
Missing data is one of the common problems in building analysis or prediction models using software project data. Missing imputation methods are known to be more effective missing data handling method than deleting methods in small software project data. While K nearest neighbor imputation is a proper missing imputation method in the software project data, it cannot use non-missing information of incomplete project instances. In this paper, we propose an approach to missing data imputation for numerical software project data by combining K nearest neighbor and maximum likelihood estimation; we also extend the average absolute error measure by normalization for accurate evaluation. Our approach overcomes the limitation of K nearest neighbor imputation and outperforms on our real data sets.
|
| 키워드(Keyword) |
결측값 대치법
K 최근접 이웃 대치법
최대 우도 추정법
소프트웨어 프로젝트 데이터
missing data imputation
K-NN
maximum likelihood estimation
software project data
|
| 파일첨부 |
PDF 다운로드
|
