KCC 2021
Current Result Document : 668 / 668
| 한글제목(Korean Title) |
시계열 데이터에 대한 새로운 특징 추출 알고리즘 제시 및 군집화 성능 분석 : RP-CNN Autoencoder과 Wavelet, Autoencoder 비교 |
| 영문제목(English Title) |
Suggesting A New Feature Extraction Algorithm for Time Series Data and Comparing Clustering Performance : RP-CNN Autoencoder vs. Wavelet vs. Autoencoder |
| 저자(Author) |
이원빈
김범석
모상일
심다혜
최영근
Wonbin Lee
Beom Seok Kim
Sang-il Mo
Dahye Shim
Yeongkeun Choi
|
| 원문수록처(Citation) |
VOL 48 NO. 01 PP. 1831 ~ 1833 (2021. 06) |
한글내용
(Korean Abstract) |
시계열 데이터 군집화에 있어 시계열 데이터의 특징을 추출하는 과정은 필수적이다. 군집화에 적용되는 시계열 데이터의 용량 및 차원은 대부분 크고 이는 차원의 저주(Curse of Dimensionality)를 일으키므로 성능 저하의 주원인으로 작용한다. 이에 대한 해결책으로 차원 축소가 제시되지만 과한 차원 축소 기법으로 데이터 특징을 추출하면 정보 손실로 인해 군집화 성능이 오히려 저하될 수 있다. 본 논문은 기존에 사용된 특징 추출 방법인, Wavelet 변환 및 Autoencoder 외에, 라디오 신호 탐지에 적용된 RP-CNN을 일부 변형하여 '시계열 데이터의 이미지화를 통한 특징 추출' 기법인 RP-CNN Autoencoder을 제시하였고 이를 통해 추출한 특징 벡터를 K-Means 알고리즘에 적용하여 군집화 성능을 비교한다. 그 결과, 적은 차원으로 갈수록 RP-CNN Autoencoder가 높은 군집화 성능을 보이는 것을 확인하였고, RP-CNN Autoencoder는 군집화에서 유의미한 특징 추출 벡터를 생성할 수 있음을 알 수 있다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
