논문KCI 등재
개념 변동 고차원 스트리밍 데이터에 대한 차원 감소 방법
Dimension Reduction Methods on High Dimensional Streaming Data with Concept Drift
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
주제분류컴퓨터학
초록
고차원데이터에 대한 차원 감소 기법들은 많이 연구되어져 온 반면, 개념 변동을 가진 고차원 스트리밍 데이터에서 적용할 수 있는 차원 감소 기법에 대한 연구는 제한적이다. 이 논문에서는 스트리밍 데이터에서 적용할 수 있는 점층적 차원 감소 기법들을 살펴보고, 개념 변동 고차원 스트리밍 데이터에 대해 분류 성능을 향상시킬 수 있도록 차원 감소를 효과적으로 적용하는 방법을 제안한다.
Abstract
While dimension reduction methods on high dimensional data have been widely studied, research on dimension reduction methods for high dimensional streaming data with concept drift is limited. In this paper, we review incremental dimension reduction methods and propose a method to apply dimension reduction efficiently in order to improve classification performance on high dimensional streaming data with concept drift.
참고문헌 (19)
- J. Gama, "A survey on concept drift adaptation", ACM Computing Surveys, 46(4), pp.1~37 (2014)
- P. Domingos, "Mining high-speed data streams", Proceedings of International Conference on Knowledge Discovery and Data Mining (2000)
- H. Wang, "Mining concept-drifting data streams using ensemble classifiers", Proceedings of International Conference on Knowledge Discovery and Data Mining (2003)
- J. Z. Kolter, "Dynamic weighted majority : an ensemble method for drifting concepts", Journal of Machine Learning Research, 8, pp.2755~2790 (2007)
- S. Ho, "A martingale framework for detecting changes in data streams by testing exchange ability", IEEE Transactions on Pattern Analysis and Machine Intelligence, 32(12), pp.2113~2127 (2010)
- L. I. Kuncheva, "Adaptive learning rate for online linear discriminant classifiers", LNCS, 5342, pp.510~519 (2008)
- C. H. Park, "An adaptive incremental classifier for data stream with concept drift", submitted for publication, ~
- Juyang Weng, "Candid covariance-free incremental principal component analysis", IEEE Transactions on Pattern Analysis and Machine Intelligence, 25(8), pp.1034~1040 (2003)
- J. Yan, "A scalable supervised algorithm for dimensionality reduction on streaming data", Information Sciences, 17(6), pp.2042~2065 (2006)
- X. Zeng, "Incremental partial least squares analysis of big streaming data", Pattern Recognition, 47, pp.3726~3735 (2014)
- J. Yan, "IMMC:Incremental Maximum Margin Criterion", Proceedings of International Conference on Knowledge Discovery and Data Mining (2004)
- Y. Ghassabeh, "Adaptive linear discriminant analysis for online feature extraction", Machine Vision and Applications, 24, pp.777~794 (2013)
- J. Gama, "Learning with drift detection", Proceedings of SBIA Brazilian Symposium on Artificial Intelligence (2004)
- R. Duda, "Pattern Classification" (2001), Wiley-Interscience
- C. Lanquillon, "Information filtering in changing domains", Proceedings of the 16th International Joint Conference on Artificial Intelligence (1999)
- P. Lindstrom, "Drift detection using uncertainty distribution divergence", Evolving Systems, 4, pp.13~25 (2013)
- "UCI machine learning repository", ~
관련 논문AI추천
온라인 데이터 스트림에서의 동적 부분 공간 클러스터링 기법박남훈한국디지털정책학회 · 디지털융복합연구2022 · 제20권 제2호적응적 격자기반 다차원 데이터 스트림 클러스터링 방법박남훈, 이원석한국정보처리학회 · 정보처리학회논문지D2007 · 제14권 제7호데이터스트림 환경에서 기계학습을 사용한 개념 변화 검출 기법김대원, 김지호, 임효상한국정보처리학회 · 정보처리학회 논문지2025 · 제14권 제11호다차원 스트림 데이터의 연관 규칙 탐사 기법박준, 김대인, 김홍기, 황부현한국정보처리학회 · 정보처리학회논문지D2006 · 제13권 제6호고차원 데이터를 부분차원 클러스터링하는 효과적인 알고리즘김도형, 박종수한국정보처리학회 · 정보처리학회논문지D2003 · 제10권 제3호앙상블 접근법을 이용한 반감독 차원 감소 방법박정희한국정보처리학회 · 정보처리학회논문지D2012 · 제19권 제2호