• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권3호
• /
• pp.83-90
• /
• 2020

프로토타입 선택은 훈련 데이터로부터 클래스 영역을 대표하는 최소 데이터를 선택하여 낮은 학습 시간 및 저장 공간을 보장하는 장점을 제공한다. 본 논문은 모든 분류 알고리즘에 적용할 수 있는 초월 사각형을 이용한 새로운 훈련 데이터의 생성 방법을 설계한다. 초월 사각형 영역은 서로 다른 클래스 데이터를 포함하지 않으며 클래스 공간을 분할한다. 선택된 초월 사각형 내 데이터의 중간값은 프로토타입이 되어 새로운 훈련 데이터를 구성하고, 초월 사각형의 크기는 클래스 영역의 데이터 분포를 반영하여 조절된다. 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합 선택을 위해 집합 덮개 최적화 알고리즘을 설계했다. 제안하는 방법에서는 탐욕 알고리즘과 곱셈 연산을 포함하지 않은 거리 계산식을 이용하여 집합 덮개 최적화 알고리즘의 다항 시간을 요구하는 시간 복잡도 문제를 해결한다. 실험에서는 분류 성능의 비교를 위해 최근접 이웃 규칙과 의사 결정 트리 알고리즘을 이용하며 제안하는 방법이 초월 구를 이용한 프로토타입 선택 방법보다 우수하다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권10호
• /
• pp.483-488
• /
• 2016

본 논문은 최근접 이웃 규칙을 이용한 프로토타입을 이용하는 분류 학습을 제안한다. 훈련 데이터가 대표하는 클래스 영역을 초월구로 분할하는데 최근접 이웃규칙을 적용시키며, 초월구는 동일 클래스 데이터들만 포함시킨다. 초월구의 반지름은 가장 인접한 다른 클래스 데이터와 가장 먼 동일 클래스 데이터의 중간 거리 값으로 결정한다. 그리고 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합을 선택하기 위해 집합 덮개 최적화를 이용한다. 제안하는 선택 방법은 클래스 별 프로토타입을 선택하는 그리디 알고리즘으로 설계되며, 대규모 훈련 데이터에 대한 병렬처리가 가능하다. 분류 예측은 최근접 이웃 규칙을 이용하며, 새로운 훈련 데이터는 프로토타입 집합이다. 실험에서 제안하는 방법은 기 연구된 학습 방법에 비해 일반화 성능이 우수하다.

• 한국컴퓨터정보학회논문지
• /
• 제20권2호
• /
• pp.21-28
• /
• 2015

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 데이터와 가장 먼 동일 클래스 데이터의 중간 거리 값으로 결정한다. 그리고 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합을 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. 실험에서 제안하는 프로토타입 기반 분류기는 최근접 이웃 학습, 베이지안 분류 학습과 다른 프로토타입 분류기에 비해 일반화 성능이 우수하였다.

• 한국융합학회논문지
• /
• 제7권5호
• /
• pp.213-219
• /
• 2016

본 논문에서는 한 개의 선형 제약식 하에서 의사결정변수가 상한 값을 갖는 오목 함수 최소화 문제를 다룬다. 제시된 분지 한계 해법은 단체를 분할 단위로 사용하였다. 오목함수를 가장 단단하게 하한추정하는 볼록덮개함수를 단체 상에서 유일하게 구할 수 있기 때문이다. 분지가 일어날 때마다 후보 단체로부터 1 차원 낮은 2 개의 하위 단체들이 생성된다. 이 때 후보 단체에 포함되어 있던 가능해 집합은 각각의 하위 단체로 분할된다. 한계 연산 절차는 선형인 볼록 덮개 함수를 목적 함수로 하는 선형계획법을 부문제로 정의하고 해를 구한다. 부문제의 최적 목적함수 값으로부터 최적 오목목적함수의 하한과 상한을 갱신하고, 원문제의 최적해를 포함하지 않는 단체들을 고려 대상에서 제외시킨다. 본 해법의 최대 장점은 하위 단체로 분할될수록 부문제들의 크기가 점점 작아진다는데 있다. 이것은 한계 연산의 계산량이 줄어든다는 것을 의미한다. 본 연구의 결과는 배낭 제약식 유형의 제약식 하에서의 오목 함수 최소화 문제의 해법을 개발하는데 응용될 수 있을 것이다.

• 한국군사과학기술학회지
• /
• 제18권6호
• /
• pp.797-807
• /
• 2015

The low-altitude PAC-2 Patriot missile system is the backbone of ROK air defense for intercepting enemy aircraft. Currently there is no missile interceptor which can defend against the relatively high velocity ballistic missile from North Korea which may carry nuclear, biological or chemical warheads. For ballistic missile defense, Korea's air defense systems are being evaluated. In attempting to intercept ballistic missiles at high altitude the most effective means is through a multi-layered missile defense system. The missile defense problem has been studied considering a single interception system or any additional capability. In this study, we seek to establish a mathematical model that's available for multi-layered missile defense and minimize total interception fail probability and proposes a solution based on genetic algorithms. We perform computational tests to evaluate the relative speed and solution of our GA algorithm in comparison with the commercial optimization tool GAMS.