• 한국공간정보시스템학회 논문지
• /
• 제6권2호
• /
• pp.15-22
• /
• 2004

핸드폰의 화면 크기 때문에 핸드폰에서의 지도 서비스는 문제점을 가지고 있다. 핸드폰과 같은 작은 화면에서 효율적으로 지도 데이터를 표현하기 위해서는 첫째, 지도 일반화를 이용하여 상세한 지도 데이터를 간략하게 만드는 과정이 필요하며, 둘째, 간략화된 데이터를 계층화하여 사용자의 확대 축소 명령을 빠르게 수행할 수 있어야 한다. 그러나, 기존의 연구들은 일부의 지도 일반화만 지원하거나 실시간으로 처리하지 못하는 문제점들을 가지고 있다. 본 논문에서 제안하는 LMG-tree는 계층화된 하나의 색인 트리를 사용함으로 저장 공간의 효율성을 가지고 있으며, 지도 일반화를 지원하여 실시간 지도 서비스가 가능하도록 하였다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.19-31
• /
• 2022

기계학습 모델 구축 간 트레이닝 데이터를 활용하며, 훈련 간 사용되지 않은 테스트 데이터를 활용하여 모델의 정확도와 일반화 성능을 판단한다. 일반화 성능이 낮은 모델의 경우 새롭게 받아들이게 되는 데이터에 대한 예측 정확도가 현저히 감소하게 되며 이러한 현상을 두고 모델이 과적합 되었다고 한다. 본 연구는 중심극한정리를 기반으로 데이터를 생성 및 기존의 훈련용 데이터와 결합하여 새로운 훈련용 데이터를 구성하고 데이터의 정규성을 증가시킴과 동시에 이를 활용하여 모델의 일반화 성능을 증가시키는 방법에 대한 것이다. 이를 위해 중심극한정리의 성질을 활용해 데이터의 각 특성별로 표본평균 및 표준편차를 활용하여 데이터를 생성하였고, 새로운 훈련용 데이터의 정규성 증가 정도를 파악하기 위하여 Kolmogorov-Smirnov 정규성 검정을 진행한 결과, 새로운 훈련용 데이터가 기존의 데이터에 비해 정규성이 증가하였음을 확인할 수 있었다. 일반화 성능은 훈련용 데이터와 테스트용 데이터에 대한 예측 정확도의 차이를 통해 측정하였다. 새롭게 생성된 데이터를 K-Nearest Neighbors(KNN), Logistic Regression, Linear Discriminant Analysis(LDA)에 적용하여 훈련시키고 일반화 성능 증가정도를 파악한 결과, 비모수(non-parametric) 기법인 KNN과 모델 구성 간 정규성을 가정으로 갖는 LDA의 경우에 대하여 일반화 성능이 향상되었음을 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제8D권4호
• /
• pp.367-376
• /
• 2001

이동 매제를 통한 진자지도 서비스는 전송 정보의 용량이 크고 출력 장치의 자원을 많이 요구하기 때문에 기존의 지도 데이터베이스를 그대로 사용하여 서비스할 수 없는 문제점이 있다. 또한 무선 서비스 전용 지도 데이터베이스를 별도로 구축하는 것은 막대한 중복 비용이 발생하므로 받아들이기 어렵다. 본 논문에서는 기존의 지도 데이타베이스로부터 무선 서비스에 적합한 지도를 동적으로 생성하는 새로운 기법을 제시한다. 이 기법은 기존 지도의 데이타 크기를 줄이기 위한 generalization과 생성된 지도의 데이타 크기가 임계값을 넘지 않도록 제어하는 filtering을 수행한다. Generalization은 레이어를 통합하는 단계, 세부 객체를 간소화하는 단계, 그리고 사용자 인터페이스를 처리하는 단계로 나누어 처리된다. Filtering은 약도에 포함된 객체를 카운터하는 모듈과 검색 객체와 거리에 따른 중요도로 선택하는 모듈로 데이터 크기를 대역폭 임계값 이내로 처리한다.

• 한국측량학회지
• /
• 제37권2호
• /
• pp.91-97
• /
• 2019

In automatic map generalization, the formalization of cartographic principles is important. This study proposes and evaluates the selection method for road network generalization that analyzes existing maps using reverse engineering and formalizes the selection rules for the road network. Existing maps with a 1:5,000 scale and a 1:25,000 scale are compared, and the criteria for selection of the road network data and the relative importance of each network object are determined and analyzed using $T{\ddot{o}}pfer^{\prime}s$ Radical Law as well as the logistic regression model. The selection model derived from the analysis result is applied to the test data, and road network data for the 1:25,000 scale map are generated from the digital topographic map on a 1:5,000 scale. The selected road network is compared with the existing road network data on the 1:25,000 scale for a qualitative and quantitative evaluation. The result indicates that more than 80% of road objects are matched to existing data.

• Communications for Statistical Applications and Methods
• /
• 제31권5호
• /
• pp.467-485
• /
• 2024

Policymakers and educational researchers have grown increasingly interested in the extent to which study results generalize across different groups of students. Current generalization research in education has largely focused on the compositional similarity among students based on a set of observable characteristics. However, generalization is defined differently across various disciplines. While the concept of compositional similarity is prominent in causal research, generalization among the statistical learning community refers to the extent to which a model produces accurate predictions across samples and populations. The purpose of this study is to assess the extent to which concepts related to contextual generalization (based on compositional similarity) are associated with the ideas related to model generalization (based on accuracy of prediction). We use observational data from the Programme for International Student Assessment (PISA) 2015 wave as a case study to examine the conditions under which contextual and model generalization are aligned. We assess the correlations between statistical measures that quantify compositional similarity and prediction accuracy and discuss the implications for generalization research.

• 한국공간정보시스템학회 논문지
• /
• 제4권1호
• /
• pp.5-14
• /
• 2002

공간데이터의 일반화는 기존에 구축된 공간 데이터베이스로부터 새로운 소축척 데이터베이스를 유도할 수 있는 중요한 GIS 기법이다. 공간데이터의 일반화는 공간데이터의 기하 및 속성데이터를 변형[3, 15] 시킬 뿐만 아니라, 데이터 모델의 관계를 따라서 연결되어 있는 다른 공간데이터도 변형[8-10, 14]시킨다. 이것을 공간데이터 일반화의 파급이라고 한다. 이 파급을 처리하지 않은 채 일반화를 계속 진행하면, 일관성 혹은 원시데이터베이스 정보 중의 일부가 손실된 채 새로운 데이터베이스가 생성될 수 있다. 그럼에도 불구하고 일반화에 관한 기존 연구들은 공간데이터의 상호관계를 무시한 채 독립된 하나의 공간데이터에 대한 유도를 위해서 방법들을 제시해 왔다. 그리고 그 결과 공간데이터의 기하 및 속성을 변형시키는 많은 일반화 연산자들이 제시되어졌다. 본 연구는 이 일반화 연산자들이 어떤 공간데이터에 적용되었을 때 그와 관련된 다른 공간데이터에도 파급 적용될 수 있도록, 일반화 연산자를 확장을 시킬 것이다. 이 일반화 파급을 처리하기 위해서, 본 연구는 일반화 과정에서 반드시 고려될 필요가 있는 규칙들을 제시한다. 그리고 일반화 연산자들이 반드시 준수해야 하는 규칙들을 기술한다. 이 규칙들은 관계대수로서 표현될 수 있으므로, SQL로 쉽게 전환할 수 있다. 이 확장된 일반화 연산자들의 적합성을 검토하기 위해서 간단한 프로토타입을 구현하였다.

• 한국정보처리학회논문지
• /
• 제5권11호
• /
• pp.2786-2796
• /
• 1998

대용량의 공간(spatial) 데이터베이스에서 사용자에게 관심있고 일반화된 지식을 추출하는 것은 지형 정보 시스템이나 지식 베이스 시스템의 개발에 중요한 기법중의 하나이다. 본 논문은 공간 데이터 마이닝에 널리 사용되는 일반화(generalization) 방법을 확장한 공간 데이터 마이닝 모듈에 공간 데이터를 추론할 수 있도록 구축된 규칙베이스(rulebase)를 통합한 공간데이터 마이닝 시스템을 제안한다. 이를 위한 전위기로서 공간 데이터 우선(spatial data dominated)과 비공간 데이터 우선(nonspatial data dominated) 마이닝을 병합한 방식과 다중 주제도(multiple thematic map)가 주어졌을 때의 공간 지식을 추출해 낼 수 있는 방식을 제안한다. 또한 후위기로서 공간 객체들간의 위상 관계(topological relationship)를 추론하기 위한 공간 규칙 베이스를 구축한다.

• Spatial Information Research
• /
• 제6권1호
• /
• pp.11-23
• /
• 1998

GIS 분야에서 지도 일반화는 공간자료의 상세도를 결정하여 효과적으로 자료를 가시화(Visualixation)하거나 자료의 해상력을 변화시켜 변환하는 기능을 수행한다. 최근까지 지도 일반화는 선사상 (Line Features)에 집중되었고, 수치지도를 구성하고 있는 정보량과 그 중요성에 비하여 점사상 (Point Features)에 대한 연구는 상대적으로 미미하였다. 이러한 맥락에서 본 연구는 점사상에 대한 구체적인 일반화 방안을 모색하는데 목적을 둔다. 특히 점사상의 일반화에서 원자료의 기하학적 특성을 파악하는데 가장 중요하게 고려한 요소로 점사상의 분포패턴을 선정하였다. 즉 'Grieg-Smith방법'을 활용한 방격분석 (Quadrat Analysis)과 최근린분석 (Nearest-Neighbour Analysis)를 통해 점사상이 갖고 있는 분포패턴의 특성을 찾아낸 다음, 이를 변형시키지 않도록 일반화의 기준거리(Threshold)를 설정하여 점사상을 제거하는 방법을 통해 점사상의 일반화를 시도하였다. 따라서 이 연구에서 제시한 점사상의 일반화 방안은 원래 점사상이 갖고 있는 기하학적 특성을 최대한 유지한다.

• 정보처리학회논문지D
• /
• 제9D권4호
• /
• pp.543-554
• /
• 2002

지리정보시스템은 처리 속도의 향상과 비쥬얼라이징의 개선이 필요하다. 이를 위해서는 맵 일반화와 레벨별 상세화 개념이 요구된다. 기존의 공간 인덱싱은 지도 일반화를 지원하지 않거나 지원하더라도 모든 지도 일반화 연산을 제공하지 않는다는 문제점을 가진다. 본 논문에서는 이를 위해 모든 일반화 연산을 지원하는 새로운 인덱스 구조인 LR트리를 제안한다. 또한 LR트리를 검색, 삽입, 삭제하기 위한 알고리즘을 기술하고, 성능 분석을 수행한다. 성능 분석을 통해 제안된 인덱스 구조가 지도 일반화를 지원하는데 있어 다른 공간 인덱싱 기법보다 우수한 성능을 나타냄을 보인다.

• 응용통계연구
• /
• 제25권1호
• /
• pp.225-237
• /
• 2012

This study proposes a quantification algorithm for a PLS method with several sets of variables. We called the quantification method for PLS with more than 2 sets of data a generalization. The basis of the quantification for PLS method is singular value decomposition. To derive the form of singular value decomposition in the data with more than 2 sets more easily, we used the constraint, $a^ta+b^tb+c^tc=3$ not $a^ta=1$, $b^tb=1$, and $c^tc=1$, for instance, in the case of 3 data sets. However, to prove that there is no difference, we showed it by the use of 2 data sets case because it is very complicate to prove with 3 data sets. The keys of the study are how to form the singular value decomposition and how to get the coordinates for the plots of variables and observations.