메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제8권 제2호
발행연도
2010.2
수록면
137 - 144 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
많은 응용 분야에서 클래스 불균형 문제는 데이터 마이닝 연구의 주요 과제이다. 대부분의 기존 데이터 마이닝 기법은 다루는 데이터가 균형을 이루고 있다고 가정하고 있기 때문에 이 문제에 적합하지 않다. 최근에 데이터 샘플링 기법과 분류 기법을 이용하여 성능을 향상시키려는 많은 연구가 진행되고 있다.
본 논문에서는 희소 클래스의 분류 성능을 높이기 위하여 두 가지 데이터 샘플링 기법으로 RUS와 SMOTE를 그리고 분류 기법으로는 인공신경회로망, 단순 베이즈, 랜덤 포레스트, SVM의 4가지 기법을 이용한 성능을 구하여 분석하고 비교하였다. 클래스 구간이 중첩된 데이터 집합을 이용하여 다양한 실험을 수행하였으며, 실험 결과로 SMOTE와 랜덤 포레스트가 클래스 구간에 데이터 중첩이 많은 경우에도 다른 기법보다 성능이 우수함을 확인하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 연구 방법
Ⅲ. 실험 결과
Ⅳ. 결론
참고문헌
저자소개

참고문헌 (11)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2010-566-002559020