지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2011.5
- 수록면
- 960 - 966 (7page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
정보 기술의 발달과 함께 데이터베이스의 크기가 급속도로 증가하고 있다. 따라서 데이터를 저장하는 것 이상으로 사용자가 필요로 하는 정보를 효과적으로 제공할 수 있는 기술이 중요하다. 그 방법론의 하나인 데이터 집합에서 스카이라인(skyline)을 추출하는 문제는 최근 매우 중요한 주제로 부각되고 있다. 스카이라인 기법이란, 다차원 대용량 데이터를 다루는 매우 효과적인 방법이다.정보량이 폭발하고있는 환경에서 ‘지배’의 개념을 활용하여 95% 이상 의 불필요한 데이터를 대상에서 제외하고 필요한 데이터만 선정하고, 이에 대해 다양한 응용이 가능하도록 해준다. 스카이라인 질의란 대량의 데이터 집합을 검색 시, 모든 포 포인트들의 탐색 대신 각 속성에 대해 의미 있는 포인트들만을 탐색하는 문제로써, 다른 데이터들에 지배받지 않는 데이터들의 집합(set of non-dominated points)으로 정의되며, 다차원 속성에 대해 유효한 값들만을 취하여 효과적인 데이터 추출을 가능케 하는 이론이다. 그간 주로 저차원의 데이터 집합을 대상으로 보다 효율적인 스카이라인 탐색알고리즘의 개발이 주된 관심사로 연구되어 왔으나, 최근 지리정보시스템(GIS), 정보검색(IR) 등의 분야를 중심으로 고차원 데이터 집합에 대한 효율적인 스카이라인 탐색의 필요성이 대두되고 있다. 이에 본 논문에서는 FastMap과 주성분분석(PCA:Principal component analysis)을 각각 적용하여 스카이라인을 찾아냄으로써 고차원 데이터집합으로부터 보다 효율적인 스카이라인 탐색이 가능함을 보였다.
목차
초록
1. 서론
2. 관련연구
3. FastMap 및 PCA를 기반으로 한 고차원 데이터의 스카이라인
4. 실험 및 분석
5. 결론
6. 참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-020-000869317