상세 설명

황혜수 연구실은 빅데이터 환경에서의 효율적인 데이터 분석과 k-최근접 이웃(k-NN) 그래프 생성 알고리즘 개발에 주력하고 있습니다. 기존의 k-NN 그래프 생성 방법들은 데이터의 차원이나 정점 수가 증가할수록 성능이 저하되는 한계가 있었습니다. 이에 연구실에서는 Balanced Canopy Clustering을 기반으로 한 새로운 k-NN 그래프 생성 알고리즘을 제안하여, 다양한 유사도 척도에 적용 가능하면서도 높은 정확도와 빠른 처리 속도를 동시에 달성하였습니다. 이 알고리즘은 정보 검색, 추천 시스템, 데이터 마이닝 등 다양한 분야에서 대규모 데이터의 유사도 기반 탐색 및 분석에 활용될 수 있습니다. 특히, 정점이나 차원의 수가 매우 많은 실제 데이터셋에서도 기존 방법 대비 5배 이상의 속도 향상과 약 92%의 정확도를 유지하는 성과를 보였습니다. 이러한 기술은 빅데이터 시대에 필수적인 대용량 데이터 처리 및 실시간 분석에 큰 기여를 하고 있습니다. 연구실은 앞으로도 빅데이터의 다양한 특성을 반영한 효율적 데이터 구조와 알고리즘 개발을 통해, 데이터 기반 지식 발굴 및 인공지능 응용 분야의 혁신을 선도할 계획입니다.

키워드

관련 이미지

관련 자료