상세 설명

황혜수 연구실은 고차원 데이터의 효율적인 샘플링 및 시계열 데이터 분석에도 깊은 관심을 가지고 연구를 진행하고 있습니다. 고차원 데이터는 문서, 이미지, 센서 데이터 등 다양한 형태로 존재하며, 이들 간의 유사도 측정과 차원 축소는 데이터 마이닝과 머신러닝에서 매우 중요한 과제입니다. 연구실에서는 Improved Consistent Weighted Sampling(ICWS) 기반의 새로운 샘플링 기법(ICWS_B, ICWS_D)을 개발하여, 샘플링 시간을 획기적으로 단축하면서도 기존 방법 수준의 샘플 품질을 유지하는 데 성공하였습니다. 또한, 시계열 데이터의 견고한 표현과 분류 정확도 향상을 위한 그리드 셀 가중치 학습 방법도 제안하였습니다. 이 방법은 시계열 데이터의 긍정셀과 부정셀을 효과적으로 구분하고, 다중 그리드를 활용하여 데이터의 특성을 잘 반영하는 표현형을 생성합니다. 다양한 시계열 데이터셋을 활용한 실험을 통해, 제안된 방법이 분류 정확도를 실제로 개선하는 데 효과적임을 입증하였습니다. 이러한 연구는 대규모 센서 데이터, 금융 데이터, 의료 데이터 등 다양한 고차원 및 시계열 데이터의 실시간 분석과 예측에 활용될 수 있으며, 데이터 기반 의사결정의 정확성과 신뢰성을 높이는 데 중요한 역할을 하고 있습니다.

키워드

관련 이미지

관련 자료