다변량 자료를 분석하는 데 있어서 관측 개체들의 분포적 양태를 파악하는 것은 자료 특성의 이해에 도움이 될 뿐만 아니라 이후 모형화 과정에도 큰 도움을 준다. 이를 위하여 다변량자료...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A105149858
엄익현 (㈜ 지디에스코리아) ; 허명회 (고려대학교 통계학과) ; Um Ick-Hyun ; Huh Myung-Hoe
2005
Korean
KCI등재,ESCI
학술저널
83-98(16쪽)
2
0
상세조회0
다운로드국문 초록 (Abstract)
다변량 자료를 분석하는 데 있어서 관측 개체들의 분포적 양태를 파악하는 것은 자료 특성의 이해에 도움이 될 뿐만 아니라 이후 모형화 과정에도 큰 도움을 준다. 이를 위하여 다변량자료...
다변량 자료를 분석하는 데 있어서 관측 개체들의 분포적 양태를 파악하는 것은 자료 특성의 이해에 도움이 될 뿐만 아니라 이후 모형화 과정에도 큰 도움을 준다. 이를 위하여 다변량자료의 저차원 시각화에 대한 많은 연구가 진행되어 왔다. 그 중 하나가 코호넨(T. Kohonen)의 자기조직화지도(Self-Organizing Map; SOM)이다. SOM은 저차원 그리드 공간에 고차원 다변량 자료를 축약하여 시각적으로 나타내는 비지도 학습법의 일종으로 최근 들어 통계 분석자들이 많은 관심을 가지고 있는 분야이다. 그러나 SOM은 개체공간의 연속형으로 표현되는 개체를 저차원 그리드 공간에 승자노드에 의해 비연속적으로 표현한다는 단점을 지니고 있다. 본 논문에서는 SOM을 통계적 목적으로 사용하기 위해 요구되는 그리드 공간에 개체를 연속적으로 표현하는 방법들을 제안하고 환용 예를 제시 하고자 한다.
다국어 초록 (Multilingual Abstract)
Exploring distributional patterns of multivariate data is very essential in understanding the characteristics of given data set, as well as in building plausible models for the data. For that purpose, low-dimensional visualization methods have been de...
Exploring distributional patterns of multivariate data is very essential in understanding the characteristics of given data set, as well as in building plausible models for the data. For that purpose, low-dimensional visualization methods have been developed by many researchers along various directions. As one of methods, Kohonen's SOM (Self-Organizing Map) is prominent. SOM compresses the volume of the data, yields abstraction from the data and offers visual display on low-dimensional grids. Although it is proven quite effective, it has one undesirable property: SOM's display is discrete. In this study, we propose two techniques for enhancing quality of SOM's display, so that SOM's display becomes continuous. The proposed methods are demonstrated in two numerical examples.
참고문헌 (Reference)
1 "주성분 자기조직화 지도 PC-SOM 응용통계연구" )16 : 321-334, 2003
2 "의 통계적 활용" 고려대학교 대학원 통계학 과 2003
3 ". The self-organizing map" 21 : 1-6, 1998
4 ". The continuous interpolating self-organizing map" 5 : 185-192, 1997
5 ". Self-Organizing Maps" Springer 1995
6 ". Building adaptive basis functions with acontinuous self-organizing map" 11 : 59-78, 2000
1 "주성분 자기조직화 지도 PC-SOM 응용통계연구" )16 : 321-334, 2003
2 "의 통계적 활용" 고려대학교 대학원 통계학 과 2003
3 ". The self-organizing map" 21 : 1-6, 1998
4 ". The continuous interpolating self-organizing map" 5 : 185-192, 1997
5 ". Self-Organizing Maps" Springer 1995
6 ". Building adaptive basis functions with acontinuous self-organizing map" 11 : 59-78, 2000
2 X 2 교차설계법에서 모집단 생물학적 동등성 검정 방법 비교
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2027 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2018-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2011-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2009-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2007-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2005-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2002-07-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2000-01-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.38 | 0.38 | 0.38 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.35 | 0.34 | 0.565 | 0.17 |