| 1 |
1
비지도 학습 특징 선택 장치에 의해 비지도 학습에서 특징 세트(feature set)를 선택하는 방법에 있어서,상기 비지도 학습 특징 선택 장치를 구성하는 집합 관리부가, 전체 특징의 집합 F의 원소 중에서 선택된 특징의 집합 S의 원소가 아닌 특징을 후보군으로 분류하는 단계;상기 비지도 학습 특징 선택 장치를 구성하는 평가값 산출부가, 상기 후보군으로 분류된 특징에 대해서 상기 집합 S에 해당 특징을 추가하는 경우의 정보량을 상기 후보군으로 분류된 특징 중에서 상기 집합 S에 추가하려는 특징, 상기 집합 S에 포함된 특징 및 조인트 엔트로피(joint entropy) 함수에 기반하여 평가하는 단계; 및상기 비지도 학습 특징 선택 장치를 구성하는 특징 선별부가, 상기 정보량이 가장 큰 특징을 상기 집합 S의 원소로 추가하는 단계를 포함하는,비지도 학습 특징 선택 방법
|
| 2 |
2
제1항에 있어서,상기 집합 S는 공집합인 상태에서 상기 분류하는 단계, 상기 평가하는 단계 및 상기 추가하는 단계를 수행하는 것인,비지도 학습 특징 선택 방법
|
| 3 |
3
제1항에 있어서,상기 집합 S의 크기가 기 설정된 크기가 되면 상기 분류하는 단계, 상기 평가하는 단계 및 상기 추가하는 단계를 더 이상 수행하지 않는 것인,비지도 학습 특징 선택 방법
|
| 4 |
4
제1항에 있어서,상기 정보량을 평가하는 단계는,다음의 수학식 7에 의해서 정보량을 평가하는 것인,[수학식 7]여기서, f+는 상기 후보군으로 분류된 특징 중에서 상기 집합 S에 추가하려는 특징이고,fi는 상기 집합 S에 이미 포함된 특징이고,H는 조인트 엔트로피(joint entropy) 함수인,비지도 학습 특징 선택 방법
|
| 5 |
5
전체 특징의 집합 F의 원소 중에서 선택된 특징의 집합 S의 원소가 아닌 특징을 후보군으로 분류하는 집합 관리부;상기 후보군으로 분류된 특징에 대해서 상기 집합 S에 해당 특징을 추가하는 경우의 정보량을 상기 후보군으로 분류된 특징 중에서 상기 집합 S에 추가하려는 특징, 상기 집합 S에 포함된 특징 및 조인트 엔트로피(joint entropy) 함수에 기반하여 평가하는 평가값 산출부; 및상기 정보량이 가장 큰 특징을 상기 집합 S의 원소로 추가하는 특징 선별부를 포함하는,비지도 학습 특징 선택 장치
|
