| 1 |
1
데이터의 차원을 축소하는 방법으로서,상기 데이터에 대해 상관관계 분석을 수행하고, 상기 상관관계 분석의 결과를 바탕으로 상기 데이터를 복수의 그룹으로 분할하는 단계,상기 복수의 그룹의 각 그룹에 대해 희소 주성분 분석을 수행하여 복수의 주성분을 생성하는 단계, 그리고상기 복수의 주성분을 통합하는 단계를 포함하는 데이터의 차원 축소 방법
|
| 2 |
2
제1항에서,상기 데이터는 복수의 특징 변수를 포함하고,상기 복수의 그룹으로 분할하는 단계는,상기 복수의 특징 변수 간 상관관계 분석을 수행하고, 상기 복수의 특징 변수 중 상관관계가 높은 특징 변수를 그룹화하는, 데이터의 차원 축소 방법
|
| 3 |
3
제1항에서,상기 각 그룹은 자료 행렬이고,상기 복수의 주성분을 생성하는 단계는,각 자료 행렬에 대해 특이값 분해를 수행하여 적재 벡터 행렬을 생성하는 단계,상기 적재 벡터 행렬에 대한 근사 적재 벡터 행렬을 생성하는 단계, 그리고각 근사 적재 벡터 행렬과 상기 각 자료 행렬을 바탕으로 상기 복수의 주성분을 생성하는 단계를 포함하는, 데이터의 차원 축소 방법
|
| 4 |
4
제3항에서,상기 복수의 주성분을 통합하는 단계는,상기 복수의 주성분을 통합하여 차원 축소된 행렬을 생성하는, 데이터의 차원 축소 방법
|
| 5 |
5
제3항에서,상기 근사 벡터 행렬을 생성하는 단계는,목적함수를 이용하여 상기 적재 벡터 행렬의 적재 벡터를 근사하는 단계, 그리고상기 적재 벡터를 미리 설정된 단위 길이로 정규화하는 단계를 포함하는, 데이터의 차원 축소 방법
|
| 6 |
6
데이터의 차원을 축소하는 장치로서,상기 데이터를 상관관계 알고리즘을 이용하여 복수의 그룹으로 분할하는 분할부,상기 복수의 그룹의 각 그룹에 대해 희소 주성분 분석을 수행하여 복수의 주성분을 생성하는 차원축소부, 그리고상기 복수의 주성분을 통합하는 통합부를 포함하는 데이터 차원 축소 장치
|
| 7 |
7
제6항에서,상기 데이터는 복수의 특징 변수를 포함하는 다변량 데이터이고,상기 분할부는,상기 복수의 특징 변수 간 상관관계 알고리즘을 이용하여 상기 복수의 특징 변수 중 상관관계가 높은 특징 변수를 그룹화하는, 데이터 차원 축소 장치
|
| 8 |
8
제6항에서,상기 각 그룹은 자료 행렬이고,상기 차원축소부는,각 자료 행렬에 대해 특이값 분해를 수행하여 적재 벡터 행렬을 생성하고, 상기 적재 벡터 행렬에 대한 근사 적재 벡터 행렬을 생성하며, 각 근사 적재 벡터 행렬과 상기 각 자료 행렬을 바탕으로 상기 복수의 주성분을 생성하는, 데이터 차원 축소 장치
|
| 9 |
9
제8항에서,상기 차원축소부는,목적함수를 이용하여 상기 적재 벡터 행렬의 적재 벡터를 근사하고, 상기 적재 벡터를 미리 설정된 단위 길이로 정규화하는 것을 통해 상기 근사 적재 벡터 행렬을 생성하는, 데이터 차원 축소 장치
|
| 10 |
10
제8항에서,상기 통합부는,상기 복수의 주성분을 통합하여 차원 축소된 행렬을 생성하는, 데이터 차원 축소 장치
|
| 11 |
11
다변량 데이터의 차원을 축소하는 장치로서,프로세서 및 메모리를 포함하고,상기 프로세서는 상기 메모리에 저장된 프로그램을 실행하여,상기 다변량 데이터에 대해 상관관계 분석을 수행하여 상기 다변량 데이터를 복수의 그룹으로 분할하는 단계,상기 복수의 그룹의 각 그룹에 대해 희소 주성분 분석을 수행하여 복수의 주성분을 생성하는 단계, 그리고상기 복수의 주성분을 통합하여 차원 축소된 데이터를 생성하는 단계를 수행하는 데이터 차원 축소 장치
|
