• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1283-1291
• /
• 2014

본 논문에서는 대용량이거나 시간에 따라 순차적으로 들어오는 데이터의 분류를 위한 전진적 단계 알고리즘을 제안한다. Adaboost 알고리즘은 노이즈가 있는 데이터에 대하여 성능이 떨어지는 것으로 알려져 있다. 이를 해결하기 위한 한 가지 방법으로 전진적 단계 선형 회귀 방법을 사용한다. 대용량 데이터나 순차적 배치 데이터의 경우에도 이러한 상황을 극복하기 위해 전진적 단계 알고리즘 방법을 적용한 방법을 제안한다. 모의실험과 실제 자료 분석을 통해 제안된 알고리즘이 좋은 성능을 보임을 알 수 있었다.

• 대한교통학회지
• /
• 제22권2호
• /
• pp.131-143
• /
• 2004

최적경로 알고리즘에서 링크표지를 활용하면 도시가로망 상에 나타나는 유턴이나 피턴과 같은 주행했던 교차로를 다시 주행하는 통행에 대한 설명이 가능하다. 본 연구에서는 링크표지기법을 표지갱신기반 다수경로탐색알고리즘으로 확대하는 것이 목적이다. 이를 위해 도시가로망에서 발생하는 운전자의 합리적 통행행태를 링크기반으로 개념화하고, 이들 행태가 반영되도록 링크표지갱신 다경로 알고리즘을 제안하였다. 소규모 네트워크 테스트를 통하여 알고리즘의 수행과정과 결과의 적정성을 확인하였다. 대규모 네트워크 컴퓨터 수행을 통해 해의 퇴화현상을 파악하고 소수의 대안경로 정보제공에 활용 가능한 (K-1)차원 알고리즘을 제안하였다. 결론적으로 제안된 다수경로 알고리즘으로 링크표지기법이 제공하는 합리적 통행행태의 고려가 다수의 경로에도 가능해졌을 뿐만 아니라, 효율적인 대안경로 제공의 활용단계를 위해 한단계 전진되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.59-76
• /
• 2023

코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는 다양한 부동산 사이트에서 자료 수집 및 크롤링을 통해 2015년부터 2020년까지 87만개의 방대한 데이터셋을 구축하고 다양한 아파트 정보와 경제지표 등 가능한 많은 변수를 모은 뒤 미래 아파트 매매실거래가격을 예측하는 모델을 만든다. 해당 연구는 먼저 다중 공선성 문제를 변수 제거 및 결합으로 해결하였다. 이후 의미있는 독립변수들을 뽑아내는 전진선택법(Forward Selection), 후진소거법(Backward Elimination), 단계적선택법(Stepwise Selection), L1 Regularization, 주성분분석(PCA) 총 5개의 변수 선택 알고리즘을 사용했다. 또한 심층신경망(DNN), XGBoost, CatBoost, Linear Regression 총 4개의 머신러닝 및 딥러닝 알고리즘을 이용해 하이퍼파라미터 최적화 후 모델을 학습시키고 모형간 예측력을 비교하였다. 추가 실험에서는 DNN의 node와 layer 수를 바꿔가면서 실험을 진행하여 가장 적절한 node와 layer 수를 찾고자 하였다. 결론적으로 가장 성능이 우수한 모델로 2021년의 아파트 매매실거래가격을 예측한 후 실제 2021년 데이터와 비교한 결과 훌륭한 성과를 보였다. 이를 통해 머신러닝과 딥러닝은 다양한 경제 상황 속에서 투자자들이 주택을 구매할 때 올바른 판단을 할 수 있도록 도움을 줄 수 있을 것이라 확신한다.