|
유전자 알고리즘을 이해하기 위해 필요한 범위 밖의 지식이다.
유전자 알고리즘의 작동 원리를 설명해 보도록 하자.
하나의 정수 매개변수로 한 간단한 함수의 최대값을 찾는 문제이다. 이 예에서의 함수는 포물선으로 31p-p 로 정의되고 p
|
|
|
데이터마이닝은 데이터에서 의미를 추출하는 기법을 의미하며, 모수적 모형 접근방법과 알고리즘 접근 방법이 모두 활용될 수 있다. 모수적 모형 접근법과 알고리즘 접근법의 특징, 장단점 및 사례를 조사하시오. 또한 SNS에 게시된 텍스트 데
|
|
|
판매원을 통해 방문설명 1. 데이터베이스 마케팅 과정, 2. OLAP와 데이터웨어하우스를 비교 설명, 3. 데이터베이스 마케팅의 목적, 4. 데이터베이스 마케팅 전략 전개방향, 5. 데이터마이닝 기법, 6. 전자상거래를 위한 마케팅 방법론
|
|
|
데이터베이스(database) 응용
(10) 데이터마이닝 기법 (Data Mining)
(11) 정리 증명(theorem proving)
(12) 로보트 공학(robotics)
(13) 자동화 프로그래밍
(14) 문제 풀이 및 계획 수립
(15) 식별
4. 우리나라 AI 연구 실정
5. 인공 지능의 한계
6.
|
|
|
데이터베이스(database) 응용
(10) 데이터마이닝 기법 (Data Mining)
(11) 정리 증명(theorem proving)
(12) 로보트 공학(robotics)
(13) 자동화 프로그래밍
(14) 문제 풀이 및 계획 수립
(15) 식별
4. 우리나라 AI 연구 실정
5. 인공 지능의 한계
6. 맺음
|
|
|
데이터베이스(database) 응용
(10) 데이터마이닝 기법 (Data Mining)
(11) 정리 증명(theorem proving)
(12) 로보트 공학(robotics)
(13) 자동화 프로그래밍
(14) 문제 풀이 및 계획 수립
(15) 식별
4. 우리나라 AI 연구 실정
5.인공 지능의 한계
6. 맺
|
|
|
하는 경우가 대부분이다.
따라서 시스템 높은 성능과 용량이 요구된다.
생물학적 유전자 이론처럼 진화된 결과만이 도출되지 않을수도 있다. 1. 이론적 배경
2. ‘데이터 마이닝’의 유전자 알고리즘
3. 유전자 알고리즘의 장/단점
|
|
|
데이터 마이닝 결과가 실질적으로 유용하려면 대용량의 파일들이나 데이터베이스에 대하여 마이닝 과정이 수행되어야 하며, DBMS와의 통합이 필요함여기서는 인공지능, 통계학, 신경망, 유전자 알고리즘 등 다양한 데이터 마이닝 분야를 깊
|
|
|
데이터마이닝 의사결정나무분석 -』, 서울, SPSS 아카데미.
☆Michael J. A. Berry and Gordon Linoff (1997). Data Mining
Techniques for Marketing, Sales, and Customer Support, New
York: John Wiley & Sons, Inc.
☆Pieter Adriaans and Dolf Zantinge, (1998). 『데이타마이닝』,
서울, 그린.
★
|
|
|
강점과 약점
6.패턴분석(Sequence)
Ⅲ.협업 필터링(collaborative filtering)
1.협동 필터링의 필요성
2.협업필터링
3.K-means 클러스터링 알고리즘
4.피어슨 상관 계수 기반 예측 기법
5.협업필터링 기술의 한계점
6.Item-to-Item Collaborative Filtering
|
|
메뉴펼치기
