메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제10권 제6호
발행연도
2008.1
수록면
3,423 - 3,433 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
주어진 데이터의 개체들을 비슷한 특징을 가지는 소그룹으로 나누어 그 그룹들의 특징이나 대표성을 찾는 분석 과정을 군집분석이라고 한다. 군집분석은 크게 분리 군집방법과 계층적 군집방법으로 구분할 수 있다. 본 연구에서는 계층적 군집방법을 이용하여 군집의 수를 정하고, 분리 군집방법 중 하나인 k-중앙개체 군집방법을 적용하여 한국 프로농구선수들의 군집화를 시도해 보았다. 프로농구선수들의 데이터는 몇몇 변수들에 있어 특이치가 존재하기 쉽다. 따라서 이런 경우에는 특이치에 영향을 크게 받는 k-평균 군집방법을 적용하는 것보다는 특이치에 덜 민감한 k-중앙개체 군집방법의 활용이 좋은 결과를 줄 수 있다. k-중앙개체 군집방법의 구현을 위해 PAM(partitioning around medoids) 알고리즘을 이용하였다. 군집분석결과 3개의 군집으로 선수들을 군집화하였고, 각 군집의 특징을 파악하였다.
#군집분석 #분리 군집방법 #k-중앙개체 군집방법 #PAM 알고리즘 #cluster analysis #partitioning method #k-medoids clustering #PAM algorithm

목차

등록된 정보가 없습니다.

참고문헌 (9)

참고문헌 신청
Andberg, Michael R. / 1973 / Cluster Analysis for Application / Academic Press. google schola Han, Jiawei / 2006 / Data Mining / Morgan Kaufman. google schola Kaufman, L. / 1990 / Finding Groups in Data / John Wiley & Sons. google schola Pison, Greet / 1999 / Displaying a clustering with CLUSPLOT / Computational Statistics & Data Analysis 30 : 381 ~ 392 google schola 박희창 / 2006 / 데이터마이닝에서의 군집화 기법 비교 / Journal of The Korean Data Analysis Society 8 (2) : 585 ~ 596 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0