항공기 상태 변수를 위한 k-means 알고리즘 기반 자동 유형 분류 방법론

Abstract

항공 및 군사 분야에서 사용되는 항공기의 상태 변수의 경우 연속형과 이산형 변수가 혼재되어 있음은 물론 시퀀스 의존적, 시퀀스 비의존적 변수들로 구성된다. 복합된 상태 변수를 이용한 통계적 학습 방법론의 성능을 높이기 위해서는 변수 유형의 분류가 필수적이다. 따라서 본 연구에서는 자동화된 변수 유형 분류 방법론을 제안한다. 변수 별로 변수의 특성 및 목표 변수와의 관계를 나타내는 네가지의 속성을 추출한 후 연속형과 이산형 변수들을 대상으로 각각 k-means 알고리즘을 수행하여 총 네종류의 변수 집합을 생성한다. 분류된 결과를 이용하여 통계적 학습 기법의 정확도를 비교하였으며, 제안된 방법론은 만족할 만한 성능을 나타냈다. 추후, 전체 알고리즘의 자동화가 가능할 것으로 기대된다.;In aerospace and military domain, aircraft status features are composed of not only continuous and discrete features but also sequence dependent and independent features. It is necessary to classify the different types of features as using mixed features for a statistical learning method degrades its performance quality. Therefore, in this research, we propose an automatic feature type clustering method. First, four attributes indicating characteristics of features and relationships between status and target features are extracted. Then, the k-means algorithm is adopted for clustering of the features. Results from a statistical learning method utilizing the clustering results showed satisfactory performance. For the future work, complete automation of the proposed algorithm can be achieved.