대규모 자료의 support vector machine을 위한 병렬 컴퓨팅

국문 초록 (Abstract)

Support Vector Machine(SVM)은 개체 수 이 커짐에 따라 실행시간과 메모리 공간이 각각 와 에 비례하여 증가한다. 따라서 이 아주 큰 경우 SVM은 실행시간이 너무 오래 걸리거나 실행이 불가능할 수 있다. 본 연구는 SVM의 이러한 계산적 한계를 극복하기 위해 분석 자료를 여러 개로 분할하고 분할된 자료들에서 SVM을 병렬적으로 산출한 뒤 취합하는 일종의 모형 통합(model aggregation) 방법을 제안하고 R로 구현한다. 다수의 실제 자료에 적용한 결과, 제안 방법론이 표준적 SVM에 비하여 계산이 빨랐고 정확성의 저하는 무시할 수 있을 만큼 작았으며 안정적 예측을 제공하였다.

목차 (Table of Contents)

• 제 1 장 연구의 배경과 목적 1
• 제 2 장 SVM의 병렬 컴퓨팅 3
• 제 3 장 실험의 준비설계와 결과 8
• 3.1 실험의 준비 8
• 3.2 실험의 설계 10
• 3.3 실험의 결과 13
• 제 4 장 맺음말 19
• 참고문헌 20