사영 변환 특징 추출 기법을 이용한 우선 순위 특징 추출

Abstract

데이터의 시계열적 상관관계를 이용하여 데이터의 예측 및 분석을 하는 시계열 데이터 처리는 다양한 분야에서 연구가 진행되고 있다. 이전에는 칼만필터 혹은 파티클필터 같은 신호처리기법이 사용되었으나 최근에는 딥러닝을 활용한 시계열 데이터 처리 기법에 대한 연구가 진행되고 있다. 또한 가용한 데이터가 많아져 딥러닝 연구에 이점이 있으나 불필요한 데이터의 사용은 성능에 역효과를 줄 수 있다. 본 논문에서는 시계열 데이터 처리를 위한 ‘사영 변환 특징 추출 기법’을 제안한다. 제안하는 기법은 사영 변환을 통해 특징을 도출하고,데이터에서 해당 특징에 대한 성분을 제거한 뒤 다시 특징을 도출하는 반복적인 기법을 통해 특징을 도출한다. 이렇게 도출한 특징은 중복된 성분이 없을 뿐만 아니라 먼저 도출한 특징에 많은 정보가 있는 우선 순위가 있는 특징이 되어 특징 선택을 할 때 효과적이다. 강수유무를 예측하는 시뮬레이션을 통해 제안하는 기법의 특징 추출 기법을 비교 검증하고 결과적으로 성능을 유지하면서도 입력 데이터의 차원을 줄일 수 있다는 것을 보인다.