표제지
목차
국문요약 9
Abstract 10
제1장 서론 11
제2장 항적 분석 기법 13
2.1. 코사인 유사도(Cosine Similarity) 13
2.2. 가우시안 혼합 모델(Gaussian Mixtures Model) 14
2.3. 클러스터 수의 결정 17
제3장 연구내용 19
3.1. 데이터셋 19
3.2. 클러스터링 20
3.3. 연구 결과 26
3.4. 결과의 검증 28
제4장 결론 및 향후 연구 방향 29
참고문헌 31
표 1. EM알고리즘을 통한 GMM 파라미터 최적화 방법 14
표 2. GMM 클러스터링과 k-Means 클러스터링 비교 16
표 3. AIS 항적데이터(제주~인천) 예시 19
표 4. 클러스터링을 위한 유사성 및 거리 행렬 20
표 5. 두 유사성 행렬의 기초 통계량 비교 21
그림 1. 코사인 유사성과 유클리드 거리의 비교 13
그림 2. 간헐천(Old Faithful) 데이터셋을 사용한 GMM 시각화 15
그림 3. scikit-learn 라이브러리의 클러스터링 알고리즘 비교 16
그림 4. 실루엣 스코어 18
그림 5. 항적데이터의 공간 시각화 20
그림 6. 두 개의 유사성 행렬 비교 21
그림 7. 두 개의 유사성 행렬의 평균값 유사성 산점도 22
그림 8. 클러스터링 결과(GMM 클러스터링) 23
그림 9. 클러스터링 결과(Agglomerative 클러스터링) 23
그림 10. 클러스터링 결과(k-Means 클러스터링) 23
그림 11. GMM 클러스터링 전 후 24
그림 12. 클러스터 수에 따른 실루엣 점수 24
그림 13. 클러스터 수에 따른 BIC 및 JSD 거리 25
그림 14. 산점도와 상자그림으로 나타낸 클러스터링 결과 25
그림 15. 클러스터별 항적의 공간 시각화 26
그림 16. 클러스터별 항적 및 표준 항적의 공간 시각화 26
그림 17. 클러스터별 평균 이탈 거리 27
그림 18. 표준항적에 대한 검증 시뮬레이션 27
그림 19. 연구 진행 요약 29