표제지
목차
국문 요약 9
CHAPTER 1. 서론 13
CHAPTER 2. 선행 연구 조사 21
CHAPTER 3. 배경 지식 29
3.1. 샴 네트워크 30
3.2. 가우시안 평균 군집화 34
CHAPTER 4. 제안 방법론 38
4.1. 제안 방법론 개요 39
4.2. 차별적 특징 학습 41
4.3. 클래스 레이블 재구성 및 예측 45
CHAPTER 5. 실험 49
5.1. 실험 설계 50
5.2. 클래스 레이블 재구성 결과 53
5.3. 예측 성능 비교 결과 58
5.4. 미확인 결함 패턴의 샘플 탐지 결과 60
CHAPTER 6. 결론 63
참고문헌 66
ABSTRACT 11
표 1. 레이블 불확실성에 관한 기존 연구의 접근 방식 비교 24
표 2. 가우시안 평균 군집화 알고리즘 35
표 3. 그리드 탐색을 통한 최적화된 매개변수 51
표 4. 오분류율 10%의 데이터의 반복적 클래스 레이블 재구성 결과 53
표 5. 클래스 레이블의 오염 수준 별 예측 정확도 비교 결과 58
표 6. 미확인 결함 패턴의 클래스 수에 따른 클래스 별 정확도 60
그림 1. 동일 수율을 가지는 다양한 결함 패턴의 WBM 15
그림 2. WBM에서의 불확실한 분류의 여러 가지 유형 16
그림 3. 샴 네트워크의 구조 32
그림 4. 제안 방법론의 반복 학습 프레임워크 39
그림 5. 특징 공간에서의 5가지 샘플 쌍의 사례 42
그림 6. 군집 불순도 수준별 3가지 유형의 클래스 레이블 재구성 47
그림 7. 오분류율 10%의 데이터의 군집화 결과의 2차원 시각화 55
그림 8. 클래스 레이블 재구성 반복학습에 의한 신규 클래스 생성 결과 56
그림 9. 클래스 별 대표적 결함 패턴을 가지는 군집 결과 57
그림 10. 3개의 미확인 클래스에 대한 훈련 및 테스트 결과의 시각화 61