대표어
한국학술지인용색인(NRF)
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
국회도서관 홈으로
정보검색
소장정보 검색
결과 내 검색
동의어 포함
목차보기
목차
순차 적응 최근접 이웃을 활용한 결측값 대치법 / 박소현 ; 방성완 ; 전명식 1
요약 1
1. 서론 1
2. SANN 대치법 2
2.1. SANN 대치법 알고리즘 2
2.2. 단순예제를 통한 SANN과 ANN 대치법의 비교 4
3. 모의 실험 5
3.1. 모형을 이용한 모의실험 5
3.2. NCI60 자료를 이용한 모의실험 7
4. 결론 7
참고문헌 8
Abstract 9
초록보기
비모수적 결측치 대치법인 k-최근접 이웃(k-Nearest Neighbors; KNN) 대치법을 개선한 적응 최근접 이웃(Adap-tive Nearest Neighbor; ANN) 대치법과 순차 k-최근접 이웃(Sequential k-Nearest Neighbor; SKNN) 대치법의 장점들을 결합한 순차 적응 최근접 이웃(Sequential Adaptive Nearest Neighbor; SANN) 대치법을 제안하고자 한다. 이 방법은 ANN 대치법의 장점인 자료의 국소적 특징을 반영할 뿐 아니라, SKNN 대치법과 같이 결측값 대치가 이루어진 개체를 다음 결측값을 대치할 때 사용함으로써 효율성에 개선이 있을 것으로 기대한다.
In this paper, we propose a Sequential Adaptive Nearest Neighbor(SANN) imputation method that combines the Adaptive Nearest Neighbor(ANN) method and the Sequential k-Nearest Neighbor(SKNN) method. When choosing the nearest neighbors of missing observations, the proposed SANN method takes the local feature of the missing observations into account as well as reutilizes the imputed observations in a sequential manner. By using a Monte Carlo study and a real data example, we demonstrate the characteristics of the SANN method and its potential performance.
In this paper, we propose a Sequential Adaptive Nearest Neighbor(SANN) imputation method that combines the Adaptive Nearest Neighbor(ANN) method and the Sequential k-Nearest Neighbor(SKNN) method. When choosing the nearest neighbors of missing observations, the proposed SANN method takes the local feature of the missing observations into account as well as reutilizes the imputed observations in a sequential manner. By using a Monte Carlo study and a real data example, we demonstrate the characteristics of the SANN method and its potential performance.
권호기사
참고문헌 (9건) : 자료제공( 네이버학술정보 )
| 번호 | 참고문헌 | 국회도서관 소장유무 |
|---|---|---|
| 1 | 맹진우, 방성완, 전명식 (2010). 수정된 적응 최근접 방법을 활용한 판별분류방법에 대한 연구, <응용통계연구>, 23, 1093–1102. | 미소장 |
| 2 | A Comparison of BLS Non-Response Adjustment and Cross-Wave Regression Imputation Methods  |
미소장 |
| 3 | Missing imputation methods using the spatial variable in sample survey | 소장 |
| 4 | Adaptive Nearest Neighbors for Classification | 소장 |
| 5 | Dixon, J. K. (1979). Pattern recognition with partly missing data, IEEE Transactions on Systems, Man, and Cybernetics, 9, 617–621. | 미소장 |
| 6 | Jhun, M., Jeong, H. C. and Koo, J. Y. (2007). On the use of adaptive nearest neighbors for missing value imputation, Communications in Statistics: Simulation and Computation, 36, 1275–1286. | 미소장 |
| 7 | Reuse of imputed data in microarray analysis increases imputation efficiency. |
미소장 |
| 8 | Little, R. J. A. and Rubin, D. B. (1987). Statistical Analysis With Missing Data, Wiley, New York. | 미소장 |
| 9 | Missing value estimation methods for DNA microarrays |
미소장 |
MARC 보기
오류 데이터 정정요청
*표시는 필수 입력사항입니다.
알림톡 발송
| 전화번호 |
|---|
개인정보 수정 바로가기
연속간행물 권호 선택
우편복사 안내
- ◾ 도서관을 방문하지 못할 경우 인터넷, 팩스 등으로 자료 복사를 신청하고, 복사물을 우편·팩스 등으로 제공받는 서비스
- ◾ 대상자료: 일반도서, 연속간행물 및 학위논문
- ※ 고서, 고잡지, 훼손될 우려가 있는 자료, 마이크로폼 자료 및 신문 등 제외
- ◾ 신청 책수: 1인 5책 이하(1일 기준)
- ◾ 신청 절차: 자료 검색 → 우편복사 목록담기 → 복사 범위 입력 → 우편복사 주문서 입력 → 접수 및 확인
- ※ 저작권법에 의거하여 부분 복사(전체 페이지 수의 1/3 범위 이내)만 가능
- ◾ 복사 범위 입력 예시: (연속 페이지) 1-30, (부분 페이지) 25, 30-40
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내(서울관)
도서위치안내: 정기간행물실(524호) / 서가번호: 국내08
2021년 이전 정기간행물은 온라인 신청(원문 구축 자료는 원문 이용)
0
확인
우편복사 목록담기를 완료하였습니다.
내서재에 담기
새로운 서재
*표시는 필수 입력사항입니다.
저장
저장 되었습니다.