Machine learningTopological data analysis
지속성 호몰로지
지속성 호몰로지(Persistent homology)는 위상 데이터 분석(topological data analysis)의 한 방법으로, 스케일 매개변수가 변화함에 따라 연결 요소, 루프, 그리고 공동(void)을 추적하여 데이터의 다중 스케일 위상 구조를 정량화한다. 2002년 Edelsbrunner, Letscher, Zomorodian에 의해 소개되었으며, 위상적 특징을 그들의 탄생 및 소멸 스케일을 통해 인코딩하여, 형태에 대한 간결하고 좌표 독립적인 기술자로 기능하는 지속성 다이어그램(persistence diagram) 또는 바코드(barcode)를 생성한다. 이 접근 방식은 노이즈에 강하며, 이산 데이터와 대수적 위상수학(algebraic topology) 사이에 수학적으로 엄밀한 다리를 제공한다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Edelsbrunner, H., Letscher, D., & Zomorodian, A. (2002). Topological persistence and simplification. Discrete & Computational Geometry, 28(4), 511–533. DOI: 10.1007/s00454-002-2885-2 ↗
- Carlsson, G. (2009). Topology and data. Bulletin of the American Mathematical Society, 46(2), 255–308. DOI: 10.1090/S0273-0979-09-01249-X ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Persistent Homology (Topological Data Analysis). ScholarGate. https://scholargate.app/ko/topology/persistent-homology
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →