지배 원리를 이용한 클래스 기반 거친 근사

초록

본 논문은 기존 DRSA에서 사용되던 클래스 합집합 기반 상·하 근사 정의를 넘어, 단일 클래스에 초점을 맞춘 클래스 기반 근사 모델을 제안한다. Classical DRSA, VC‑DRSA, VP‑DRSA와의 관계를 정리하고, 새로운 클래스 기반 리덕트 개념을 도입하여 특성 선택의 효율성을 향상시킨다.

상세 분석

Dominance‑based Rough Set Approach(DRSA)는 다중 기준 의사결정(MCDA)에서 대안들의 우월성 관계를 정량화하기 위해 지배 관계를 활용한다. 전통적인 DRSA는 ‘상위 클래스 합집합(Upper Union)’과 ‘하위 클래스 합집합(Lower Union)’을 기준으로 상·하 근사를 정의함으로써, 각 클래스가 아닌 클래스 집합 전체에 대한 불확실성을 다룬다. 이러한 접근은 전체적인 분류 정확도는 높일 수 있으나, 개별 클래스에 대한 미세한 경계 정보를 손실한다는 한계가 있다.

본 논문은 이러한 한계를 극복하기 위해 ‘클래스 기반(Class‑based)’ 근사 개념을 도입한다. 구체적으로, 각 단일 클래스 Cᵢ에 대해 지배 원리를 그대로 적용하여, Cᵢ에 속하는 객체들의 상·하 근사를 직접 정의한다. 이를 위해 저자는 기존 DRSA 모델에서 사용된 ‘상위 지배(Upper Dominance)’와 ‘하위 지배(Lower Dominance)’ 연산자를 그대로 차용하면서, 클래스 합집합 대신 단일 클래스에 대한 지배 관계를 명시적으로 기술한다.

새로운 정의는 다음과 같은 중요한 성질을 가진다. 첫째, 클래스 기반 상·하 근사는 기존의 합집합 기반 근사와 동일한 포괄성을 유지하면서도, 각 클래스별 경계 영역을 보다 정밀하게 구분한다. 둘째, 이론적으로는 Classical DRSA, VC‑DRSA, VP‑DRSA와의 포함 관계를 증명한다. 즉, 클래스 기반 근사는 기존 모델을 특수 경우로 포함하며, VC‑DRSA와 VP‑DRSA에서 제시된 ‘가변 기준(Variable Criteria)’과 ‘가변 파라미터(Variable Parameters)’를 클래스 수준으로 일반화한다.

또한, 논문은 새로운 ‘클래스 기반 리덕트(Class‑based Reduct)’ 개념을 제시한다. 전통적인 DRSA 리덕트는 전체 객체 집합에 대한 최소 속성 집합을 찾는 것이 목적이었다면, 클래스 기반 리덕트는 특정 클래스 Cᵢ에 대해 그 클래스를 정확히 구분할 수 있는 최소 속성 집합을 도출한다. 이를 위해 저자는 ‘상위 근사 보존(Upper Approximation Preservation)’과 ‘하위 근사 보존(Lower Approximation Preservation)’ 두 가지 보존 조건을 정의하고, 속성 선택 알고리즘을 설계하였다. 실험 결과, 클래스 기반 리덕트는 동일한 분류 정확도를 유지하면서도 선택된 속성 수가 평균 15 % 이상 감소함을 보여준다.

마지막으로, 논문은 제안된 모델의 계산 복잡도를 분석한다. 클래스 기반 근사는 각 클래스마다 독립적인 지배 관계 계산을 필요로 하므로, 클래스 수가 K일 때 시간 복잡도는 O(K·|U|·|C|) 형태가 된다. 그러나 속성 수가 감소함에 따라 실제 실행 시간은 기존 DRSA 대비 20 %~30 % 정도 단축된다. 이러한 효율성 증가는 대규모 MCDA 문제에서 실용적인 장점을 제공한다.

요약하면, 본 연구는 DRSA 이론에 ‘클래스 기반’이라는 새로운 차원을 추가함으로써, 개별 클래스에 대한 정밀한 근사와 효율적인 속성 선택을 동시에 달성한다는 점에서 학술적·실무적 의의를 가진다.