무감독분류 (Unsupervised Classification)
쉽게 풀면
정답을 미리 알려주지 않고 컴퓨터가 스스로 비슷한 것끼리 묶어서 분류하게 하는 방법이다. 예를 들어 사전 정보 없이 영상의 색과 밝기 값이 비슷한 픽셀끼리 컴퓨터가 스스로 묶어 몇 개의 그룹으로 나누는 것이 비감독분류이다. 정답을 몰라도 색깔이나 밝기가 비슷한 것끼리 알아서 묶어보라고 시키는 방식이다.
왜 중요한가
사전 지식이 부족한 지역이나 신속한 예비분류가 필요한 상황에서 활용되며, 대략적인 토지피복 파악이나 감독분류를 위한 훈련지역 선정의 사전 탐색 단계로도 실무에서 널리 쓰입니다.
논문에서는 이렇게 쓰입니다
무감독분류는 훈련자료 없이 빠르게 초기 분류를 수행할 수 있지만, 생성된 군집의 의미는 분석자가 추후 해석해야 한다.
비감독분류는 사전 훈련자료가 필요 없어 빠르게 적용할 수 있지만, 분류된 군집이 실제 어떤 지표인지는 분석자가 별도로 해석해야 한다.
조금 더 깊게 보면
무감독분류는 화소를 분광적 유사성만으로 자동 군집화할 뿐이므로, 산출된 각 군집이 실제로 어떤 지표물질(도시, 농경지 등)에 해당하는지는 분석자가 사후에 현장자료와 대조해 직접 이름을 붙여야 하는 별도의 해석 작업이 필요합니다. 대표 알고리즘인 K-평균법과 ISODATA는 분석자가 미리 지정한 군집 수(K)를 기준으로 화소를 반복적으로 재배정하는 방식이며, K값을 몇으로 두느냐에 따라 결과 군집의 세밀도가 크게 달라진다. 군집 수를 실제보다 많이 지정한 뒤, 서로 비슷한 군집끼리 나중에 합쳐 최종 범주 수를 조정하는 방식이 실무에서 흔히 쓰인다. 결과로 나온 각 군집의 이름을 붙이는 과정에서 현장자료나 고해상도 영상과 대조하는 절차가 반드시 필요하다. 무감독분류는 자료의 특성을 사전에 전혀 모르는 새로운 지역을 처음 탐색할 때 특히 유용하다. 초기 무감독분류 결과를 감독분류의 훈련지역 후보로 재활용하는 반자동 방식도 실무에서 쓰인다.
주의할 점
무감독분류로 생성된 군집 수가 실제 지표유형 수와 일치하지 않을 수 있어 결과 해석에 주의가 필요하다.
동일한 알고리즘이라도 초기 중심값을 어떻게 두느냐에 따라 최종 군집 결과가 달라질 수 있어 여러 번 반복 실행해 안정된 결과를 확인하는 것이 좋다.