다양한 데이터 마이닝 기법들의 발전과 더불어, 속성 (Feature 또는 Attribute)의 범위 (Dimension)를 줄이기 위해 많은 요소 선택 방법이 개발되었다. 이는 확장성 (Scalability)을 향상시킬 수 있고 학습 모델 (Learning Model)을 더욱 쉽게 해석할 수 있도록 한다. 이 논문에서는 네스티드 분할 (Nested Partition, 이하 NP)을 이용한 새로운 최적화 기반 속성 선택 방법을 NP 기본 구조와 다양한

크로스도킹이란 창고나 물류센터에 하역된 물품이 저장됨이 없이 도착지별로 재분류되어서 직출하되는 물류 시스템이다. 크로스도킹은 물류비용의 큰 비중을 차지하는 보관비용을 감소시킬 수 있을 뿐만 아니라 고객의 요구에 빠른 대응을 할 수 있다는 장점을 지니고 있다. 크로스도킹이 성공적으로 수행되기 위해서는 창고나 물류센터의 입고에서부터 출고까지의 모든 작업들이 계획적이고 원활하게 수행되어져야만 한다. 본 연구에서는 임시보관 장소를 보유하지 않은 크로스도킹 시스