본 논문은 고차원 스트리밍 데이터 처리에 사용되는 온라인 스트리밍 특징 선택 (OSFS) 기술의 문제점을 개선하기 위해, 데이터 불완전성 문제를 해결하는 잠재 요인 분석 기반 결측 데이터 대체를 활용하는 Online Sparse Streaming Feature Selection (OS2FS)의 한계를 극복하고자 한다. 본 논문은 온라인 차분 진화를 활용한 새로운 특징 선택 방법인 ODESFS (Online Differential Evolution for Sparse Feature Selection)를 제안한다. ODESFS는 잠재 요인 분석 모델을 활용한 결측값 대체와 차분 진화를 통한 특징 중요도 평가를 통해 기존 OSFS 및 OS2FS 방법보다 우수한 성능을 달성한다. 여섯 개의 실제 데이터셋을 이용한 실험을 통해 ODESFS가 최적의 특징 부분 집합을 선택하고 더 높은 정확도를 얻음을 입증하였다.
