• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2003.10a
• /
• pp.268-271
• /
• 2003

SOM 알고리즘에서 가중치 조정은 입력 벡터와 승자 노드의 대표 벡터간의 차이만큼 조정되고 승노드의 대표벡터에 입력벡터의 정보를 반영하게 된다. 여기서 그 정보를 반영할 때 입력벡터와 승자노드의 대표 벡터간에 차이가 크면 승자 노드의 대표 벡터에 입력벡터를 기억시키기 위해 입력 벡터의 정보를 더 많이 반영해야 한다. 이러한 문제점을 개선하기 위해 본 논문에서는 승자 노드의 대표벡터와 입력벡터간의 출력오류를 0과1사이의 정규화된 값으로 출력오류를 계산하여 학습률을 조정하고 승자 노드의 저 활용 문제를 개선하기 위해 학습 중에 각 승자 노드의 대표 벡터들이 수정되고 선택되어지는 횟수가 가능한 동등해지도록 각 노드의 승자 빈도수를 가중치 조정에 반영하는 개선된 SOM 알고리즘을 제안하였다. 제안된 방법의 인식 성능을 평가하기 위해 주민등록증에서 추출한 숫자 패턴 50개를 대상으로 실험한 결과, 제안된 방법의 인식 성능이 기존의 SOM 알고리즘보다 개선된 것을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.199-201
• /
• 2006

웹 클러스터 시스템은 여러 대의 서버로 부하를 분산시키는 시스템이다. 부하 분산 알고리즘으로 가중치를 부여하고 연결 수가 가장 적은 리얼 서버를 선출하는 방식인 가중치 기반 최소-연결(WLC: Weighted Least-Connection) 스케줄링 알고리즘을 가장 많이 사용하고 있다. 이 알고리즘은 동시 사용자 수가 많은 웹 클러스터 시스템에 새로운 리얼 서버가 추가될 경우 새로운 서버에게 웹 요청을 집중적으로 할당하여 해당 서버에 과부하를 발생시키는 문제점이 있다. 본 논문에서는 새로운 리얼 서버에게 발생하는 과부하를 줄이기 위해, 웹 요청이 새로운 리얼 서버에게 연속적으로 할당되면 해당 서버를 스케줄링에서 잠시 제외되도록 하는 개선된 WLC 스케줄링 알고리즘을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2010.07a
• /
• pp.429-432
• /
• 2010

그래프 분할 문제는 각각의 가중치가 주어진 에지와 노드를 정해진 목적에 맞게 몇 개의 그룹으로 분할하는 문제이다. 이 문제는 휴리스틱 방법으로 해결되어져 왔으나, NP-hard 문제로 인한 지역 최적해에 빠지기 쉬운 단점을 갖는다. 유전자 알고리즘이 해결 방법으로 제시되고 있는 가운데 단순 유전자 알고리즘에서 초기의 모집단 메모리(population memory)를 이용하여 적은 크기의 모집단을 생성하고 외부메모리에 최적해들을 저장하고 있어 GA의 효율성을 높이며, 다수의 지역 최적해에 빠지지 않게 하며 수렴 속도를 향상시키는 마이크로 유전자 알고리즘을 적용한다. ${\mu}$-GA를 통해 본 논문에서는 클러스터들의 가중치를 비교적 동일하게 하는 GPP를 해결하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.940-941
• /
• 2014

국내 MPI 시스템의 도입을 위하여 한글성명에 대한 유사도 비교 알고리즘이 필요하다. 기존의 영문성명 비교 알고리즘의 경우 조합형 글자를 지원하지 않기 때문에 한글에 적용할 경우 좋은 결과를 내지 못한다. 이러한 문제를 해결하기 위해 한글성명 매칭 알고리즘을 연구하였으며 본 논문에서는 한글 유사도 알고리즘에서 사용되는 여러 가중치의 최적 값을 시뮬레이션을 통해 산정하는 방법에 관하여 연구하였다.

• Journal of KIISE:Databases
• /
• v.32 no.3
• /
• pp.228-242
• /
• 2005

The projected clustering seeks to find clusters in different subspaces within a high dimensional dataset. We propose an algorithm to discover near optimal projected clusters without user specified parameters such as the number of output clusters and the average cardinality of subspaces of projected clusters. The objective function of the algorithm computes projected energy, quality, and the number of outliers in each process of clustering. In order to minimize the projected energy and to maximize the quality in clustering, we start to find best subspace of each cluster on the density of input points by comparing standard deviations of the full dimension. The weighting factor for each dimension of the subspace is used to get id of probable error in measuring projected distances. Our extensive experiments show that our algorithm discovers projected clusters accurately and it is scalable to large volume of data sets.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.3
• /
• pp.193-207
• /
• 2009

Intracellular signal transduction is achieved by protein-protein interaction. In this paper, we suggest high performance algorithm based on Yeast protein-protein interaction and protein location information. We compare if pathways predicted with high valued weights indicate similar tendency with pathways provided in KEGG. Furthermore, we suggest extracted results, which can imply a discovery of new signaling pathways that is yet proven through experiments. This will be a good basis for research to discover new protein signaling pathways and unknown functions of established proteins.

• The KIPS Transactions:PartB
• /
• v.17B no.5
• /
• pp.381-388
• /
• 2010

Naive Bayesian learning has been widely used in many data mining applications, and it performs surprisingly well on many applications. However, due to the assumption that all attributes are equally important in naive Bayesian learning, the posterior probabilities estimated by naive Bayesian are sometimes poor. In this paper, we propose more fine-grained weighting methods, called value weighting, in the context of naive Bayesian learning. While the current weighting methods assign a weight to each attribute, we assign a weight to each attribute value. We investigate how the proposed value weighting effects the performance of naive Bayesian learning. We develop new methods, using gradient descent method, for both value weighting and feature weighting in the context of naive Bayesian. The performance of the proposed methods has been compared with the attribute weighting method and general Naive bayesian, and the value weighting method showed better in most cases.

• Journal of the Korean Data and Information Science Society
• /
• v.12 no.2
• /
• pp.1-10
• /
• 2001

Neural networks we increasingly being seen as an addition to the statistics toolkit which should be considered alongside both classical and modern statistical methods. Neural networks are usually useful for classification and function estimation. In this paper we concentrate on function estimation using neural networks with weight decay factor The use of weight decay seems both to help the optimization process and to avoid overfitting. In this type of neural networks, the problem to decide the number of hidden nodes, weight decay parameter and iteration number of learning is very important. It is called the optimization of weight decay neural networks. In this paper we propose a automatic optimization based on genetic algorithms. Moreover, we compare the weight decay neural network automatically learned according to automatic optimization with ordinary neural network, projection pursuit regression and support vector machines.

• Journal of the Korean Society for information Management
• /
• v.25 no.1
• /
• pp.211-233
• /
• 2008

This study examines various weighting methods for improving the performance of automatic classification based on Rocchio algorithm on two collections(LISA, Reuters-21578). First, three factors for weighting are identified as document factor, document factor, category factor for each weighting schemes, the performance of each was investigated. Second, the performance of combined weighting methods between the single schemes were examined. As a result, for the single schemes based on each factor, category-factor-based schemes showed the best performance, document set-factor-based schemes the second, and document-factor-based schemes the worst. For the combined weighting schemes, the schemes(idf*cat) which combine document set factor with category factor show better performance than the combined schemes(tf*cat or ltf*cat) which combine document factor with category factor as well as the common schemes (tfidf or ltfidf) that combining document factor with document set factor. However, according to the results of comparing the single weighting schemes with combined weighting schemes in the view of the collections, while category-factor-based schemes(cat only) perform best on LISA, the combined schemes(idf*cat) which combine document set factor with category factor showed best performance on the Reuters-21578. Therefore for the practical application of the weighting methods, it needs careful consideration of the categories in a collection for automatic classification.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.308-309
• /
• 2008

본 논문에서는 추적하고자 하는 관심객체를 일정한 크기의 블록으로 나누어 각 블록이 독립적으로 추적을 수행한다. 나누어진 각 블록들은 NCC(Normalized Cross Correlation)를 사용하여 통계적인 특성을 고려하여 움직임을 추정한다. 추정된 블록들의 움직임 벡터 중 평한 벡터보다 일정 값 이상 큰 블록은 관심객체 움직임 벡터 추정 시 제외시킴으로써 잘못된 추정으로 인한 에러를 줄인다. 선택된 블록들의 추정 에러값에 따라 추정값이 높은 블록의 움직임 벡터는 높은 가중치를 적용하고 추정값이 낮은 블록의 움직임 벡터는 낮은 가중치를 적용하여 추적 신뢰도를 높였다. 실험결과, 제안된 알고리즘은 강건한 실시간 추적이 가능함을 보여준다.