• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권3호
• /
• pp.346-350
• /
• 2010

현재, Zigbee환경에서 센서 노드는 자원 제약적인 특성 때문에 효율성을 높이기 위한 다양한 연구가 진행되고 있다.[1] 계층적 구조를 가지는 클러스터링 기법은 정보의 중복 전달 방지와 네트워크 확장 용이성을 제공한다.[2] 그러나 클러스터 헤더 선출 시 오버헤드 발생하며 잘못된 클러스터 헤더 선출은 자원을 효율적으로 사용할 수 없다는 한계가 있다. 본 논문에서는 계층적 클러스터링 기법에서 노드의 위치나 에너지 정보를 싱크노드에서 알고 있는 중앙 처리식을 활용하여 거리와 노드의 밀도를 기반으로 하는 클러스터 헤더의 선출기법을 제안하고자 한다.

• 디지털융복합연구
• /
• 제18권3호
• /
• pp.189-194
• /
• 2020

최근 IoT 네트워크는 이기종의 IoT 장치에서 발생하는 데이터를 효율적으로 처리하기 위해서 다양한 클러스터링 기법들이 연구되고 있다. 그러나, 기존 클러스터링 기법들은 정적으로 네트워크를 분할하는데 초점을 맞추고 있어서 이동이 가능한 IoT 장치에는 기존 클러스터링 기법들이 적합하지 않다. 본 논문에서는 에지 네트워크를 이용하여 IoT 장치의 정보를 수집·분석하기 위한 확률적 딥러닝 기반의 동적 클러스터링 모델을 제안한다. 제안 모델은 수집된 정보의 속성값의 빈도수를 확률적으로 딥러닝에 적용하여 서브넷을 구축한다. 구축된 서브넷은 시드로 추출된 연계 정보를 계층적 구조로 그룹핑할 때 사용하며, IoT 장치에 대한 동적 클러스터링의 속도 및 정확도를 향상시킨다. 성능평가 결과, 제안모델은 기존 모델에 비해 데이터 처리 시간이 평균 13.8% 향상되었고, 서버의 오버헤드는 기존 모델보다 평균 10.5% 낮게 나타났다. 서버에서 IoT 정보를 추출할 때의 정확도는 기존모델보다 평균 8.7% 향상되었다.

• 한국멀티미디어학회논문지
• /
• 제13권10호
• /
• pp.1534-1546
• /
• 2010

센서 네트워크에서는 에너지 소비를 줄이기 위해 다양한 계층적 클러스터링 방법이 제안되었다. 그러나 대부분의 연구에서 나타나는 문제점은 노드의 실제 배치를 생각하지 않고 일방적인 그리드 형태의 구조 또는 무작위 적인 클러스터 구조를 구성하는 것이다. 이렇게 구성된 클러스터는 클러스터의 크기와 포함된 노드의 수가 불균형하기 때문에 큰 에너지 효율을 보이기 힘들다. 그래서 본 논문에서는 실제 노드들이 배치가 된 후 R-Tree의 노드 분할 및 병합 알고리즘에 착안하여 보다 더 효율적인 클러스터를 구성할 수 있는 방법인 CSM(Clustering using Split & Merge algorithm)을 제안한다. 다양한 실험결과 CSM은 기존 방법보다 에너지 효율적인 클러스터링을 생성함으로써 최대 1.6배의 에너지 효율을 보였다.

• 전자공학회논문지C
• /
• 제35C권10호
• /
• pp.69-77
• /
• 1998

본 논문에서는 대규모 집적회로 설계에 있어 효율적이고 안정된 분할을 위한 새로운 다단 분할 방법을 제안한다. 대규모 회로의 설계에 반복적인 분할 개선 방법을 적용함에 있어 성능의 한계를 극복하기 위해 제안된 다단 분할 방법은 분할 계층구조의 형성 방식에 의해 그 성능이 결정되었다. 기존에 제안된 대부분의 다단 분할 방법은 계층구조를 형성하는 과정에서 실험에 의한 인위적인 제한 조건을 설정하여 분할 결과의 안정성이 저하되는 문제가 있었다. 이러한 안정성의 결여는 반복 수행시의 분할 결과 편차가 매우 커지는 상황을 초래한다. 본 논문에서는 이러한 인위적인 제한 조건의 설정을 최소화하고 계층구조 형성 과정에서 현재 회로 연결 상태를 고려하여 자율적인 제한조건에 의해 클러스터링을 수행하는 새로운 계층구조 형성 방식을 제안한다. 제안된 방법에 의해 형성된 분할 계층구조는 HYIP/sup 11/의 하이브리드 버켓을 이용한 분할 개선방법을 반복적으로 적용하여 분할 결과를 얻는다. 본 다단 분할 방법은 ACM/SIGDA에서 제공한 벤치마크회로를 대상으로 실험한 결과 기존 분할 방식/sup [3] [4] [5] [8] [9]/에 비해 약 10-40% 가량의 최소 cutsize 감소 효과가 있었고 기존의 다단 분할 방법 중에 가장 효율적인 방법으로 평가되는 ML/sup [10]/에 비해 제안된 방법이 최소 cutsize에 있어서는 약 5%, 평균 outsize에 있어서는 평균 20%이상의 성능 향상을 가져 왔다. 더욱이 제안된 방법을 10회 수행한 결과가 ML 방법을 100회 수행한 결과 보다 앞서는 성능을 보였다.

• 방송공학회논문지
• /
• 제1권2호
• /
• pp.165-175
• /
• 1996

본 논문에서는 영상분할에 이용되는 대부분의 기존방법들에서의 문제점을 해결하기 위해 입력 영상으로부터 형성된 계층적 피라밋 영상구조를 이용하여 영상을 분할하는 방법을 제안하였다. 제안된 방법은 통계적 방식에 의한 물체검출 및 묘사과정으로 이루어져 있다. 물체검출 방법에서는 계층적 영상구조에서 발생하는 클러스터링의 유효성 문제를 해결하기 위해 통계적 IFSVR 알고리듬과 FSVR 알고리듬을 제안하였고, 이를 이용하여 관심대상 화소를 검출하였다. 물체묘사 방법은 고해상도 레벨로 검출된 최적 물체화소를 투사하고 처리하기 위해 톱다운 추적방식인 반복 알고리듬을 제안하였다. 시뮬레이션을 통하여 2진 영상과 실영상 모두에서 제안된 분할방법을 분석하였고, 그 결과 계층적 피라밋구조에 기초를 둔 접근방법이 영상분할에 대한 유용한 특성을 가지고 있음을 입증하였으며, 병렬처리기에서 처리된다면 각 알고리듬이 n${\times}$n 영상에 대해 0(log n)의 계산량이 요구된다.

• 한국지능시스템학회논문지
• /
• 제10권4호
• /
• pp.285-292
• /
• 2000

자료 분석 과정을 살펴 보면 1) 자료가 갖는 경향 평가, 2) 클러스터 분석, 3) 클러스터의 타당성 조사라는 과정을 거쳐 이루어진다. 이 분석법은 2) 및 3) 단계의 반복 수행으로 인하여 많은 계산 시간이 소요되므로 비효율적인 방법이라 할 수 있다. 본 논문에서는, 이와 같은 단점을 보완하기 위하여 자료가 갖는 개략적 특성을 파악하여 자료 속에 존재하는 클러스터의 근사적 개수 및 중심을 정한 후, 이 정보를 기존의 일반적인 퍼지 클러스터링 알고리즘에 입력하여 클러스터링을 수행하는 밀도함수를 이용한 계층적 구조의 근사적 클러스터링 알고리즘을 제안하고, 예제를 통하여 제안된 알고리즘의 타당성을 보인다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.81-84
• /
• 2022

제조 산업에서의 이상치 검출은 생산품의 품질과 운영비용을 절감하기 위한 중요한 요소로 최근 딥러닝을 사용하여 자동화되고 있다. 이상치 검출을 위한 딥러닝 기법에는 CNN이 있으며, CNN을 계층적으로 구성할 경우 단일 CNN 모델에 비해 상대적으로 성능의 향상을 보일 수 있다는 것이 많은 선행 연구에서 나타났다. 이에 MVTec-AD 데이터셋을 이용하여 계층 CNN이 다중 클래스 이상치 판별 문제에 대해 효과적인지를 탐구하고자 하였다. 실험 결과 단일 CNN의 정확도는 0.7715, 계층 CNN의 정확도는 0.7838로 다중 클래스 이상치 판별 문제에 있어 계층 CNN 방식 접근이 다중 클래스 이상치 탐지 문제에서 알고리즘의 성능을 향상할 수 있음을 확인할 수 있었다. 계층 CNN은 모델과 파라미터의 개수와 리소스의 사용이 단일 CNN에 비하여 기하급수적으로 증가한다는 단점이 존재한다. 이에 계층 CNN의 장점을 유지하며 사용 리소스를 절약하고자 하였고 K-means, GMM, 계층적 클러스터링 알고리즘을 통해 제작한 새로운 클래스를 이용해 계층 CNN을 구성하여 각각 정확도 0.7930, 0.7891, 0.7936의 결과를 얻을 수 있었다. 이를 통해 Clustering 알고리즘을 사용하여 적절히 물체를 분류할 경우 물체에 따른 개별 상태 판단 모델을 제작하는 것과 비슷하거나 더 좋은 성능을 내며 리소스 사용을 줄일 수 있음을 확인할 수 있었다.

• 디지털콘텐츠학회 논문지
• /
• 제18권1호
• /
• pp.133-139
• /
• 2017

기존 서버 기반의 클라우드 시스템에서의 높은 설치 및 유지비용 문제를 해결하기 위해 최근 P2P 클라우드 스토리지에 대한 연구가 진행되었다. 본 논문에서는 비디오 전송을 위한 P2P 클라우드 스토리지 시스템에서 재생 품질을 향상시키는 계층적인 오버레이 구조를 제안한다. 이 구조에서는 현재 접속 중인 피어들의 유사성을 기반으로 피어들을 클러스터링해서 하나의 그룹을 생성한 후 각 그룹 내에서 물리적인 인접성을 고려해서 피어들을 지역별로 서브그룹으로 다시 구성한다. 따라서 특정 비디오에 대한 재생이 요청되면 지역성을 고려해서 소스 피어들을 선택하여 전송 지연 시간을 최소화할 수 있다. 마지막으로 실험을 통해서 본 논문에서 제안하는 지역성을 고려한 계층적 오버레이 구조가 임의로 소스 피어를 선택하는 구조에 비해 성능이 우수한다는 것을 보인다.

• 한국정보통신학회논문지
• /
• 제20권5호
• /
• pp.942-948
• /
• 2016

WSN은 센서 노드에 의해 구성된 네트워크로, 센서 노드는 한번 배치되면 재충전하거나 위치적으로 재배치가 불가능하다. 또한 센서노드들은 제한된 에너지를 가지고 통신에 참여하게 된다. 그러나 기존 제안되었던 클러스터링 기법들은 불균일한 분포로 배치된 WSN환경에 적용 시 지역적 특징으로 통신 단절이 발생되는 문제점으로 네트워크의 신뢰성에 문제점을 갖는다. 따라서 제안 알고리즘에서는 WSN환경에서 센서노드의 불균형 배치를 고려해 센서필드를 분할하고 분할영역의 센서노드 밀집도에 따라 고정, 정적, 동적 클러스터링 알고리즘을 선별적으로 적용함으로 센서노드의 통신 참여율을 25% 향상시켰다. 그리고 전체 네트워크 생명주기는 14%연장하여 네트워크의 신뢰성을 보장하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 D
• /
• pp.2522-2524
• /
• 2004

최근 P2P 시스템에 대한 연구는 매우 활발하게 진행되고 있다. 그 중 P2P 시스템의 자원 공유에 관한 문제는 매우 중요하게 다루어지며, 또한 많은 연구가 진행되고 있다. 본 논문에서는 분산된 컨텐츠 기반의 자원 공유를 위해 각각의 노드들을 계층별로 분류하도록 하였으며, 레이어 별로 차별적인 서비스를 제공하도록 하였다. 시스템의 특징은 다음과 같다. 먼저, 노드를 성능에 따라 레이어 별로 분류하며, 효율적인 자원 공유를 위해 노드들을 그룹화 한다. 클러스터링을 통해 상위 레이어에 속한 노드들과 자원을 공유할 수 있도록 한다.