• Proceedings of the Korea Society for Simulation Conference
• /
• 1998.10a
• /
• pp.62-64
• /
• 1998

유전 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한 (Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지거나 (2)수학적으로 표현이 불가능하거나 어렵거나 (3) 목적함수에 교란항이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 군집성 분석(cluster analysis)을 이용하여 군집화함으로써 유전 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 그룹화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 최적값에 근접시킬 수 있는 탐색 알고리즘을 제안하였으며, 시뮬레이션의 출력이 특정한 테스트 함수의 형태로 나타난다고 가정한 경우에 확률적으로 나타나는 시뮬레이션 모델의 출력을 최대화하는 문제에 대하여 적용하고 분석하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.646-648
• /
• 2004

기계학습의 군집화(clustering) 기법은 예제들 간의 유사성에 근거하여 주어진 예제들을 무리 짓는 방법이다. 준감독(semi-supervised) 군집화는 카테고리가 부여된(labeled) 소수의 예제들을 적극적으로 활용하여 군집형태가 보다 자연스럽게 형성되도록 유도하는 군집화 방법이다. 준감독 군집화 문제에서 예제에 카테고리를 부여하는 작업은 현실적으로 극히 제한적이거나 카테고리를 부여하는데 소요되는 비용이 상당하므로, 제한된 자원 내에서 군집화에 효용성이 높을 예제들을 선정하여 카테고리를 부여하는 것이 필요하다. 본 논문에서는 기존 연구에서 능동적 학습의 초기 훈련예제 선정을 위해 제안된 군집기반 훈련예제 선정 방법을 준감독 군집화에 적용하여 군집 결과의 질을 향상시키고자 한다. 군집화를 이용한 예제 선정 방법은 유사한 예제들은 동일한 카테고리에 속할 가능성이 높다는 가정하에 전체 예제를 활용하여 선정하고자 하는 예제 수만큼 군집을 생성 한 후. 각 군집의 중심점에 가장 가까운 예제들을 대표 예제로 선정하여 훈련 집합을 구성하는 방법이다 본 논문에서는 문서를 대상으로 하는 준감독 군집화 실험을 통해, 카테고리를 부여할 예제를 임의로 선정한 경우에 비해 군집화를 이용한 훈련 예제들로 준감독 군집화를 수행한 경우가 보다 좋은 군집을 형성함을 확인하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.13 no.4
• /
• pp.11-18
• /
• 2008

Document clustering is an important method for document analysis and is used in many different information retrieval applications. This paper proposes a new document clustering model using the re-weighted term based NMF(non-negative matrix factorization) to cluster documents relevant to a user's requirement. The proposed model uses the re-weighted term by using user feedback to reduce the gap between the user's requirement for document classification and the document clusters by means of machine. The Proposed method can improve the quality of document clustering because the re-weighted terms. the semantic feature matrix and the semantic variable matrix, which is used in document clustering, can represent an inherent structure of document set more well. The experimental results demonstrate appling the proposed method to document clustering methods achieves better performance than documents clustering methods.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.689-693
• /
• 2004

주어진 데이터를 일정한 기준에 따라 여러 개 군집으로 분할할 때 대부분 경우는 군집수에 대한 사전 정보가 없이 군집화를 실시하게 된다. 적절한 군집수의 결정은 군집화 결과의 타당성에 전제가 되는 매우 중요한 문제이나 내재된 복잡성 때문에 실제 적용에 간편한 방법을 찾기 힘들고 더구나 다양한 형태의 데이터에 보편적으로 적합한 방법을 찾기는 더욱 어렵다. 본 연구에서는 기존의 제시된 군집수 결정방법 들의 아이디어 들을 소개하고 주어진 데이터의 종류에 관계없이 일반적으로 적용할 수 있는 새로운 군집수 결정기법을 제시한다. 대부분의 경우 군집수 결정은 군집화와 동시에 이루어지게 되므로 이것을 한꺼번에 처리하는 범용의 방법도 소개한다. 적용 예제들을 통한 타당성 검증도 이루어진다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.792-795
• /
• 2002

현재 많은 관심의 대상이 되고 있는 데이터 마이닝은 대용량의 데이터베이스로부터 일정한 패턴을 분류하여 지식의 형태로 추출하는 작업이다. 데이터 마이닝의 대표적인 기법인 군집화는 군집내의 유사성을 최대화하고 군집들간의 유사성을 최소화 시키도록 데이터 집합을 분할하는 것이다. 데이터 마이닝에서 군집화는 대용량 데이터를 다루기 때문에 원시 데이터에 대한 접근 횟수를 줄이고 알고리즘이 다루어야 할 데이터 구조의 크기를 줄이는 군집화 기법이 활발하게 사용된다. 그런데 기존의 군집화 알고리즘은 잡음에 매우 민감하고, local minima에 반응한다. 또한 사전에 군집의 개수를 미리 결정해야 하고, initialization 값에 따라 군집의 성능이 좌우되는 문제점이 있다. 본 연구에서는 유전자 알고리즘을 이용하여 자동으로 군집의 개수를 결정하는 LONGEPRO 알고리즘을 제안하고, 여기서 제시하는 적합도 함수의 최적화된 군집을 찾아내여 조금더 효율적인 알고리즘을 만들어 대용량 데이터를 다루는 데이터 마이닝에 적용해 보려 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.283-286
• /
• 2003

군집화 시 일반적으로 개별 클래스(class) 혹은 카테고리(category) 당 하나의 군집이 형성되는 결과가 선호된다. 하지만 데이터가 비정형적인 분포를 따르는 경우에는 하나의 군집으로 개별 클래스를 온전히 표현하는 것이 불가능하거나 오히려 부자연스러운 경우가 발생할 수 있다. 본 논문에서는 예제의 클래스를 알고 있는 즉, 레이블(label)된 예제들을 그렇지 않은(unlabeled) 예제들과 함께 활용하여 군집화하는 제약된 K-means (constrained K-means) 알고리즘을 위하여 보다 자연스러운 형태의 군집이 형성될 수 있도록 초기 씨드(seed, 씨앗)를 생성하는 방안을 제안한다. 레이블된 예제들을 계층적으로 군집화하면 다양한 단계에서 제약된 K-means를 위한 씨드집합을 생성할 수 있다. 본 연구에서는 각 단계의 씨드집합을 기반으로 형성된 군집결과간의 변화정도를 측정하여 가장 적절한 것으로 추정되는 씨드집합을 선정하였다. 제안한 방안을 문서 군집화 문제에 적용하여 실험한 결과 개별 클래스마다 하나의 군집을 가정하는 경우보다 더 나은 군집을 형성할 수 있음을 확인하였다.

• Proceeding of EDISON Challenge
• /
• 2014.03a
• /
• pp.591-596
• /
• 2014

본 논문에서는 EDISON_전산열유체 시스템을 활용하여 군집주행 형태 변화에 따른 항력계수 및 연료효율 변화를 분석하였다. 해석 대상은 자동차 형상을 단순화한 모델인 아흐메드 형상(Ahmed body)을 이용하였다. 동종차량 간 거리변화에 따른 항력계수 및 연료효율의 변화, 이종차량의 배열순서변화에 따른 항력계수 및 연료효율을 분석하며 연구를 수행하였다. 연구 결과, 4대의 동종차량 군집주행시 항력계수를 최대 69% 감소할 수 있으며 이에 따라 km 당 0.073L의 연료를 절감할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06d
• /
• pp.354-359
• /
• 2010

센서 네트워크는 광범위한 영역에서 다양한 환경정보를 수집 가능하다. 센서 네트워크 환경에서 발생하는 다양한 이벤트 유형 중에 군집 이벤트는 객체의 군집, 물질의 확산 등과 같은 다양한 형태로 발생한다. 센서의 에너지 제약 특성을 고려하여 군집 이벤트에 대한 에너지 효율적인 탐지 기법에 대한 다양한 기법들이 연구되고 있다. 기존에 제안된 군집 이벤트 탐지 기법들 중 이벤트를 감지한 모든 노드들의 정보를 이용하지 않고, 이벤트의 경계 정보만을 추출하여 기지국으로 전송함으로써 군집 이벤트를 탐지하는 기법이 제안되었다. 하지만 군집 이벤트의 범위가 넓어지고 센서의 배포 밀도가 높을 경우 경계에 위치한 노드들 또한 증가하여 많은 전송 비용을 필요로 한다. 본 논문에서는 에너지 효율적인 군집 이벤트 탐지를 위해 이벤트 경계 노드들의 정보를 압축/요약하여 나타낼 수 있는 인-네트워크 최소 경계 다각형을 생성 기법을 제안한다.

• Korean Journal of Ecology and Environment
• /
• v.52 no.3
• /
• pp.274-283
• /
• 2019

Beta diversity is an efficient means of assessing the spatial variation in community composition among sites. To present fish community variation and LCBD (Local Contribution to Beta Diversity) among sites in stream, 6 sampling sites were selected in Cheonggye stream. Fish communities, environmental and habitat variables were collected at sites from April 2014 to October 2015. We used the total variance of the fish community data table (site-by-species community table) based on different forms, presence-absence, abundance, and Hellinger transformation, to estimate and compare beta diversity and LCBD. Fish community data table transformed by Hellinger distance showed the higher values of beta diversity than presence-absence and abundance data table. A similar patterns of LCBD were observed with presence-absence and Hellinger transformed data table. Low value of beta diversity calculated by community data table with abundance was due to the non-normality of fish assemblage data. Additionally, correlation coefficients were calculated to evaluate the relationships among LCBD, community indices and physicochemical variables. LCBD showed negative correlation coefficients with Shannon diversity. Overall, application of beta diversity analysis is an efficient method of addressing spatial variation of fish communities and ecological uniqueness of the sites in stream.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.441-443
• /
• 2012

계층 군집화 (Hierarchical Clustering)는 전역정보를 활용하여 군집화를 하기 때문에 다양한 군집 분석(Cluster Analysis) 방법들 중에 비교적 많이 이용되고 있으나 군집화의 결과를 덴드로그램의 형태로 나타내 전체 군집들의 정보를 직관적으로 확인하기에는 어려움이 존재한다. 이러한 문제를 개선하기 위해서 기존 Dendrogram의 정보를 크게 훼손하지 않고 직관적으로 클러스터의 정보를 확인할 수 있는 Reachability plot이 개발되었다. 그러나 Centroid Linkage 방식과 같이 덴드로그램이 비단조적이 될 수 있는 계층 군집화에서는 이것을 기존의 Reachability plot 방식으로 변환할 경우 정보가 왜곡 되어 나타날 수 있다. 따라서 우리는 이러한 문제를 해결하기 위한 방법을 제안함으로써 비단조적 덴드로그램의 경우에도 군집들을 정보의 왜곡 없이 표현할 수 있도록 하였다.