• 한국환경생태학회지
• /
• 제14권4호
• /
• pp.217-237
• /
• 2001

본 연구는 계룡산국립공원 갑사 계곡에 위치하는 낙엽활엽노거수군집의 식생군집구조를 부석하기 위하여 18개의 Belt-transect를 설정하여 조사하였다. 노거수군집 전체면적은 $46.442\m^2$이었고, 이 중 노거수가 차지하는 면적은 $35.246\m^2$이었으며, 대표적인 현존식생은 느티나무군집, 팽나무군집, 회화나무군집, 소나무군집, 말채나무군집이었다. 노고수의 규 은 흉고직경이 50~120cm, 수고가 18~22m 이었으며, 흉고직경 70cm이상되는 수종은 소나무(1주), 느티나무(9주), 갈참나무(8주), 졸참나무(1주), 회화나무(2주), 말채나무(1주)이었고, 본 조사 대상지의 평균수령은 150년생 내외이었다. 18개 조사구에 대하여 DCA의 ordination 분석결과 소나무군집, 느타나무-낙엽활엽수군집, 검팽나무-낙엽활엽수군집, 회화나무군집, 말채나무군집, 팽나무군집으로 분리되었다. 교모측의 우점종감의 평균거리는 8~12m이었고, Shannon의 종다양도는 0.7~0.9(단위면적:$200\m^2$_이었다.X>_이었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• 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.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.263-266
• /
• 2002

데이터의 군집화를 수행할 때 최적 군집수 결정은 군집 결과의 성능에 많은 영향을 미친다. 특히 K-means 방법에서는 초기 군집수 K에 따라 군집결과의 성능 차이가 많이 나타난다. 하지만 대다수의 군집분석에서 초기 군집수의 결정은 경험을 바탕으로 하여 주관적으로 결정된다. 이때 개체수와 속성수가 증가하면 이러한 결정은 더욱 어려워지며 이때 결정된 군집수가 최적이 된다는 보장도 없다. 본 논문에서는 군집의 수를 자동으로 결정하고 그 결과의 유효성을 보장하기 위해 유전자 알고리즘에 기반한 최적 군집수 결정 방안을 제안한다. 데이터의 속성에 근거한 초기 해 집단이 생성되고, 해 집단 내에서 최적화된 군집수를 찾기 위해 교차 연산이 이루어진다. 적합도 값은 전체 군집화의 비 유사성의 합의 역으로 결정되어 전체적인 군집화 성능이 향상되는 방향으로 수렴된다. 또한 지역 국소값을 해결하기 위해 돌연변이 연산이 사용된다. 그리고 유전자 알고리즘의 학습 시간의 비용을 줄이기 위해 붓스트랩 기법이 적용된다.

• 응용통계연구
• /
• 제22권4호
• /
• pp.723-733
• /
• 2009

K-평균 군집분석이 가지는 두 가지 근본적인 어려움은 사전에 미리 군집 수를 정해야 하는 문제와 초기 군집중심에 따라 결과가 달라질 수 있는 문제이다. 본 연구에서는 이러한 문제를 해결하기 위한 자동화 K-평균 군집분석 절차를 제안하고, R을 이용하여 구현한 결과를 제공한다. 자동화 K-평균 군집분석에서 제안된 절차는 처음 단계로서 계층적 군집분석을 행한 후 이를 이용하여 군집 수와 초기 군집수를 자동으로 정하고, 다음 단계로 이 결과를 이용하여 K-평균 군집분석을 수행하는 방법을 택하였다. 처음 단계에서 이용된 계층적 군집분석 방법으로는 Ward의 군집분석을 한 후에 Mojena의 규칙을 이용하여 군집 수를 정하는 방법을 택하거나, 모형근거 군집분석방법을 수행한 후에 BIC 값을 이용하여 군집 수를 정하는 방법을 이용하였다. 제안된 자동화 K-평균 군집절차에는 대량자료의 분석에도 용이하게 이용될 수 있도록 반복된 표본추출 방법을 이용하여 군집 수 및 군집 중심을 구하는 절차를 포함하였다. 구현된 R 프로그램은 www.knou.ac.kr/ sskim/autokmeans.r에서 제공하고 있다.

• 환경생물
• /
• 제17권3호
• /
• pp.233-247
• /
• 1999

우리나라 상록활엽수림의 식생인 동백나무군강(Camellietea japonicae)에 대한 군집분류 체계의 수립을 시도하였다. 여러 저자들에 의한 399 식생조사 자료로 2개의 식물사회학적인 표를 작성하고 군단을 정리한 바, 한국의 상록활엽수림 식생은 현재 15개의 군집을 포함하는 3개의 군단으로 구분되었다. 즉, (1) 신칭 가시나무-잣밤나무군단(Querco-Castanopsion all. nov.)은 구실잣밤나무군집 (Castano-psietum sieboldii), 붉가시나무군집 (Quercetum acutae), 가시나무군집 (Quercetum myrsinaefoliae)과 까마귀쪽나무군집(Litseetum japonicae)등 4개의 군집으로 나누어지고 (2) 신칭 후박나무-동백나무군단 (Machilo-Camellion all. nov.)은 10개의 군집 즉, 후박나무군집 (Machiletum thunbergii), 돈나무군집 (Pittosporetum tobirae), 식나무군집 (Aucubetum japonicae), 참식나무군집 (Neolitsetum sericeae), 우묵사 스레피군집 (Euryetum emarginatae), 보리밥나무군집 (Elaeagnetum macrophyllae), 동백나무군집 (Camellietum japonicae), 차나무-동백 나무군집 (Theo-Camellietum japonicae), 다정큼나무군집 (Raphiolepietum umbellatae)과 굴거리군집 (Daphniphylletum macropodae)이 그것이다. 또 (3) 황칠나무-구실잣밤나무군단(Dendropanaco-Castanopsion sieboldii)은 하나의 군집인 좀비비추-구실잣밤나무군집(Hosto minoris-Castanopsietum sieboldii)을 포함하고 있다. 이들 군단의 식물종조성, 생태학적 특성을 기술하고 그들의 분포를 나타내는 지도를 작성했다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.235-238
• /
• 2003

Fuzzy C-Means(FCM) 알고리즘은 초기 군집 중심의 개수와 위치에 따라 군집 결과의 성능차이가 많이 나타난다. 하지만 일반적인 경우에 군집 중심의 개수는 분석가의 주관에 의해 결정되고, 임의적으로 결정되기 때문에 원래 데이터의 구조와는 무관하게 수행되어 최적화된 군집화 수행을 실행하지 못하는 경우가 발생하게 된다. 따라서 본 논문에서는 원래의 데이터의 구조에 좀더 근접한 퍼지 군집화를 수행하기 위하여 격자를 바탕으로 한 데이터의 밀도를 이용한 FCM을 제안하고, 이러한 밀도 기반 FCM에 의해 결정된 군집의 합병 기법을 제안하였다. N-차원의 데이터 공간을 N-차원의 격자로 나누고, 초기 군집 중심의 개수와 위치는 각 격자의 밀도를 바탕으로 결정된다. 초기화 이후에 각 격자 내부에서 FCM을 이용하여 군집화를 수행하고, 계속해서 이웃 격자의 군집결과에 대하여 군집간의 유사도 측도를 이용하여 군집 합병을 수행함으로써 데이터의 자연적인 구조에 근접한 군집화를 수행하였다. 제안된 군집화 합병 기법의 향상된 성능은 UCI Machine Learning Repository 데이터를 이용하여 확인하였다.

• 한국디지털정책학회:학술대회논문집
• /
• 한국디지털정책학회 2005년도 추계학술대회
• /
• pp.391-410
• /
• 2005

본 연구에서는 응답자들의 라이프스타일을 먼저 몇 개의 요인으로 분석 한 후, 도출된 요인들을 다시 군집분류를 하였다. 추출된 군집들에 따라 인터넷 뱅킹 신뢰성과 인지도 그리고 소득수준이 인터넷 뱅킹 이용도에 어떤 차이를 보이는지 분석하였고, 전체 군집에서 나온 결과와 어떤 차이를 보이는지 비교 분석 해보았다. 그 결과 라이프스타일에 따라 4개의 군집이 분류되었으며, 군집1을 '적극적 활동형', 군집 2를 '현실적 가족형', 군집 3을 '전통적 보수형', 군집 4를 '소극적 비활동형'으로 명명하였다. 군집들에 따라 신뢰성, 인지도, 소득수준이 인터넷 뱅킹 이용에 영향을 미치는지에 대한 연구 결과로는 전체군집에서는 소득에만 영향을 받았으나 군집을 세분화하여 세분화된 군집별로 알아본 결과 전체 군집과는 달리 '적극적 활동형'은 신뢰성, '전통적 보수형'과 '소극적 비활동형'은 소득수준, 그리고 현실적 가족형은 아무 영향을 받지 않는 것으로 보아 시장을 세분화 하였을 경우와 세분화 하지 않았을 경우의 연구 결과는 다르다는 결론을 얻어냈으며, 인터넷 뱅킹 활성화에 있어서도 라이프스타일에 따른 고객 세분화는 큰 의미가 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 춘계학술발표대회
• /
• pp.115-118
• /
• 2012

다양한 네트워크에서 군집을 분석하고 그 구조를 발견하는 것은 그 네트워크의 복잡도를 낮추어 전체 시스템을 이해하고 관리하는데 중요하다. 특히 기본적인 컴퓨팅이 가능한 여러 기기들이 자율적으로 서로 통신하여 군집을 이루는 자율 군집 네트워크에서 군집을 정확하게 발견하는 것은 집단행동 서비스를 실현하는데 있어서 중요한 기술이다. 따라서 본 연구에서는 자율 군집 네트워크에서 군집 탐지 기법을 제안한다. 제안하는 기법은 군집을 발견하고 그 군집을 식별하기 위해 해당 네트워크에서 한 노드를 공유하는 두 개의 간선 쌍에 대해 계층 군집화를 수행하고 계층 간에 간선 유사도를 계산하여 비교한다. 계층 군집화를 통한 간선들은 트리 구조로 표현할 수 있으며 최적의 분할 밀도를 이용하여 노드들을 클러스터링한 후 최종 군집으로 분리 한다.

• 한국정보통신학회논문지
• /
• 제13권12호
• /
• pp.2603-2608
• /
• 2009

문서군집은 정보검색의 많은 응용분야에 사용되는 중요한 문서 분석 방법이다. 본 논문은 비음수 행렬 분해 (NMF, non-negative matrix factorization)를 군집방법과 군집의 응집도(coherence of cluster)를 이용한 군집 내 문서들의 정제를 이용한 새로운 문서군집방법을 제안한다. 제안된 방법은 문서집합의 내부구조를 나타내는 의미특징행렬과 의미변수행렬 이용하여 문서군집의 성능을 높일 수 있고, 문장들 간의 유사도에 기반 한 군집의 응집도를 이용하여 군집내의 문서들을 정제하여서 재 할당함으로써 군집의 효율을 향상시킬 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 다른 문서군집 방법에 비하여 좋은 성능을 보인다.

• 한국환경생태학회지
• /
• 제15권2호
• /
• pp.104-117
• /
• 2001

경상북도 낙동상 상류부에 위치한 하천변 식물군락에 대해 식물사회적 조사를 하였다. 그 결과 아래처럼 10군강에 속하는 30군락단위와 상급단위 미결정의 1군락단위를 식별하였다. 특히, 과거에 인위적 영향을 반영하여 쑥군강에 속하는 군집 군락이 가장 많이 출현하였다. A. 관목식물군락-A-1나도버들군장, 버드나무군단: 버드나무-왕버들군집, 버드나무군집, 시무나무군집, 갯버들군집, 눈갯버들군집, 선버들군집, A-2 찔레꽃 군강: 국수나무군락, 구기자나무군락: A-3 상급단위 미결정의 군락: 누리장나무군락; B, 초본식물군락 B-1 가래군강: 노랑어리연꽃군집, 마름군락, B-2 좀개구리밥군강: 좀 개구리밥-개구리밥군랍, B-3 가막사리군강: 고마리군집, 미꾸라지낚시-여뀌군집, 개기장-여뀌군집, B-4 갈대군강; 창포군집, 갈풀-미나리군집, 달뿌리풀군집, 물억새군집, 갈대군락, B-5 쑥군강:물쑥군집, 쑥군락, 물봉선군락, 왕고들빼기-환삼덩굴군집, 칡-환삼덩굴군집, 수크려군랑, B-6 명아주군강: 물피군락, 바랭이군란, 큰개여뀌군락, B-7 억새군강: 억새군락, B-8 질경이군강: 비노리-질경이군락, 이들 식생단위는 거의가 일본의 것과 공통하고 있어 한국에 고유한 하천변 식생은 매우 드물다는 사실을 나타내었다. 한편 하천에는 고유한 군강의 군집, 군락은 하류에서 상류로 감에 따라 양적으로 증가 하였으마, 귀화식물의 수는 그 반대였다. 또, 각 군락과 환경과의 관계, 하천변 식생의 복원생태 및 자연보호 등에 관해 상세히 논하였다.