• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.458-461
• /
• 2004

오존 반응 메카니즘은 상당히 복잡하고 비선형적이기 때문에 오존 농도를 예측하는 것은 상당한 어려움을 안고 있다 따라서, 신뢰성 높은 오존 예측값을 구하는데 단일 예측모델만으로는 한계가 있으며, 이를 개선하기 위하여 다중 모델을 제안하였다. 입력데이터에 퍼지 클러스터링을 사용하여 고, 중, 저농도별로 그룹핑한 후, 그룹핑된 오존농도에 대해서 의사결정 트리를 사용하여 그룹핑된 오존데이터가 어느 정도 분류능력을 갖는지 파악하여, 오차가 가장 적은 분류특성을 갖는 그룹을 설정하여, 다중모델의 입력 데이터로 사용하여 모델을 형성하였다. 의사결정 트리를 이용하여 모델의 입력 데이터를 설정하는 것은 어떤 오존농도까지의 범위를 클래스로 설정하느냐에 따라서 모델의 성능과 고, 중, 저농도의 오존을 분류하는 성능이 달라지므로 본 논문에서는 퍼지 클러스터링을 이용하여 의사결정 트리의 클래스의 범위를 설정하여 예측 시스템을 구현하였다.

• 한국산학기술학회논문지
• /
• 제11권12호
• /
• pp.4991-4996
• /
• 2010

무선 센서 네트워크에서 클러스터링 기법은 클러스터를 형성하여 데이터를 통합한 후 한 번에 전송해서 에너지를 효율적으로 사용하는 기법이다. 클러스터 그룹 모델은 클러스터링에 기반을 두지만 이전의 기법과 달리 클러스터 헤드에 집중된 에너지 과부하를 클러스터 그룹 헤드와 클러스터 헤드로 분산시켜서 전체 에너지 소모량을 줄인다. 본 논문에서는 이러한 클러스터 그룹 모델에서 에너지 소모 모델의 임계값에 따라 최적의 클러스터 그룹 수와 클러스터 수를 구하고 이를 이용하여 센서 네트워크 전체 에너지 소모량을 최소화하고 네트워크 수명을 최대화한다. 실험을 통하여 제안된 클러스터 그룹 모델이 이전의 클러스터링 기법보다 네트워크 에너지 효율이 향상되었음을 보였다.

• 산업기술연구
• /
• 제28권A호
• /
• pp.185-189
• /
• 2008

Practical pattern recognition systems should overcome very large class problem. Sometimes it is almost impossible to build every model for every class due to memory and time constraints. For this case, grouping similar models will be helpful. In this paper, we propose GMC(Group Model Clustering) to build a large class Chinese character recognition system. We built hidden Markov models for 10% of total classes, then classify the rest of classes into already trained group classes. Finally group models are trained using group model clustered data. Recognition is performed using only group models, in order to achieve reduced model size and improved recognition speed.

• 한국산학기술학회논문지
• /
• 제12권6호
• /
• pp.2815-2822
• /
• 2011

무선 센서 네트워크에서 클러스터링 기법은 클러스터를 형성하여 데이터를 병합한 후 한 번에 전송해서 에너지를 효율적으로 사용하는 기법이다. 본 논문에서는 클러스터 그룹 모델을 이용한 계층적 불균형 클러스터링 기법을 제안한다. 이 기법은 전체 네트워크를 두 개의 계층으로 나누어 클러스터 그룹으로 형성된 2계층의 데이터를 병합해서 1계층으로 보내고, 다시 1계층에서 데이터를 병합하여 기지국으로 보낸다. 이와 같이 제안된 기법은 다중 홉 통신 구조와 클러스터 그룹 모델을 같이 이용함으로써 전체 에너지 소모량을 줄인다. 이러한 방식은 다중 홉 통신이지만 불균형 클러스터를 구축하여 핫 스팟 문제를 어느 정도 해결하고 있다. 실험을 통하여 제안된 계층적 불균형 클러스터링 기법이 이전의 클러스터링 기법보다 네트워크 에너지 효율이 향상되었음을 보였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제35권7호
• /
• pp.340-353
• /
• 2008

화풍을 효과적이고 객관적으로 기술하는 한 방법으로 팔레트 추출에 대한 수학적 모델을 제시한다. 이 모델에서는 팔레트를 허용 오차 범위 내에서 회화 작품의 영상을 표현할 수 있는 주요 색상의 집합으로 정의하고 색상 그룹핑과 주요 색상 추출의 두 단계를 거처 팔레트 색상을 추출한다. 색상 그룹핑은 주어진 회화에 대해 적응적으로 색의 분해능을 조절하여 각 회화 작품을 이루는 기초 색상을 추출하며 다음 주요 색상 추출 단계에서 이것과 이것이 차지하는 영역에 대한 정보를 바탕으로 K-Means 클러스터링 알고리즘을 적용하여 팔레트를 얻는다. 실험을 통해 유명 화가의 작품을 대상으로 RGB와 CIE LAB 색상 모델을 사용하여 추출한 팔레트를 3차원 색 공간에 표시하였다. 팔레트 색상의 거리를 사용한 화가 분류 실험과 실사 영상의 색채 변환 실험 통해 이 방법이 화풍 분석과 그래픽 분야에 적용될 수 있음을 확인하였다.

• 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.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2005년도 추계학술대회
• /
• pp.81-86
• /
• 2005

이 논문에서는 산불 발생의 패턴을 예측하기 위해 데이터 마이닝의 클러스터링 기법을 이용하여 산불 데이터를 그룹화하고 그 결과를 이용하여 산불 데이터의 상관관계를 분석하는 방법을 제안하였다. 즉, 클러스터링 기법을 이용하여 산불 데이터를 사용자가 원하는 수의 그룹으로 분류하고, 생성된 산불 데이터 클러스터 모델을 이용하여 새로운 유형의 산불패턴을 예측 할 수 있도록 하였다. 또한 결과 클러스터의 생성을 위해 이전의 산불 분포 데이터를 저장 관리하여 클러스터 간의 상관관계 분석을 통해 시퀀스를 생성하였고, 생성된 각각의 클러스터 시퀀스를 통합하여 클러스터들의 시퀀스를 추출하여 산불이 발생한 이후의 향후 발생 가능한 산불 유형을 예측하기 위한 방법을 제공하였다. 이는 과거에 발생된 산불의 유형뿐만 아니라 새로운 형태의 산불 유형 분류나 분석에 이용 가능하다.

• 한국컴퓨터정보학회논문지
• /
• 제16권2호
• /
• pp.225-233
• /
• 2011

주식 가격이나 경제 지표, 사회적 현상의 추세나 변화 등은 통상 시간에 따라 변화하기 때문에 시계열 자료로 구분된다. 시계열 자료는 시간 축에 대해 변화하는 자료의 표현 가치뿐 아니라 그 변화 추세나 향후 방향성까지 제시할 수 있다는 점에서 이에 대한 방법론에 대해 많은 연구와 노력이 지속되어 왔다. 본 논문에서는 전통적으로 예측 모형을 구축하여 예측하는 방법을 취하되 그 모형이 복잡하고 정교한 모델을 활용하여 예측 정확도를 높이려는 시도와는 달리 자료 클러스터링 방법과 자료 구간 선정을 통해 예측정확도를 높이려 시도하였다. 기본 모델은 마코프 모델이다. 구간별 유사 구간을 추출하여 모델링하는 구간별 모델링 방법과 클러스터링을 통한 그룹별 모델링을 통해 모델의 예측정확도를 개선하려 시도하였다. 실험을 통해 클러스터링을 거친 그룹별 마코프 모델이 정확도를 개선 시켰으나 예측율은 현저히 떨어지는 결과를 낳았다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2002년도 춘계학술대회 논문집
• /
• pp.330-335
• /
• 2002

정보검색시스템에서 가장 중요한 것은 사용자의 요구에 부합하는 결과를 도출하는 것이다. 이를 위하여 사용자의 질의와 연관된 모든 문서들을 추출하게 되는데, 이 많은 결과 문서들 중에서 사용자가 원하는 문서는 소수이고, 원하는 문서를 찾는 것도 쉽지 않다. 따라서 적절한 결과 문서를 도출하기 위하여 연관된 문서들끼리 그룹화 시키는 클러스터링 방법이 많이 이용된다. 본 논문에서는 기존의 문서내의 색인어 보다는 그 의미에 기반하여 클러스터링 하였다. 이를 위하여 LSI 모델을 적용하였고, 문서 클러스터링 방법으로 많이 사용하고 있는 K-Means 알고리즘을 이용한 클러스터링과의 차이점을 비교, 분석하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• pp.31-32
• /
• 2012

본 연구는 소셜 네트워크에서 사용자간의 친밀도에 기반하여 보여주는 '친구추천' 이라는 방법을 그래프 클러스터링을 이용하여 접근하고자 한다. 기존의 방법과는 다르게 사용자에게 개인화된 선별 정보를 제공하는데 목적이 있다. 또한 일반적 클러스터링이 아닌 그래프 이론에 근거한 거리 계산을 기반으로 친화력 전파 모델(Affinity Propagation) 클러스터링 기법을 적용하는 방법을 제안한다. 이 방법으로 클러스터링을 진행하여 선별된 같은 그룹 안에 있는 개인화된 친구 추천을 효과적으로 수행할 수 있음을 입증하였다.