• Journal of KIISE:Computing Practices and Letters
• /
• v.14 no.6
• /
• pp.599-603
• /
• 2008

Flash memory has its unique characteristics: the write operation is much more costly than the read operation and in-place updating is not allowed. In this paper, we analyze how these characteristics of flash memory affect the performance of clustering and non-clustering in record management, and shows that non-clustering is more suitable in flash memory environment, which does not hold in disk environment. Also, we discuss the problems of the existing non-clustering method, and identify considerable designing factors of record management method in flash memory environment.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.83-86
• /
• 2005

커널함수를 이용한 클러스터링 방법은 일반적인 목적함수 기반의 클러스터링 방법에 비해 고리모양과 같은 복잡한 모양의 데이터를 클러스터링할 때 훨씬 효율적이다. 그러나, 커널기반의 클러스터링 방법은 거리함수를 계산하기 위하여 커널함수를 연산해야 하기 때문에 클러스터 수가 많아지면, 일반적인 목적함수 기반의 클러스터링 방법에 비하여 계산량이 급격히 증가하는 단점이 있다. 따라서, 본 논문에서는 이러한 단점을 개선하기 위하여 커널기반의 클러스터링 기법에 계층적인 클러스터링 모델을 적용한다.

• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.157-161
• /
• 2016

본 논문에서는 클러스터 간의 중복을 허용한 계층적 클러스터링(hierarchical clustering) 기법에 적합한 클러스터 간 유사도 평가방법(linkage metric)을 제안하였다. 클러스터 간 유사도 평가방법은 계층적 클러스터링에서 클러스터를 통합하거나 분해하는데 쓰이며 사용된 방법에 따라 클러스터링의 결과가 다르게 형성된다. 기존의 클러스터 간 유사도 평가방법인 single linkage, complete linkage, average linkage 중 single linkage와 complete linkage는 클러스터 간 중복이 허용된 환경에서 정확도가 낮은 문제점이 있고, average linkage는 정확도가 두 방법에 비해 높지만 계산 시간 소요가 크다는 단점이 있다. 따라서 본 논문에서는 기존의 average linkage를 개선하여 중복된 데이터에 의한 필요 계산량을 크게 줄임으로써 시간적 성능이 우수한 클러스터 간 유사도 평가방법을 제안하였다. 또한, 제안된 방법을 기존 방법들과 비교실험하여 중복을 허용하는 계층적 클러스터링 환경에서 정확도는 비슷하거나 더 높고, average linkage에 비해 계산량이 감소됨을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.124-126
• /
• 2001

최근 데이터마이닝 응용분야에서 대용량의 고차원 데이터가 증가하고 있기 때문에 이를 효율적으로 처리할 수 있는 방법이 요구된다. 이를 위해 CLIQUE 방법과 셀-기반 클러스터링 방법을 선택하기 위해, 셀-기반 클러스터링 방법을 CLIQUE 방법 및 CLIQUE 방법에 근사정보(Approximation)를 결합한 방법과 성능 비교를 수행한다. 성능비교 결과, 셀-기반 클러스터링 방법이 데이터 클러스터링 및 데이터 검색시간에서 가장 우수한 성능을 보이며, 정확율은 CLIQUE 방법에 비해 다소 뒤떨어지거나 전체적인 효율성에서 매우 우수한 성능을 보인다.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.4
• /
• pp.11-18
• /
• 2010

Fuzzy c-means (FCM) is a simple but efficient clustering algorithm using the concept of a fuzzy set that has been proved to be useful in many areas. There are, however, several well known problems with FCM, such as sensitivity to initialization, sensitivity to outliers, and limitation to convex clusters. In this paper, global fuzzy c-means (G-FCM) and kernel fuzzy c-means (K-FCM) are combined to form a non-linear variant of G-FCM, called kernel global fuzzy c-means (KG-FCM). G-FCM is a variant of FCM that uses an incremental seed selection method and is effective in alleviating sensitivity to initialization. There are several approaches to reduce the influence of noise and accommodate non-convex clusters, and K-FCM is one of them. K-FCM is used in this paper because it can easily be extended with different kernels. By combining G-FCM and K-FCM, KG-FCM can resolve the shortcomings mentioned above. The usefulness of the proposed method is demonstrated by experiments using artificial and real world data sets.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.306-308
• /
• 2003

본 논문은 컬러영상내 움직이는 객체의 효과적인 검출을 위해 색상과 위치정보를 적용시킨 K-means 클러스터링 알고리즘을 이용하여 움직이는 객체들을 추출한 방법을 제안하고 있다. 최종 클러스터링된 중심픽셀(prototype)이 갖고있는 RGB 값을 사용해 프레임을 비교해 객체와 배경의 분리를 가능하게 했고 마지막으로 후처리를 이용해 남아있는 배경잡음을 제거하였다. 본 연구의 실험은 여러 교통장면을 포함한 다양한 영상에서 이루어졌으며 실험결과 제안된 알고리즘은 기존의 픽셀이나 블록기반의 방법에 비해 보다 정확한 객체 검출이 가능했으며 한 가지 특징 정보를 사용한 클러스터링에 비해 보다 높은 정확도를 보였다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.157-161
• /
• 2016

본 논문에서는 클러스터 간의 중복을 허용한 계층적 클러스터링(hierarchical clustering) 기법에 적합한 클러스터 간 유사도 평가방법(linkage metric)을 제안하였다. 클러스터 간 유사도 평가방법은 계층적 클러스터링에서 클러스터를 통합하거나 분해하는데 쓰이며 사용된 방법에 따라 클러스터링의 결과가 다르게 형성된다. 기존의 클러스터 간 유사도 평가방법인 single linkage, complete linkage, average linkage 중 single linkage와 complete linkage는 클러스터 간 중복이 허용된 환경에서 정확도가 낮은 문제점이 있고, average linkage는 정확도가 두 방법에 비해 높지만 계산 시간 소요가 크다는 단점이 있다. 따라서 본 논문에서는 기존의 average linkage를 개선하여 중복된 데이터에 의한 필요 계산량을 크게 줄임으로써 시간적 성능이 우수한 클러스터 간 유사도 평가방법을 제안하였다. 또한, 제안된 방법을 기존 방법들과 비교 실험하여 중복을 허용하는 계층적 클러스터링 환경에서 정확도는 비슷하거나 더 높고, average linkage에 비해 계산량이 감소됨을 확인하였다.

• Review of KIISC
• /
• v.13 no.1
• /
• pp.68-76
• /
• 2003

네트웍 기반의 컴퓨터 보안이 컴퓨터 보안분야의 중요한 문제점으로 인식이 된 이래 네트웍 기반의 침입탐지 방법 중 클러스터링(Clustering)을 이용한 비정상 탐지기법(Anomaly detection)을 사용하는 시도들이 있었다. 네트웍 데이터 같은 대량의 데이터의 처리에 클러스터링을 통한 방법이 효과적인 결과를 나타내었음이 다수의 논문에서 제기되어왔으나 이 모델에서의 클러스터링 방법은 네트웍 정보로부터 추출한 정보들을 정상적인 클러스터들과 그렇지 않은 클러스터들 크게 두 집단으로 나누는 방법을 택했었는데 침입탐지율에서 만족할만한 결과를 얻지 못했었다. 본 논문에서 제안하고자 하는 모델에서는 이를 좀 더 세분화하여 네트웍 서비스(Network service)별로 정상적인 클러스터들과 그렇지 않은 클러스터들을 가지게되는 방법을 적용하여 기존 모델에서의 침입탐지율 결과의 개선을 도모해 보고자한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.101-103
• /
• 2012

센서 네트워크 클러스터링 기법은 네트워크의 수명연장에 효율적인 방법이다. 이에 많은 연구에서 효율적인 클러스터링 기법을 제안해 왔으며 지금도 진행 중에 있다. 그러나 기존에 제시된 연구 결과는 센서 노드가 수집하는 데이터가 단일 데이터가 아닌 다중 데이터일 경우, 즉 센서 노드에 여러 개의 센서가 장착되어 있을 경우 데이터 수집 및 전송에 있어 단일 데이터에 비해 비효율적으로 동작 할 수 있다. 이에 본 논문은 다중 센서로부터 수집되는 데이터의 효율적인 전송을 지원하는 클러스터링 기법 개발을 위해 고려해야 할 사항에 대해 연구하였다. 연구 결과, 우리는 센서가 수집하는 데이터의 관심도, 데이터 변화량, 데이터의 내부적인 처리방법, 센서 노드의 배치 밀도 및 데이터 수집 장치의 감지범위가 다중 데이터 센서 네트워크의 클러스터링 기법 설계에 고려되어야 함을 보였다.

• Proceedings of the KAIS Fall Conference
• /
• 2007.11a
• /
• pp.209-210
• /
• 2007

불변 특징 기반의 파노라마 생성 방법은 직접 방법에 비해 비교적 처리 속도가 빠르다. 파노라마 생성 과정에서 특징점 추출과 특징 정합에 대부분의 시간이 소요된다. 본 논문에서는 파노라마 생성을 위한 특징점 클러스터링 방법을 제안한다. LoG 영상에서 특징점들을 추출한 후, 클러스터링을 통해 특징점들을 군집화한다. 군집도가 강한 특징점들은 그렇지 않은 특징점들보다 더 의미 있으므로, 파노라마 생성에서 군집도가 약한 군집을 배제함으로써 정확도가 높아지고 처리 시간이 빨라지는 장점이 있다. 실험에서 $320{\times}240$ 크기의 칼라 영상에 대해 제안한 방법의 처리 시간이 약2.0초로 클러스터링 처리를 하지 않는 방법에 비해 약 2배 빠른 결과를 보였다.