• 한국환경생태학회지
• /
• 제10권2호
• /
• pp.251-269
• /
• 1997

설악산 국립공원 저항령계곡의 식물군집구조를 분석하기 위하여 39개 조사구를 설정하였으며 아울러 계곡부와 사면부의 식물군집특성을 파악하기 위하여 5개 지역에 25개 조사구(1개 조사구당 100m$^{2}$)를 설정하고 식생조사를 실시하였다. 전체 39개 조사구는 DCA 분석에 의해 소나무군집, 소나무-황철나무군집, 황철나무-소나무군집, 황철나무군집, 물푸레나무군집, 졸참나무군집 6개 군집으로 분리되었고 졸참나무군집만 산림지역 사면부에 분포하였고 나머지 5개 군집은 계곡부에 위치하였다. 식물군집구조 분석결과 천이 예측은 명확하지 않았다. Shannon의 종다양도는 0.9458~1.1769이었고 토양산도는 전지역이 pH 4.65~6.09이었다. Belt-transect 조사분석결과 계곡부의 우점종은 소나무와 황철나무이었으며, 사면부의 우점종은 졸참나무이었다.

• 응용통계연구
• /
• 제34권6호
• /
• pp.905-922
• /
• 2021

라벨 없이 진행되는 비지도 학습 중 하나인 군집분석은 자료에 어떤 그룹이 내포되어 있는지 사전 지식이 없을 경우에 군집을 발굴하고, 군집 간의 특성 차이와 군집 안에서의 유사성을 분석하고자 할 때 유용한 방법이다. 기본적인 군집분석 중 하나인 K-means 방법은 변수의 개수가 많아질 때 잘 동작하지 않을 수 있으며, 군집에 대한 해석도 쉽지 않은 문제가 있다. 따라서 고차원 자료의 경우 주성분 분석과 같은 차원 축소 방법을 사용하여 변수의 개수를 줄인 후에 K-means 군집분석을 행하는 Tandem 군집분석이 제안되었다. 하지만 차원 축소 방법을 이용해서 찾아낸 축소 차원이 반드시 군집에 대한 구조를 잘 반영할 것이라는 보장은 없다. 특히 군집의 구조와는 상관없는 변수들의 분산 또는 공분산이 클 때, 주성분 분석을 통한 차원 축소는 오히려 군집의 구조를 가릴 수 있다. 이에 따라 군집분석과 차원 축소를 동시에 진행하는 방법들이 제안되어 왔다. 그 중에서도 본 연구에서는 De Soete와 Carroll (1994)이 제안한 방법론을 확률적인 모형으로 바꿔 군집분석을 진행하는 확률적 reduced K-means를 제안한다. 모의실험 결과 차원 축소를 배제한 군집분석과 Tandem 군집분석보다 더 좋은 군집을 형성함을 알 수 있었고 군집 당 표본 크기에 비해 변수의 개수가 많은 자료에서 기존의 비 확률적 reduced K-means 군집분석에 비해 우수한 성능을 확인했다. 보스턴 자료에서는 다른 군집분석 방법론보다 명확한 군집이 형성됨을 확인했다.

• 한국지능시스템학회논문지
• /
• 제13권6호
• /
• pp.661-666
• /
• 2003

본 논문에서는 범주형 데이터의 분류를 위한 새로운 기법을 제시한다. 기존의 대표적인 퍼지 군집화 방법인 k-modes 알고리즘과 fuzzy k-modes 알고리즘은 군집의 중심을 단일 값으로 표현하고, 군집에 속하는 데이터의 빈도 수에 기반한 중신 갱신 기법을 사용하였다. 이와 같은 기존의 방법들은 분류의 경계가 모호한 데이트를 군집화할 경우, 알고리즘의 각 단계에서 발생하는 분류의 에러를 보정하지 못해 최종적으로 지역해에 빠지는 단점이 있다. 이를 극복하기 위해 본 논문에서는 군집 중심을 퍼지 집합을 이용하여 정의한다. 퍼지 군집 중심은 주어진 데이터와 군집간의 거리 관계를 퍼지 값을 이용해 표현하며, 각 군집의 중심은 데이터의 소속 정도 값을 이용해 갱신된다. 이와 같은 퍼지 중심 표현기법을 도입하여 범주형 데이터의 분류 시에 보다 세밀한 결정을 내림으로써, 인접한 군집들의 경계에서 발생하는 불확실성을 최소화한다. 기존의 대표적인 방법들과의 비교실험을 수행함으로써 제안한 방법의 성능을 검증하였다.

• 한국환경생태학회지
• /
• 제10권1호
• /
• pp.113-127
• /
• 1996

서울시 도시생태계 중 산림지역 식물군집구조를 분석하고 이의 대책을 수립하기 위하여 14개지역 56개 조사구(1개 조사구당: 400m$^{2}$)를 설치하고 식생조사를 실시하였다. 전체 56개 조사구는 DCA에 의하여 소나무군집, 아까시나무군집, 리기다소나무군집, 현사시나무군집, 상수리나무군집, 신갈나무군집 6개 군집으로 분리되었다. 식물군집구조 분석결과 추정되는 천이경향은 소나무, 아까시나무, 리기다소나무, 현사시나무, 리기다소나무$\$\longrightarrow$ $ 신갈나무, 졸참나무로 추론되며 극상수종인 서어나무로의 천이경향은 환경오염영향 등의 원인으로 판단하기가 어려웠다. Shannon의 종다양도는 1.1381~1.2694이었고 토양산도는 전지역이 pH 3.18~4.76으로 산성토양이었다.

• 한국산학기술학회논문지
• /
• 제19권12호
• /
• pp.480-490
• /
• 2018

본 연구는 청소년을 대상으로 하여 분노표현의 하위차원인 분노조절, 분노억제 및 분노표출 방식 별로 군집 양상을 구분하고, 간 군집 별로 우울과 공격성, 부정정서강도에 있어서 어떠한 차이가 나타나는지 살펴보고자 하였다. 이를 위해 남녀 중학생을 대상으로 설문조사를 진행하고 총 296명의 자료를 분석하였다. 연구 결과, 첫째, 분노조절, 분노억제 및 분노표출에 대한 군집분석 결과, 네 개의 프로파일 군집이 추출되었다. 군집 1은 '억제 및 표출형 분노조절형', 군집 2는 '분노억제 및 표출형', 군집 3은 '분노처리 미숙형', 군집 4는 '표출적 분노조절형'으로 구분되었다. 둘째, 이러한 네 개의 군집 별로 우울과 공격성, 부정정서 강도의 차이가 유의하게 나타났다. 즉, 군집 4인 '표출적 분노조절형'이 다른 군집들에 비해 유의하게 더 높은 우울감을 나타내었고, 군집 3인 '분노처리 미숙형'은 다른 군집들보다 더 큰 공격성을 나타내었다. 한편, 군집 2인 '분노억제 및 표출형'이 군집 4인 '표출적 분노조절형'보다 부정정서강도가 더 높았다. 이러한 결과를 통해, 청소년 교육 및 상담을 통한 시사점에 대해 논의하였다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2005년도 춘계 학술발표회 논문집
• /
• pp.49-51
• /
• 2005

본 연구는 반복분할(recursive partitioning)에 의한 군집화 방법을 제안하고 활용 예를 제시한다. 이 방법은 나무 형태의 해석하기 쉬운 단순한 규칙을 제공하면서 동시에 변수선택기능을 제공한다.

• 응용통계연구
• /
• 제17권1호
• /
• pp.135-144
• /
• 2004

K-평균 군집화(K-means clustering)는 고객 세분화(customer segmentation) 등 데이터 마이닝에서 중요한 한 몫을 하는 비지도 학습방법 (unsupervised learning method)이다. K-평균 군집화가 재현성(reproducibility)이 있는가를 보기 위하여, 다수의 기존 연구에서는 관측 자료를 2개 셋으로 나눈 자료 분할(data partitioning) 방법이 활용되고 있다. 본 교신에서 우리는 이보다 개념적으로 명확한 새로운 자료 분할 방법을 제안한다. 이 방법은 관측 자료를 3개 셋으로 나누어 그 중 2개 자료 셋을 독립적인 군집화 규칙을 생성하는 데 사용하고 나머지 1개의 자료 셋을 규칙간 일치성을 테스트하는데 사용한다. 또한 2개의 군집화 규칙간 일치성 평가를 위한 지표로서 엔트로피 기준의 환용 방법을 제시한다.

• 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.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1905_1906
• /
• 2009

본 논문은 데이터의 군집화를 효율적으로 수행하기 위하여 새로운 군집화 알고리즘을 제안한다. 제안되는 군집화 알고리즘은 Fuzzy C-Means (FCM)에 기반을 두는데, FCM 알고리즘은 모든 데이터에 대한 거리에 기본을 둔 멤버쉽을 기초로 하기 때문에 잡음에 약한 제약을 지니고 있었다. 이를 개선하기 위하여, 제안되었던 PCM(Probabilistic C-Means), FPCM(Fuzzy PCM), PFCM(Probabilistic FCM) 등 여러가지 알고리즘이 제안 되었다. 그러나 이들 알고리즘들은 초기 파라미터값 설정과 과다한 계산양에 따른 문제가 증가하였으며, 또한 잡음에 어느 정도 민감한 문제점을 지니고 있었다. 이 논문에서는 잡음에 대해 효과적으로 대응할 수 있는 새로운 군집화 알고리즘을 제안하고, 전통적인 군집화를 위한 Iris 데이터에 대한 실험을 통하여 효용성을 확인하였다.

• Spatial Information Research
• /
• 제2권2호
• /
• pp.175-188
• /
• 1994

본 연구에서는 최근 많은 분야데서 패턴인식을 위한 효과적인 기법으로 이용되고 있는 신경망 기법을 원격탐사자료의 군집화 기법으로서 적용하고자 하였다. 이를 위해 선택된 신경망 모델은 경쟁학습 신경망이며 이를 구성하는 각종 변수들을 재구성하여 원격탐사자료의 군집화를 위한 신경망모델을 설정하였다. 본 신경망을 이용한 군집화 기법은 항공기를 이용하여 획득된 원격탐사자료를 이용하여 순차적(sequential)군집화 기법 K 평균 군집화 기법과 비교되었다. 계산시간은 순차적 기법이나 K 평균기법에 비하여 더 많이 소요되나 정확도면에 있어서는 비교적 우수한 결과를 나타냈다.