• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2016년도 전력전자학술대회 논문집
• /
• pp.373-374
• /
• 2016

전기 수요자의 다양성에 따라 새로운 전기 법규가 제정되고 있으며, 이에 대응하여 프로슈머(Prosumer)에 의한 이웃 간의 전력거래 움직임이 활발히 논의 되고 있다. 본 논문은 프로슈머가 아니더라도 이웃 간의 전력거래가 허가된다면, 전력거래를 통한 누진 요금을 저하 할 수 있는 가정용 Facts 전력 변환기 시스템을 제안한다. 제안된 이웃 간의 가정용 Facts의 타당성을 검증하기 위해 PSIM에 의한 시뮬레이션을 통하여 전기요금의 저감을 분석 하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.376-380
• /
• 2008

사회의 복잡화와 인터넷의 성장으로 폭발적으로 늘어나고 있는 정보들을 사용자가 모두 검토한 후 여과하기는 어려운 일이다. 이러한 문제를 보완하기 위해서 자동화된 정보 여과 기술이 사용되는데, k-최근접 이웃(k-nearest neighbor) 알고리즘은 그 구현이 간단하며 비교적 정확하여 가장 널리 쓰이고 있는 알고리즘 중 하나이다. k 개의 최근접 이웃들로부터 평가값을 계산하는 데 흔히 쓰이는 방법은 상관계수를 이용한 가중치에 기반하는 것이다. 본 논문에서는 이를 보완하여 대규모 데이터에 대해서도 속도는 크게 저하되지 않으며 정확도는 대폭 향상시킬 수 있는 방법을 적용하였다. 또한, 최근접 이웃을 구하는 거리함수로 다양한 방법을 시도하였다. 영화추천을 위한 실제 데이터에 대한 실험 결과, 속도의 저하는 미미하였으나 정확도에 있어서는 크게 향상된 결과를 가져올 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.397-401
• /
• 2008

추천시스템은 일반적으로 협동적 필터링이라는 정보 필터링 기술을 사용한다. 협동적 필터링은 유사한 성향을 갖는 다른 고객들이 상품에 대해서 매긴 평가에 기반하기 때문에 고객에게 가장 적합한 유사 이웃들을 적절히 선정해 내는 것이 추천시스템의 예측의 질 향상을 위해서 필요하다. 본 논문에서는 다중 속성 정보를 기반으로 한 다단계 클러스터링을 통한 이웃선정 방법을 제안한다. 이 방법은 대규모 데이터 셋에서 탐색 공간을 줄이기 위해 클러스터링을 수행하여 적절한 이웃 고객들의 집합을 검색하여 추출한다. 이 때, 다중 속성 정보에 따라 단계적으로 클러스터링을 수행함으로써 보다 정제된 고객 집합을 구성할 수 있도록 한다. 본 논문에서는 고객 선호도와 위치 정보 및 아이템의 선호도와 위치 정보를 대표적인 속성 정보로 사용함으로써 모바일 환경에서 보다 정확한 추천이 이루어질 수 있도록 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (3)
• /
• pp.203-205
• /
• 1999

분산 가상환경(DVE)이 대규모가 되어감에 따라, 고려해야 할 중요한 사항중의 하나는 확장성이다. DVE에 확장성을 지원하기 위한 여러 접근 방법 중의 하나는 region 분할 방법이다. 대부분의 DVE 시스템에서는 region은 분리되어 있으며 이웃한 region의 사용자들 사이의 상호작용이 지원된다. 하지만 사용자들은 항상 자신이 관심을 가지고 있는 이웃 region들 안의 모든 사용자 상태 정보를 알아야 한다. 이것은 region간 상호작용을 하는 사용자들에게 통신에 따른 부하가 많이 걸리게 되며 따라서 시스템 확장성이 떨어지게 된다. 본 연구에서는 region 관리자가 현재 region안의 사용자들에 대한 관심도가 높은 이웃 region안의 사용자들의 일부만 선택한다. 이를 통해 region안의 사용자들은 이웃 region으로부터 모든 갱신 메시지를 받지 않아도 된다. 본 연구를 통해 DVE 시스템은 확장성 있는 region안에서의 상호작용뿐만 아니라 region간 상호작용을 지원할 수 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 추계학술대회
• /
• pp.170-171
• /
• 2012

본 논문에서는 다시점 영상 부호화 시 효율적인 부호화를 위해 이웃한 시점 영상의 부호화 정보를 이용하는데 있어 영상 간의 최대 시차 정보를 이용하여 부호화 하는 방법을 제안한다. 다시점 비디오 부호화 방법은 일반적인 단일 시점 영상의 부호화와 같이 화면 내 참조, 화면 간 참조를 수행할 뿐만 아니라, 이웃한 시점의 영상을 참조하여 부호화 하는 시점 간 참조를 수행한다. 현재 표준화가 진행중인 HEVC 기반의 다시점 부호화 방법에서는, 시점 간 참조 시 이미 부호화가 완료된 이웃한 블록으로부터 시차 벡터 (Disparity vector)를 유도하여 부호화 하는 방법도 사용된다. 이 때 이웃한 블록들로부터 얻어낼 수 있는 시차 벡터가 여러 개일 때, 최대의 절대값을 갖는 시차 벡터를 선택함으로써 부호화 효율을 높일 수 있다.

• 한국통신학회논문지
• /
• 제30권5C호
• /
• pp.305-312
• /
• 2005

음악인식에 주로 사용되는 세 가지 알고리즘의 성능을 비교하였다. 다양한 분류알고리즘을 소개하고 그 중 베이지안법, 최근접이웃법과 k-최근접이웃법을 이용하여 악기를 분류하였다. 악기 샘플파일에서 영교차율, 평균, 분산, 평균피크레벨의 4가지 특성값을 추출하여 분류시스템의 데이터로 사용하였다. 사용된 악기 샘플은 바이올린, 바로크 바이올린, 바로크 첼로이다. 실험결과 최근접이웃 알고리즘이 악기 분류에 있어서 가장 좋은 성능을 보여 주었다. 최근접이웃 알고리즘은 단순하면서도 빠른 계산결과를 보여 악기 분류에 적절한 알고리즘으로 판단되었다.

• Journal of the Korean Data and Information Science Society
• /
• 제20권3호
• /
• pp.505-514
• /
• 2009

본 연구는 협력적 필터링 기법을 이용한 선호도 예측 과정에서 이웃의 수와 선호도 예측 정확도와의 관계를 분석하였다. 선호도 예측 과정에 선정된 이웃의 수를 4분위수로 4집단으로 구분하여 구분한 집단 간 선호도 예측 정확도에 차이가 나타남을 알 수 있었으며 각 집단의 예측 오차들의 평균들을 이용하여 선형의 보정함수를 제안하였다. 본 연구의 결과를 바탕으로 추천시스템에서 이웃 수를 이용한 보정함수를 이용하면 예측 정확도를 높일 수 있다.

• 벤처다이제스트
• /
• 통권40호
• /
• pp.18-19
• /
• 2003

홍성표 서울보증보험 상무는 마라톤 풀 코스를 완주한 마라토너다. 그의 마라톤 완주는 혼자만의 개인사에 그치지 않았다. 1m 달릴 때마다 1원씩 이웃을 돕는다는 취지로 그가 추진했던 '사랑의 마라톤' 행사도 겸했다. 그는 혼자 달린 것이 아니라 고통받는 이웃과 함께 뛴 것이다.

• 응용통계연구
• /
• 제26권5호
• /
• pp.835-845
• /
• 2013

통행시간은 교통정보 중에서 가장 대표적이고 이용자 선호도가 높은 정보이다. 본 연구에서는 일반국도를 대상으로 실시간 시스템에 적용 가능한 통행시간 예측 방법을 개발하고자 하였다. 통행시간 예측방법으로 비모수적 접근 방법인 K 최대근접이웃 방법을 적용하였다. K 최대근접이웃 방법은 데이터에 대한 특별한 가정이 필요 없고, 모수 추정 과정이 필요 없어 실시간 교통관리시스템에 적합하다. K 최대근접이웃 방법의 우수성을 평가하기 위해 교통 분야에서 많이 적용되고 있는 이력자료 평균방법과 칼만 필터방법을 선정하여 평균절대백분율오차와 변동계수를 통해 평가하였다. 평가 결과 K 최대근접이웃 방법이 이력자료 평균방법과 칼만 필터방법에 비해 우수한 것으로 분석되었다. 통행시간 정보 제공 시 본 연구에서 개발된 방법을 통해 도출된 통행시간과 구간검지기로부터 관측된 통행시간을 탄력적으로 적용함으로써 통행시간 정보의 신뢰도를 향상시킬 수 있을 것으로 기대된다.

• 전자공학회논문지
• /
• 제52권10호
• /
• pp.73-81
• /
• 2015

이 논문은 프로토타입 선택 방법을 제안하고, 편의-분산 분해를 이용하여 최근접 이웃 알고리즘과 프로토타입 기반 분류 학습의 일반화 성능 비교 평가에 있다. 제안하는 프로토타입 분류기는 클래스 영역 내에서 가변 반지름을 이용한 다차원 구를 정의하고, 적은 수의 프로토타입으로 구성된 새로운 훈련 데이터 집합을 생성한다. 최근접 이웃 분류기는 새 훈련 집합을 이용하여 테스트 데이터의 클래스를 예측한다. 평균 기대 오류의 편의와 분산 요소를 분해하여 최근접 이웃 규칙, 베이지안 분류기, 고정 반지름을 이용한 프로토타입 선택 방법, 제안하는 프로토타입 선택 방법의 일반화 성능을 비교한다. 실험에서 제안하는 프로토타입 분류기의 편의-분산 변화 추세는 모든 훈련 데이터를 사용하는 최근접 이웃 알고리즘과 비슷한 편의-분산 추세를 보였으며, 프로토타입 선택 비율은 전체 데이터의 평균 약 27.0% 이하로 나타났다.