• Journal of the Korean Data and Information Science Society
• /
• 제22권4호
• /
• pp.741-753
• /
• 2011

마이크로어레이 유전자 발현데이터인 효모데이터를 이용하여 군집분석을 실시하였다. 모형기반 군집방법, K-평균법, 중앙값 중심분포 (PAM), 자기 조직화 지도 (SOM), 계층적 Ward 군집방법을 이용하여 군집화를 실시하고, 연결성 측도 (connectivity), Dunn지수, 실루엣 측도 (silhouette)를 이용하여 각 군집방법에 대한 유효성을 측정하고 군집분석 결과를 비교하고자한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1380-1384
• /
• 2010

현재 환경부에서는 수질오염총량관리제를 위하여 각 단위유역의 말단지점에서 8일 간격으로 수질 및 유량을 측정하고 있으며, 이 자료들을 공개하고 있다. 이러한 양질의 자료의 활용성을 제고하기 위해서는 무엇보다도 자료의 분석을 위한 다양한 기법이 개발되고 제안되어야 한다. 따라서 본 연구에서는 수질 및 유량자료를 동시에 적용하여 두 자료 사이의 관계를 조사하고 특성을 파악하기 위하여 자기조직화 특성지도(Self-Organizing Feature Map: SOFM) 이론을 적용하였다. 시행착오법에 의해 적정한 SOFM 구조를 결정하였으며, 그 결과 $4{\times}4$ 구조의 육각형 배열을 갖는 구조를 이용하였다. SOFM에 의해 분류된 3개의 패턴 중 패턴-1은 유량자료의 크기에 의해 분류되었고, 패턴-2와 패턴-3은 BOD 농도의 크기에 따라 분류된 것으로 파악되었다. 따라서 SOFM의 적용에 의한 자료의 분류를 수행하고, 그 분류기준을 파악할 경우 SOFM의 자료 분석 도구로서의 활용성이 더욱 높아질 것으로 판단된다.

• 유체기계공업학회:학술대회논문집
• /
• 유체기계공업학회 1999년도 유체기계 연구개발 발표회 논문집
• /
• pp.317-323
• /
• 1999

The necessity of diagnosis of the rotating machinery which is widely used in the industry is increasing. Many research has been conducted to manipulate field vibration signal data for diagnosing the fault of designated machinery. As the pattern recognition tool of that signal, neural network which use usually back-propagation algorithm was used in the diagnosis of rotating machinery. In this paper, self-organizing feature map(SOFM) which is unsupervised learning algorithm is used in the abnormal vibration diagnosis of rotating machinery and then learning vector quantization(LVQ) which is supervised teaming algorithm is used to improve the quality of the classifier decision regions.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.577-579
• /
• 2003

본 논문에서는 생체인식 분야 중 얼굴인식의 검색 정확성 향상 및 검색 시간을 단축하기 위한 단계로 인종별 얼굴영상 데이터베이스에 대한 군집화 기법을 연구하였다. 우선, 일반적으로 얼굴 및 이미지 검색에 사용되는 다양한 특징을 추출하고, 추출한 다차원의 특징 데이터들로부터 다 인종 얼굴 데이터를 유사한 인종별로 정확하게 군집화 하기 위해 최적의 특징벡터를 자동으로 선택 할 수 있는 방법을 제안하였다. 군집결과 분석을 위해 자기 조직화 지도 모형을 이용하였는데, 이는 2차원 분석 및 가시화에 유용하며, 학습 후 코드북벡터를 사용하여 유사한 의미간의 거리부터 검색할 수 있는 특징을 가지고 있다. 특징추출에 관한 실험결과 인종별 구분을 위한 특징벡터로는 웨이블릿 주파수 성분(lowpass 성분)과 CbCr 특징벡터가 인종별 군집화에 가장 유용한 특징으로 선택되었으며. 추출된 특징을 바탕으로 semantic map을 구성하여 제안방법의 효율성을 제시하였다.

• 한국통신학회논문지
• /
• 제42권2호
• /
• pp.536-544
• /
• 2017

무선 RSSI fingerprinting 방식은 기존 무선 인프라를 이용하면서 적정수준의 정확도를 얻을 수 있는 실내위치인식 방법 중의 하나이다. 하지만 라디오 맵 구성( fingerprint calibration) 과정에서 목표 환경의 다양한 위치에서 정확한 물리적 좌표와 무선 신호를 측정해야 하므로 시간과 노력이 많이 소요된다. 이 논문은 이러한 방식으로 위치 정보를 수집하지 않고 반지도식 자기조직화지도 학습 알고리즘을 사용하여 labeled RSSI를 얻고 RSSI 조합으로부터 맵을 구성하는 방법을 제안한다. 모의 데이터에 대한 실험을 통해 제안 방법이 fingerprint 데이터베이스로 부터 1%의 RSSI 샘플을 가지고 효과적인 전체 맵을 얻을 수 있다는 결론을 얻었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.277-277
• /
• 2021

합류부는 인공수로 또는 자연하천에서 흔히 존재하며 매우 복잡한 흐름 구조가 발생하는 곳이다. 특히 본류와 지류의 유속장의 차이에 따라 발생하는 전단층은 흐름과 물질이 혼합되는 경계면이 되며, 흐름 구조가 전단층을 따라 발달한다는 특징으로 인해 수리학적으로 매우 중요하다. 최근 원격탐사 기법의 발전에 따라 위성이나 드론과 같은 무인 이동체를 이용한 하천 계측법이 수질 및 지형변화 연구들에 광범위하게 적용되고 있다. 그 중 RGB 항공영상은 해상도가 높고 취득 비용이 저렴하여 확장성 및 활용도가 높다. 본 연구에서는 합류부 전단층이 촬영된 RGB 항공 영상을 이용해 합류부 전단층 분석에 활용하는 방법을 제안한다. 제안되는 방법은 RGB 항공 영상에서 본류와 지류의 수체 영역을 각각 추출하기 위해 가우시안 혼합 모형(Gaussian mixture model)을 이용한다. 추출된 수체 영역에는 자기조직화지도(self-organizing map)을 적용하고 좌표 변환을 하여 정량적인 특징을 추출한다. 본 연구에서는 알고리듬의 적용 예로서 구글어스를 통해 확보된 낙동강-남강 합류부의 항공 영상을 분석한다. 본 추출법을 이용하면 접촉식 센서를 이용하는 기존의 전단층 계측 방법들에 비해 경제적이고 안전하며 합류부 흐름의 평면적 분석을 가능하게 할 수 있을 것으로 기대된다.

• 한국콘텐츠학회논문지
• /
• 제13권11호
• /
• pp.28-36
• /
• 2013

본 논문은 손 형상 인식을 위한 보다 안정적이며 조명 변화와 회전에 강인하게 손 영역을 검출하며, 계산의 효율성과 검출 성능을 동시에 만족시키는 강인한 검출 알고리즘에 대해 제안한다. 제안한 알고리즘은 단일 카메라 환경에서 손 형상을 입력정보로 사용하여 전처리 과정을 거쳐 손 영역만을 분할한 후 자기조직화 특징 지도(SOFM: Self Organized Feature Map) 알고리즘을 이용하여 손 형상을 인식하게 된다. 그러나 조명 변화에 민감하고 자유도가 큰 손 영역을 정확히 인식하기란 쉽지 않으며 오차 범위도 크기 때문에 본 논문에서는 인식률을 높이기 위해 각각의 손 형상에 대한 회전 정보를 데이터베이스화 한 후 주성분 분석을 적용하여 군집화 함으로서 인식오차를 줄였다. 또한 차원 축소로 인해 많은 계산 량이 요구되지 않기 때문에 실시간 인식 시간도 줄일 수 있었다.

• 정보처리학회논문지C
• /
• 제12C권5호
• /
• pp.649-658
• /
• 2005

네트워크 기반의 공격은 그 위험성과 피해의 규모가 크기 때문에 공격 초기에 빨리 탐지하는 것이 중요하다. 그러나 지도학습 데이터 마이닝을 이용한 네트워크상의 비정상 트래픽을 탐지하는 방법은 방대한 양의 데이터 전처리와 관리자의 분석이 요구되며 관리자의 분석이 정확하다는 보장이 없을 뿐만 아니라 각 네트워크의 실시간 특성을 고려하지 못하기 때문에 탐지의 어려움이 크다. 본 논문에서는 실시간 침입 탐지와 점진적 학습을 위해 비지도학습의 데이터마이닝 기법중 하나인 자기 조직화 지도를 기반으로 트래픽 속성 상관관계 메커니즘을 제안한다. 이는 세 단계로 이루어진다. 첫 번째 단계는 초기 학습이 이루어지는 단계로 비지도 학습을 통하여 성격이 비슷한 트래픽끼리 클러스터링 한 맵을 생성시킨다. 두 번째 단계는 맵의 각 클러스터가 정상과 비정상 트래픽의 클러스터로 구분되기 위해 각 공격별로 추출된 규칙(rule)을 적용하여 맵을 분석한다. 이 규칙은 지도 학습을 통한 규칙 기반의 방법으로, 각 데이터 항목마다 SOM을 이용한 속성별 맵의 상관관계(correlation) 분석을 통해 생성되었다. 마지막으로 분석된 맵을 이용하여 실시간 탐지와 함께 점진적 학습이 이루어지게 된다. 여러 실험을 통하여 비지도 학습과 지도 학습을 결합한 SOM 기반 트래픽 속성 상관관계 메커니즘이 지도 학습에 비해 실시간 탐지에 우수함을 증명하였다.

• 정보처리학회논문지D
• /
• 제10D권2호
• /
• pp.277-282
• /
• 2003

웹으로부터 유용한 정보를 얻기 위한 연구는 현재 많이 진행되고 있다. 본 논문에서는 특히 웹 로그 데이터의 희소성에 대한 문제 해결과 이를 통한 웹 사용자의 군집화 방안에 대하여 연구하였다. MCMC 방법의 베이지안 추론에 의한 결측치 대체 기법을 이용하여 웹 데이터의 희소성을 제거하였고, 주성분에 의한 산점도를 통하여 형상지도의 차원을 결정한 자기 조직화지도를 이용하여 웹 사용자의 군집화를 수행하였다. 제안 기법은 기존의 방법들에 비해 모형의 정확도와 빠른 학습 시간을 제공하여 주었다. KDD Cup 데이터를 이용한 실험을 통하여 제안 방법에 대한 문제 해결 절차 및 성능 평가를 객관적으로 확인하였다.

• 대기
• /
• 제28권3호
• /
• pp.305-315
• /
• 2018

본 연구에서는 1995년부터 2014년의 20년기간 동안 우리나라 여름철 극한온도를 나타내기 위해서 일별 임계치를 가지는 TX90pD와 월별 임계치를 가지는 TX90pM을 정의하여 그 유사성을 살펴본 후 극한 온도가 나타나는 날들의 유형을 자기조직화지도를 이용해서 분류하였다. TX90pD와 TX90pM는 임계치를 정의하는 방법이 다름에도 불구하고 그 유사성이 아주 높았으며 자기조직화지도를 통한 유형분류에서 유사한 패턴이 나타났다. 4개로 분류한 군집에서 모두 우리나라에 높은 온도가 나타났으며 고기압성 순환아노말리가 우리나라를 덮고 있는 것을 보아 우리나라 여름철 극한온도의 주된 요인은 고기압성 순환 아노말리에 의한 강한 일사 때문인 것을 유추할 수 있다. 자기조직화지도를 통해서 4개의 군집으로 분류한 극한온도의 패턴을 분류한 결과 주요한 2개의 모드를 찾았으며 적도와 열대 해수면온도 아노말리의 영향을 받는 동아시아-태평양 패턴과 유사한 원격상관패턴과 중위도 영향을 받는 북대서양에서 시작하여 동쪽으로 이동하는 대기 순환장 패턴이 나타나며 합쳐서 약 85% 이상의 높은 비중을 차지하고 있다. 이 두 패턴과 관련된 해수면 온도 아노말리를 살펴 본 결과 첫번째로 동아시아-태평양 패턴과 유사한 원격상관 패턴은 봄철 북서태평양에서의 양의 해수면 온도 아노말리와 관련이 있다. 이 따뜻한 해수면 온도 아노말리에 의해 저기압성 순환이 생성되고 대기-해양 상호작용에 의해서 저기압성 순환 아노말리는 강수 아노말리를 만들면서 유지된다(Xie and Philander, 1995; Wang et al., 2000). 이 때 발생하는 강수 아노말리는 비단열 가열항으로 작용하여 자오선방향으로 전파하는 로스비파를 만들어서 우리나라에 고기압성 순환아노말리를 형성한다. 두번째로 중위도 원격상관 패턴은 봄철 북대서양에서의 양의 해수면 온도 아노말리패턴과 관련이 있다. 봄철 북대서양의 해수면 온도 아노말리는 동쪽으로 전파하는 로스비파의 에너지원으로 작용하여 동아시아 여름 몬순에 영향을 준다(Wu et al., 2009). 이 로스비파의 전파에 의해서 한반도에 단파 복사의 지속적인 유입을 동반하는 고기압성 순환이 형성되어 우리나라의 지표면 온도를 높이는 것에 기여함과 동시에 극한온도의 발생 빈도를 증가시킨다. 이 연구를 통해서 자기조직화지도를 통해서 한반도 여름철 극한온도를 대표하는 두 개의 중요 원격상관 패턴을 분류했다. 이 두 SOM 패턴과 관련된 봄철 북서태평양의 양의 해수면 온도 아노말리와 북대서양의 해수면 온도 아노말리를 지면 강제력으로 규명하여 여름철 우리나라 극한온도의 발생을 예측할 수 있는 잠재적 예측인자를 발견했다. 이 두 지역의 봄철 해수면 온도 아노말리의 지속적인 모니터링을 통해서 우리나라 여름철 극한온도의 발생 빈도를 어느 정도 예측할 수 있으며 특히 6월에 큰 발생 빈도를 나타내는 북대서양해수면 온도를 통해서 초여름의 극한온도 발생 빈도를, 7월과 8월에 더 큰 분포를 가지는 북서태평양의 해수면 온도를 통해서 늦여름의 극한기온 발생 빈도를 알아낼 수 있을 것으로 기대한다.