• 한국콘텐츠학회논문지
• /
• 제20권6호
• /
• pp.556-578
• /
• 2020

실시간으로 발생하는 뉴스 기사로부터 이슈를 분석하기 위한 다양한 연구가 진행되어 왔다. 하지만 범주에 따라 계층적으로 이슈를 분석하는 연구는 많이 진행되지 않았고, 계층적 이슈 분석을 위한 기존의 연구에서 제안하는 방식 또한 뉴스 기사 증가에 따라 군집화 속도가 느려지는 문제점이 있다. 따라서 본 논문에서는 준 실시간으로 뉴스 기사의 이슈를 분석하는 계층적·점증적 군집화 방식을 제안한다. 제안하는 군집화 방식은 샴 신경망을 이용한 가중 코사인 유사도 측정 모델 기반의 k-평균 알고리즘을 이용한 단어 군집 기반 문서 표현 방식을 통해 뉴스 기사를 문서 벡터로 표현한다. 그리고 문서 벡터로부터 초기 이슈 군집 트리를 생성하고, 새로 발생한 뉴스 기사를 해당 이슈 군집 트리에 추가하는 점증적 군집화 방식을 제안함으로써 뉴스 기사의 계층적 이슈를 준 실시간으로 분석한다. 마지막으로, 본 논문에서 제안하는 방식과 기존 방식들과의 성능평가를 통해 제안하는 군집화 방식이 정확도 측면에서 기존 방식 대비 NMI 지표 기준 0.26 정도 성능이 향상되었고, 속도 측면에서 약 10배 이상의 성능이 향상됨을 입증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.346-348
• /
• 2004

시스템의 안정성을 검증하는 Model Checking(모델 검증)은 여러 가지 분야에서 기본적으로 중요하게 사용되어왔다. 하지만 Model Checking의 특성상 Computing Power가 많이 필요한 점과 최근 소프트웨어의 대형화, Ubiquitous 환경에서의 잦은 변화가 필요한 점 등으로 Model Checking 을 그대로 적용하기 어렵다. 따라서 이 논문은 점증적인 변화에 따른 필요한 부분만 검증하는 점증적 모델 검증을 소개한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.301-303
• /
• 2002

컴퓨터가 널리 보급되고 인터넷이 발전함에 따라 수없이 많은 정보가 디지털 형태로 생산되고 있다. 이러한 정보를 사람이 일일이 가공하고 분류하기에는 한계가 있으므로 자동으로 문서를 분류하고자 하는 연구가 대두되었다. 문서를 자동으로 분류하기 위해 기계학습 방법이 많이 이용되고 있다. 기계학습방법을 이용한 문서분류가 좋은 성능을 내기 위해서는 충분한 양의 학습데이터가 필요하다. 학습데이터를 만들기 위해서는 사람이 일일이 분류해야 하므로, 비용이 많이 든다. 본 논문에서는 적은양의 labeled 데이터로부터 시작하여, 점증적으로 unlabeled 데이터를 학습에 참여시킴으로써, 문서분류의 성능을 높이고자 한다. 실험을 통해 Unlabeled 문서데이터를 사용한 것이 좋은 성능을 보였음을 알 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.334-336
• /
• 2001

세선화 알고리즘의 간접 기법으로 제시된 자기구성 특징 그래프(Self-Organizing feature Graph : SOG) 기법은 안정된 세선화 결과를 가지는 장점이 있으나 학습 알고리즘에서 전체 노드를 재정돈하는 과정이 내포되어 있다. 본 본문에서는 학습 알고리즘의 재정돈 과정을 대신하는 점증적 정돈기법을 제안하고 이 기법을 세선화 알고리즘에 결합하여 실험하고 분석하였다. 제안된 알고리즘은 기존의 SO를 적용한 결과와 같은 우수한 세선화 결과를 얻으며 학습시간은 O((logM)$^3$)인 복잡도를 가진다.

• 인터넷정보학회논문지
• /
• 제4권5호
• /
• pp.69-76
• /
• 2003

본 논문에서는 패턴 분류를 위한 새로운 학습 알고리즘을 소개한다. 이 알고리즘은 학습 데이터 집합에 포함된 오류 때문에 네트워크 구조가 너무 복잡하게 되는 점증적 학습 알고리즘의 문제를 해결하기 위해 고안되었다. 이 문제를 위한 접근 방법으로 미리 정의된 판단기준을 가지고 학습 과정을 중단하는 전지 방법을 사용한다. 이 과정에서 적절한 처리과정에 의해 3층 전향구조를 가지는 반복적 모델이 점증적 모델로부터 유도된다 여기서 이 네트워크 구조가 위층과 아래층 사이에 완전연결이 아니라는 점을 주목한다. 전지 방법의 효율성을 확인하기 위해 이 네트워크는 EBP로 다시 학습한다. 이 결과로부터 제안된 알고리즘이 시스템 성능과 네트워크 구조를 이루는 노드의 수 면에서 효과적임을 발견할 수 있다.

• 한국정보과학회논문지:데이타베이스
• /
• 제27권4호
• /
• pp.651-662
• /
• 2000

멀티미디어 데이터베이스에서 k-최근접 질의는 가장 일반적이며, 비공간 검색 조건이 포함된 경우가 많다. 현재까지 이러한 질의를 위한 여러 기법 중에서 Hjaltason과 Samet이 제안한 점증적 최근접 알고리즘에 가장 유용하다고 알려져 있다. 질의 처리를 위해 상위 연산자가 k보다 많은 객체를 요구할 때, 이 알고리즘은 처음부터 질의를 재실행하지 않고 다음 객체를 전달할 수 있기 때문이다. 그런데, 이 알고리즘에서 사용하는 R-트리는 결국에는 비공간 검색조건을 만족시키지 않을 투플 후보들을 부분적으로 제거할 수가 없기 때문에 비효율적이다. 본 논문에서 우리는 이 알고리즘을 보완한 RS-트리 기반 점증적 최근접 알고리즘을 제안한다. RS-트리는 R-트리와, 그 보조 트리로서 계층적 시스니쳐 파일을 기반으로 하는 S-트리로 구성된다. S-트리는 R-트리를 탐색하는 과정에서 많은 불필요한 투플을 제거하는 역할을 수행한다. 본 논문에서는 실험을 통해 RS-트리가 Hjaltason과 Samet의 알고리즘의 성능을 향상시킬 수 있음을 보인다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제9권4호
• /
• pp.17-24
• /
• 2003

본 논문에서는 주어진 경로를 따라 이동하는 관측점으로부터 다면체 모델의 윤곽선을 계산하기 위한 최적 알고리즘 (optimal algorithm)으로서 점증적 갱신 알고리즘 (incremental update algorithm)을 제안한다. 전처리 과정에서는, 윤곽선을 계산할 프레임(frame)의 갯수가 f라 할 때 각 프레임 j, 0 $\leq$ j < f,에 대해 그 전 프레임 j - 1 에서 이미 구한 윤곽선에 추가되거나 제거되어야 할 에지의 리스트를 계산한다. 이것은 모델의 각 에지가 윤곽선에 포함되기 시작하는 프레임과 윤곽선으로부터 제거되는 프레임의 범위를 계산함으로써 수행된다. 점증적 갱신 알고리즘은 전처리 과정에서 구성한 에지 리스트를 이용하여 f 프레임의 윤곽선을 효율적이고 안정적으로 추출할 수 있으며, 각 프레임마다 전 프레임의 윤곽선 에지 리스트와 여기에 추가 또는 제거되어야 할 에지의 리스트만을 검색하므로 시간 복잡도(time complexity)의 측면에서 최적 알고리즘이다.

• 한국지반공학회논문집
• /
• 제16권6호
• /
• pp.105-115
• /
• 2000

본 연구는 현실에 부합하는 연약지반의 압밀거동을 예측하기 위한 연구로서, 일단 3차원 배수 조건하에서 지반의 자중 및 압축성과 투수성의 비선형적 성질이 고려된 비선형 압밀모델을 구성하였다. 또한 연직 배수재의 시공과정에서 발생할수 있는 지반의 교란현상 및 다양한 이질층의 구성, 점증적인 하중재하 조건, 연직배수재의 부분관입 조건에 대한 고려가 가능하도록 비선형 압밀모델을 수정, 보완하였다. 이상의 연구결과를 바탕으로 유한차분방법에 의한 수치해석을 실시하였고 최종적으로 각종 희귀분석과정을 도입한 3차원 비선형 압밀해석 프로그램을 개발하였다. Ska-Edeby의 시험시공 사례를 통한 개발 프로그램의 검증을 실시하였는데, 시험시공 사례의 경우, 현장에서 측정한 깊이별 침하량 및 간극수압 결과를 개발 프로그램에 의한 예측결과와 비교, 분석하였다. 또한 개발 프로그램을 이용하여 다층지반 해석과 관련된 기존 해석방법의 문제점 및 지반의 교란효과와 연직배수재의 부분관입조건, 점증적인 하중재하 조건등이 지반의 압밀거동에 미치는 영향에 대해 살펴보았다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.442-444
• /
• 2018

본 논문에서는 GA(Genetic Algorithm) 기반 점증적 입자모델(IGM: Incremental Granular Model)의 최적화 설계를 제안한다. IGM의 성능은 다양한 실세계 응용예제를 통해 성공적으로 연구되어져왔다. 그러나, IGM의 문제로 각 컨텍스트에서 동일한 클러스터 수가 사용되는 점과 전형적인 퍼지화 계수가 설정된다는 점이 있다. 이러한 문제를 해결하기 위해 IGM을 최적화하여 각 컨텍스트에서 클러스터 중심의 수와 퍼지화 계수를 최적화하는 설계 방법을 제시했다. 제안된 방법의 타당성을 확인하기 위해 Ecotect에서 시뮬레이션 한 12가지 건물 형태를 사용하여 에너지 효율 예측에 대한 실험을 수행하였고, 제안된 방법은 기존의 IGM보다 우수한 성능을 보이는 것을 확인했다.

• 한국멀티미디어학회논문지
• /
• 제9권1호
• /
• pp.1-10
• /
• 2006

기존의 문서 클러스터링 기법에는 k-means와 같이 수행속도가 우수한 기법과, 분류의 정확률이 우수한 계층적 집괴 클러스터링 기법이 있다. 두 기법은 각각 분류의 정확률 저하와 저속의 수행속도로서 상호 단점을 가지며, 새로운 문서를 삽입 할 때마다 문서 유사도를 재계산해야 하는 문제가 있다. 웹 정보의 특성은 잦은 문서의 추가를 통해 정보를 축적하는 것이다. 따라서 본 논문에서는 정확률이 우수한 계층적 집괴 클러스터링 기법을 기반으로 수행속도를 향상 시킬 수 있는 이행적 폐쇄 트리 기법을 제안하고, 또한 새로운 문서의 삽입과 삭제에 우수한 점증적인 클러스터링이 가능한 기법을 제안한다. 제안된 기법의 효율성을 검증하기 위하여 기존의 알고리즘과 정확률, 재현율, F-Measure, 수행속도에 대해 비교 평가 및 분석한다.