• 한국컴퓨터그래픽스학회논문지
• /
• 제15권3호
• /
• pp.19-26
• /
• 2009

본 논문에서는 분할 축과 평면의 위치를 동적으로 결정하는 적응형 KD 트리 구조를 이용한 정점 군집화(Adaptive Vertex Clustering) 알고리즘과 이를 이용한 새로운 메쉬 분할 방법을 소개하고자 한다. 정점 군집화는 주로 한 개의 거대한 3차원 메쉬를 여러 개의 파티션(Partition)으로 분할하여 효율적으로 처리하고자 할 때 사용되는 기법으로, 옥트리 구조를 이용한 공간 분할 기법과 K-평균 군집화(K-Means Clustering) 방법 등이 있다. 그러나 옥트리 방식은 공간 분할 축과 이에 따른 분할된 공간의 크기가 고정되어 있어서 파티션 메쉬 면의 정렬 상태가 고르지 못하고 포함된 정점의 개수가 균등하지 못한 단점이 있다. 또한, K-평균군집화는 균등한 파티션을 얻을 수 있는 반면 반복처리와 최적화를 위해 많은 시간이 소요된다는 단점이 있다. 본 논문에서는 적응형 정점 군집화를 통해 빠른 시간에 균등한 메쉬 분할을 생성하는 알고리즘을 제안하고자 한다. 본 적응형 KD 트리는 메쉬가 포함된 경계상자(Bounding Box) 공간을 정점의 개수와 분할 축의 크기를 기준으로 계층적으로 분할한다. 그 결과 각 파티션 메쉬는 컴팩트성(compactness)의 특성을 유지하며 균등한 수의 정점을 포함하게 되어 각 파티션의 균등한 처리시간 및 메모리 소요량 등의 장점을 살려 향후 메쉬 간소화 및 압축 등의 다양한 메쉬 처리에 활용될 수 있기를 기대한다. 본 방법을 적용한 3차원 모델의 실험 통계와 분할된 파티션 메쉬의 시각적인 결과도 함께 제시하였다.

• 한국통신학회논문지
• /
• 제24권10B호
• /
• pp.1937-1945
• /
• 1999

본 논문에서는 정점 군집화(vertex clustering) 방법에 기반한 3차원 물체의 단순한 기법을 제안한다. 제안한 방법은 3차원 물체의 국부 영역의 특성에 따라 군집화하는 격자의 크기를 다르게 한다. 격자의 크기는 삼각형의 법선 벡터와 정점 분포를 이용하여 결정한다. 인접한 삼각형의 법선 벡터가 이루는 각이 크고 정점들이 흩어져 있으면 작은 격자로 분할하여 자세한 표현을 한다. 격자의 분할 과정은 8진 나무(octree)로 나타낸다. 단순화 오차를 추정하기 위해 하우스도르프 거리(Hausdorff distance)를 이용한다. 제안한 방법은 정점 군집화의 적은 계산량과 효과적인 단순화의 장점을 그대로 유지할 수 있다. 그리고 3차원 물체의 특성에 따라 격자의 크기를 다르게 하므로 기존의 방법에 비해 단순화 오차가 적고 작은 영역의 변화까지 세밀히 나타낼 수 있다. 또한, 다양한 단순화 단계를 가지는 다해상도 모델로의 표현이 가능하고 격자 크기의 조절이 가능하므로 선택된 영역에 대해서 세밀한 표현도 가능하다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (B)
• /
• pp.167-170
• /
• 2007

본 논문에서는 텍스춰매핑, 재메쉬화, 메쉬의 단순화와 모핑 및 압축 등 다양한 분야에 적용되는 메쉬분할 문제를 다룬다. 메쉬분할은 주어진 삼차원 메쉬를 서로 떨어진 집합(disjoint sets)으로 분할하는 것으로서 여러 연구자들에 의해 많은 연구 결과들이 제시되어 왔다. 본 논문에서는 삼차원 메쉬가 가지고 있는 기하학적 특성을 고려하여 메쉬를 분할하는 방법을 제시하고자 한다. 먼저 메쉬의 국부적 기하 특성인 곡률 정보와 전역적 기하 특성인 볼록성을 이용하여 삼차원 메쉬를 구성하는 첨예정점을 추출하였고, 이들간의 거리 정보를 이용하여 이 첨예정점들을 군집화(clustering)하였다. 최종 메쉬분할을 위해 분할된 첨예정점에 속하지 않는 나머지 정점들에 대해 거리 정보를 이용하여 군집화를 수행하였다. 본 논문에서 제안한 메쉬분할 방법을 검증하기 위해 벤치마크로 공개된 여러 메쉬 모델에 대해 실험하여 그 결과를 보여주었다.

• 한국콘텐츠학회논문지
• /
• 제8권5호
• /
• pp.94-103
• /
• 2008

본 논문에서는 주어진 3차원 메쉬의 분할에 $\kappa$-평균군집화 기법을 적용한다. 국부적인 최적의 수렴을 피하고 계산시간을 빠르게 하기 위하여 먼저 주어진 메쉬에 대한 첨예정점들을 인지과학적 측면에서 각각 국부적 전역적 기하 특성을 반영하는 곡률과 볼록성을 분석하여 추출한다. 다음에 추출된 첨예정점들은 그들간의 유클리디언 거리대신 측지거리에 기반한 $\kappa$-평균군집화 기법의 반복 수렴으로 $\kappa$ 개의 군집으로 분할된다. $\kappa$-평균군집화의 효과성에 매우 중요한 요인은 적절한 $\kappa$의 초기값을 부여하는 것이다. 따라서 본 논문에서는 $\kappa$의 초기값으로 합리적인 군집 개수를 자동으로 계산한다. 최종적으로 첨예정점들에 속하지 않는 메쉬의 나머지 정점들은 측지거리로 가장 가까이 존재하는 $\kappa$개의 군집에 병합함으로써 메쉬분할이 완성된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.572-587
• /
• 2008

SOFM(Self-organizing Feature Map)은 고차원의 데이타를 군집화(clustering)하거나 시각화(visualization)하기 위해 많이 사용되고 있는 비교사 학습 신경망(unsupervised neural network)의 한 종류이며, 컴퓨터비전이나 패턴인식 분야에서 다양하게 활용되고 있다. 최근 SOFM이 실제 응용분야에 다양하게 활용되고 좋은 결과를 보이고 있지만, 학습된 SOFM의 뉴론(neuron)을 다시 군집화해야 하는 후처리가 필요하며, 대부분의 경우 수동으로 이루어지고 있다. 후처리를 자동으로 하기 위해 k-means와 같은 기존의 군집화 알고리즘을 많이 이용하지만, 이 방법은 특히 다양한 모양의 클래스를 가진 고차원의 데이타에서 만족스럽지 못한 결과를 보인다. 다양한 모양의 클래스에서 좋은 성능을 보이기 위해, 본 논문에서는 그래프 컷(graph cut)을 이용하여 학습된 SOFM을 자동으로 군집화하는 방법을 제안한다. 그래프 컷을 이용할 때 터미널(terminal)이라는 두 개의 추가적인 정점(vertex)이 필요하며, 터미널과 각 정점 사이의 가중치는 대부분 사용자에 의해 입력받은 사전정보를 기반으로 설정된다. 제안된 방법은 SOFM의 거리 매트릭스(distance matrix)를 기반으로 한 모드 탐색(mode-seeking)과 모드의 군집화를 통하여 자동으로 사전정보를 설정하며, 학습된 SOFM의 군집화를 자동으로 수행한다. 실험에서 효율성을 검증하기 위해 제안된 방법을 텍스처 분할(texture segmentation)에 적용하였다. 실험 결과에서 제안된 방법은 기존의 군집화 알고리즘을 이용한 방법보다 높은 정확도를 보였으며, 이는 그래프기반의 군집화를 통해 다양한 모양의 클러스터를 처리할 수 있기 때문이다.

• 정보처리학회논문지A
• /
• 제14A권7호
• /
• pp.435-442
• /
• 2007

본 논문에서는 3D 메쉬 모델의 텍스쳐 매핑, 단순화, 모핑, 압축, 형상정합 등 다양한 분야에 응용될 수 있는 메쉬분할 문제를 다룬다. 메쉬 분할은 주어진 메쉬를 서로 떨어진 집합(disjoint sets)으로 나누는 과정으로서, 본 논문에서는 메쉬의 전역적 및 국부적 기하 특성을 동시에 반영하여 메쉬를 분할하는 방법을 제시하고자 한다. 먼저 주어진 메쉬의 국부적 기하 특성인 곡률 정보와 전역적 기하 특성인 볼록성을 이용하여 메쉬 정점들 중 첨예정점(sharp vertex)을 추출하고, 모든 첨예정점들 간의 유클리디언 거리에 기반한 $\kappa$-평균군집화 기법[26]을 적용하여 첨예 정점들을 분할한다. 분할된 첨예정점에 속하지 않는 나머지 정점들에 대해서는 유클리디언 거리상 가까운 군집으로 병합하여 최종적인 메쉬분할이 이루어진다. 또한 본 논문에서 제안한 메쉬분할 방법을 구현하여 여러 메쉬 모델에 대해 실험 결과를 보여준다.

• 천문학회보
• /
• 제38권2호
• /
• pp.98-98
• /
• 2013

태양의 활동영역에서 관측할 수 있는 흑점은 주로 흑점군으로 관측되며, 태양폭발현상의 발생을 예보하기 위한 중요한 관측 대상 중 하나이다. 현재 태양 폭발을 예보하는 모델들은 McIntosh 흑점군 분류법을 사용하며 통계적 모델과 기계학습 모델로 나누어진다. 컴퓨터는 흑점군의 형태학적 특성을 연속적인 값으로 계산하지만 흑점군의 형태적 다양성으로 인해 McIntosh 분류법과 일치하지 않는 경우가 있다. 이러한 이유로 컴퓨터가 계산한 흑점군의 형태학적인 특성을 예보에 직접 적용하는 것이 필요하다. 우리는 흑점군을 검출하기 위해 최소신장트리(Minimum spanning tree : MST)를 이용한 계층적 군집화 기법을 수행하였다. 그래프(Graph)이론에서 최소신장트리는 정점(Vertex)과 간선(Edge)으로 구성된 간선의 가중치의 합이 최소인 트리이다. 우리는 모든 흑점을 정점, 그들의 연결을 간선으로 적용하여 최소신장트리를 작성하였다. 또한 최소신장트리를 활용한 계층적 군집화기법은 초기값에 따른 군집화 결과의 차이가 없기 때문에 흑점군 검출에 있어서 가장 적합한 알고리즘이다. 이를 통해 흑점군의 기본적인 형태학적인 특성(개수, 면적, 면적비 등)을 계산하고 최소신장트리를 통해 가장 면적이 큰 흑점을 중심으로 트리의 깊이(Depth)와 차수(Degree)를 계산하였다. 이 방법을 2003년 SOHO/MDI의 태양 가시광 영상에 적용하여 구한 흑점군의 내부 흑점수와 면적은 NOAA에서 산출한 값들과 각각 90%, 99%의 좋은 상관관계를 가졌다. 우리는 이 연구를 통해 흑점군의 형태학적인 특성과 더불어 예보에 직접적으로 활용할 수 있는 방법을 논의하고자 한다.

• 한국해양학회지:바다
• /
• 제18권4호
• /
• pp.214-226
• /
• 2013

상류지역의 보 건설과 준설작업이 이루어지고 있던 2011년 1월부터 2012년 10월까지 낙동강, 하구 및 연안역에 걸쳐 식물플랑크톤 군집의 변화양상을 이해하고자 14개 정점에서 총 12회의 조사를 실시하였다. 조사시기동안 낙동강 유역의 월 누적 강수량은 0~502mm 이었다. 강유역은 표 저층 모두에서 해수의 영향이 없었고, 하구역 정점에서는 0.1~34.8 psu의 범위로 강우의 영향으로 염분 변동폭이 컸으며, 연안역에서는 홍수기인 7-8월을 제외하고는 대부분 정점에서 30 psu이상의 염분 특성을 보였다. 식물플랑크톤은 총 402종이 분류 동정되었으며 강유역에서는 178종, 하구 및 연안역에서는 331종이 출현하였다. 식물플랑크톤 현존량은 강유역, 하구역, 연안역 순으로 감소하였으며, 2011년에 비해 2012년에 높게 나타났다. 출현빈도와 우점률 측면에서 전체 조사 수역의 상위 20종은 Stephanodiscus spp., Aulacoseira granulata, Aulacoseira var. angustissima, Pseudo-nitzschia spp.의 순었으며, 중요 분류군은 규조류인 것으로 나타났다. 계절별 각각의 정점에서 가장 우점비율이 높았던 종은 2011년(13종)에 비해 2012년(10종)에 다소 단순화되는 경향을 보였다. 식물플랑크톤 종다양성지수는 조사 연도별로는 큰 차이가 없었으나, 강 및 하구에 비해 연안이 다소 높은 것으로 나타났다. 유사도에 의한 군집분석을 이용해 식물플랑크톤의 군집변화를 살펴보면 2011년은 조사시기에 따라 다양한 군집구조가 나타난 반면 2012년은 군집구조의 변화가 크지 않고 단순화 된 것으로 나타났다. 이와 같이 2011년에 비해 전반적으로 높아진 식물플랑크톤의 현존량, 단순화된 우점종의 수 및 군집구조 등은 낙동강 유역의 급격한 환경변화로 인한 것으로 판단된다. 따라서 본 연구에서 다루지 못했던 낙동강-하구-연안의 영양염 분포, 담수유출 및 범위의 변화 등에 따른 식물플랑크톤을 포함한 생물군집의 통합적 분석이 함께 수행되어야 할 것으로 생각된다.

• 한국환경생태학회지
• /
• 제26권3호
• /
• pp.313-321
• /
• 2012

시흥시 토지이용유형별 야생조류 군집 특성을 분석하기 위하여 43개조사구를 선정하여 2009년 3월부터 2010년 2월까지 계절별로 군집구조 조사를 실시하였다. 조사는 정점조사법을 활용하였으며 군집분류는 TWINSPAN과 DCA기법을 활용하였다. 군집분류 결과 4개의 군집으로 분류되었으며 첫 번째 분류는 흰뺨검둥오리(Anas poecilorhyncha), 중대백로(Egretta alba)와 같은 물새류를 식별종으로 하여 나뉘어졌다. 분류된 2개 군집은 각각 논병아리(Tachybaptus ruficollis)와 참새(Passer montanus)를 식별종으로 다시 분류되어 총 4개의 군집으로 분류되었다. 분류된 군집은 토지 이용유형에 따라 나뉘어졌으며, 군집 I은 산림지역, 군집 II는 시가화지역과 반자연지역 일부(하천, 논습지)를 포함하였다. 군집 III은 하천과 논습지, 군집 IV는 저수지이었다. 하천과 논습지는 동일 토지이용유형이 서로 다른 군집으로 구분되었으나, 논습지와 주변 하천 규모에 따라 차이가 나타나고 있어 동일 토지이용유형의 면적 크기가 군집의 종 구성에 영향을 미침을 확인하였다. 종다양도지수는 군집 III(대규모 논습지와 주변 하천)이 가장 높았고, 군집 IV가 낮았다. 최대종다양도나 균등도도 군집 III이 높은 것으로 나타났다. 연구결과, 비오톱 유형화의 경우 도심 내 논습지 및 도시공원의 규모, 하천변의 토지이용형태를 고려할 경우 최소면적기준의 적용이 필요하였다.

• 한국지능시스템학회논문지
• /
• 제18권6호
• /
• pp.842-848
• /
• 2008

본 논문에서는 비선형 모델의 설계를 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 제안된 모델은 규칙의 전 후반부가 Type-2 퍼지 집합으로 주어진 Type-2 퍼지 논리 시스템을 설계하고 불확실성의 변화에 대한 비선형 모델의 성능을 해석한다 여기서 규칙 전반부 멤버쉽 함수의 정점 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 무반부 퍼지 집합의 정점 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 제안된 모델에 관련된 파라미터는 입자 군집 최적화(Particle Swarm Optimization; PSO) 알고리즘으로 동조한다. 제안된 모델은 모의 데이터집합(Synthetic dadaset), Mackey-Glass 시계열 공정 데이터를 적용하여 논증되고, 기존 Type-1 퍼지 논리 시스템과의 근사화 및 일반화 능력에 대하여 비교 토의한다.