• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2003년도 춘계공동학술대회
• /
• pp.827-834
• /
• 2003

기존의 RBF네트웍의 중심 결정에 관한 연구에서는 은닉중의 노드 수(즉 중심의 개수)가 결정되었다는 가정하에 그 위치만을 결정하는 알고리즘들이 개발되었다. 그러나 RBF 네트웍 의 성능과 계산속도는 중심의 개수에도 민감하기 때문에, 중심 위치와 개수의 통합적인 고려가 필요하다. 본 논문에서는 RBF 네트웍의 중심결정에 있어서 그 위치 뿐만 아니라 개수까지 동시에 고려하는 Two-Phase 알고리즘을 제안한다. Two-Phase 알고리즘은 두 단계로 구성된다 찻 번째 단계에서는 Bi-section 방법과 보정된 k-medoid 군집화 기법을 이용하여 네트웍의 최소 중심 개수와 위치를 결정한다. 두번째 단계에서는 RBF 네트웍의 weight를 결정하고 네트웍 설계를 마친다. 제안된 알고리즘을 다양한 수지 예제에 적용한 결과, 중심결정에 관한 기존의 알고리즘에 비해 더 적은 수의 중심으로 더 정확한 예측성능을 보임을 알 수 있었다.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2003년도 춘계학술대회
• /
• pp.19-25
• /
• 2003

데이터베이스에 내재된 패턴이나 관계를 묘사한 것만으로도 의사결정에 필요한 정보를 제공할 수 있는데 이 데이터들의 변수들을 비슷한 특징을 가지는 소그룹으로 나누어 패턴을 찾는 것을 군집분석이라 한다. 이러한 군집 분석에는 분리군집방법과 계층적군집방법이 있는데, 재할당이 가능한 분리군집방법의 여러 알고리즘에 대해 비교해보자. 분리군집알고리즘에는 중심을 평균으로 하는 k-평균 알고리즘과, 중심을 메도이드로하는 PAM, CLARA, CLARANS 알고리즘이 있다. 이러한 알고리즘에 대한 이론과, 장단점을 설명하고, 분산과 중심들간의 평균 거리로 비교해 본다.

• 정보처리학회논문지B
• /
• 제11B권7호
• /
• pp.867-874
• /
• 2004

K-Means 알고리즘은 재배치 기법의 일종으로 K개의 초기 센트로이드를 중심으로 K개의 클러스터가 될 때까지 클러스터링을 반복하는 것이다. 알고리즘의 특성상 K-Means 알고리즘은 초기 클러스터 센트로이드(중심) 및 클러스터 중심을 결정하는 방법에 따라 다른 클러스터링 결과를 얻을 수 있다. 본 논문에서는 K-Means 알고리즘을 이용한 초기 클러스터 중심 및 클러스터 중심을 결정하는 방법을 개선한 변형 K-Means 알고리즘을 제안한다. 제안한 알고리즘의 평가를 위하여 SMART 시스템의 16가지 가중치 계산 방식을 이용하여 성능을 평가한 결과 변형 K-Means알고리즘이 K-Means 알고리즘보다 재현률과 F-Measure에서 $20{\%}$이상 향상된 결과를 얻을 수 있었으며 특정 주제 아래 관련 문서가 할당되는 클러스터링 성능이 우수함을 알 수 있었다.

• 한국음향학회지
• /
• 제17권4호
• /
• pp.72-75
• /
• 1998

본 논문에서는 기존에 제시된 수정된 K-평균 방법을 이용한 VQ 학습 알고리즘을 분석하고, 보다 개선된 성능을 보이는 학습 알고리즘을 제안한다. 수정된 K-평균 학습 알고 리즘은 자기 집단에 속하는 데이터의 중심을 데이터의 중심을 새로운 코드워드로 삼는 것이 아니라 현재 코드워드와 새로 구한 집단의 중심을 연결한 선상에서 새로 구한 중심 너머의 일정한 점을 새로운 코드워드로 선택하는 방식이다. 본 논문에서는 이렇게 구한 새로운 코 드워드가 어떠한 조건을 만족할 때 알고리즘이 반복적 감소의 성질을 가지는지 살펴보고, 그 조건을 만족시키는 영역 중 기존의 방식보다 더 좋은 성능을 보이는 코드워드 선택법을 제시함으로써 개선된 학습 알고리즘을 제안한다.

• 인터넷정보학회논문지
• /
• 제14권5호
• /
• pp.77-85
• /
• 2013

본 논문에서는 워크플로우 소셜 네트워크(WSSN, Workflow-supported Social Network) 근접중심성 분석 알고리즘을 제안한다. 워크플로우모델과 모델의 실행을 기반으로 형성되는 업무수행자들간의 협업 관계를 워크플로우 소셜 네트워크라고 정의하고, 이를 기존의 소셜 네트워크 근접중심성 분석기법을 적용하여 워크플로우 소셜 네트워크의 근접중심성을 분석하는 알고리즘을 설계한다. 특히, 제안한 알고리즘의 적용 사례를 통해 특정 워크플로우모델로부터 해당 워크플로우 소셜 네트워크 근접중심성을 분석함으로써 본 논문에서 제안한 알고리즘의 정확성 및 적합성을 검증한다.

• 정보교육학회논문지
• /
• 제20권2호
• /
• pp.161-170
• /
• 2016

최근 소프트웨어 활용교육 중심에서 프로그래밍을 비롯한 컴퓨터과학을 기반으로 한 사고력 향상 중심의 컴퓨터 교육이 강조되고 있다. 시각화 자료를 이용하거나 활동 중심의 언플러그드 활동 중심의 알고리즘 교육을 기반으로 초등 알고리즘 교육에 대한 여러 연구가 이루어지고 있다. 그러나 아직 초등학생의 특성을 살린 학습자료나 수업 방법이 부족하여 실제 학교 현장에 도입하기에 여러 가지 어려움이 있다. 이에 본 연구에서 관련 선행 연구를 분석하여, 초등학생들의 발달단계에 적합한 활동중심의 검색 알고리즘 수업을 설계하였다. 본 연구에서 개발한 수업 설계를 통하여 학생들의 사고력을 향상시킬 수 있는 알고리즘 관련 수업이 더욱 확대되기를 기대한다.

• 인터넷정보학회논문지
• /
• 제17권1호
• /
• pp.47-53
• /
• 2016

워크플로우 소속성 네트워크는 워크플로우 기반 조직의 수행자와 업무 사이의 연관관계를 나타내는 소셜 네트워크의 한 형태이며, 이를 기반으로 연결 중심도, 근접 중심도, 사이 중심도, 위세 중심도 등과 같은 다양한 분석 기법들이 제안되었다. 특히, 전사적 워크플로우 모델을 기반으로 하는 소속성 네트워크의 근접 중심도 분석은 워크플로우 소속성 네트워크의 규모가 증가함에 따라, 중심도 및 랭킹 계산의 시간 복잡도 문제점을 가진다는 것을 발견하였다. 본 논문에서는 근접 중심도 분석의 시간 복잡도 문제를 개선하기 위해, 근사치 추정 방법을 이용한 워크플로우 기반 소속성 네트워크의 추정 근접 중심도 기반 랭킹 알고리즘을 제안한다. 노드의 타입이 수행자인, 워크플로우 예제 모델을 추정 근접 중심도 기반 랭킹 알고리즘에 적용한 성능 분석을 실시하였다. 수행 결과, 네트워크 규모 관점에서의 정확도는 평균적으로 47.5% 향상되었고, 샘플 모집단 비율 관점에서는 평균적으로 9.44%정도의 향상된 수치를 보였다. 또한, 추정 근접 중심도 랭킹 알고리즘의 평균 계산 시간은 네트워크의 노드 수가 2400개, 샘플 모집단의 비율이 30%일 때, 기존 근접 중심도 랭킹 알고리즘의 평균 계산 시간보다 82.40%의 높은 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 추계학술발표논문집 (상)
• /
• pp.373-376
• /
• 2002

K-Means 알고리즘은 재배치 기법의 일종으로 K 개의 초기 클러스터중심(centroid)를 중심으로 K 개의 클러스터가 될 때까지 클러스터링을 반복하는 것이다. K-Means 알고리즘은 특성상 초기 클러스터 중심과 새롭게 생성된 클러스터 중심에 따라 클러스터링 결과가 달라진다. 본 논문에서는 K-Means Algorithm 의 초기 클러스터중심 선택 방법과 새로운 클러스터 중심 결정 방법을 개선한 변형 K-Means Algorithm을 제안한다. SMART 시스템에서 제안한 16가지 가중치 계산 방식에 의하여 두 알고리즘의 성능을 평가한 결과 제안한 변형 알고리즘이 재현률과 F-Measure 에서 20%이상 향상된 결과를 얻을 수 있었으며 특정 주제 아래 문서가 할당되는 클러스터링 성능이 우수하였다.

• 인터넷정보학회논문지
• /
• 제16권3호
• /
• pp.71-77
• /
• 2015

본 논문에서는 대규모 워크플로우 기반 소셜 네트워크를 위한 추정 근접 중심도 랭킹 알고리즘을 구현하고, 그에 대한 성능 분석을 수행한다. 기존의 근접 중심도 분석 방법은 특정 노드와 다른 모든 노드들 간의 최단거리를 구하므로 네트워크의 크기가 커짐에 따라 근접 중심도 분석 시간이 기하급수적으로 증가하는 문제점을 가진다. 이로 인해 대규모 소셜 네트워크의 근접 중심도 랭킹 과정에도 계산시간 문제를 가진다. 이러한 문제점을 개선하고자 본 논문에서는 추정기법을 활용한 근접 중심도 랭킹 알고리즘을 구현하며 기존 알고리즘과의 성능 분석을 수행한다. 이는 약 50%의 계산 시간 단축 결과를 보여주었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 추계학술발표논문집 (상)
• /
• pp.629-632
• /
• 2002

본 논문에서는 획득 영상에서 k-평균 알고리즘에 의한 무게중심을 이용하여 이동 물체를 검출하고 추적하는 방법을 제안하였다. 이동 물체의 검출은 획득 영상에 대하여 차영상 후 에지 검출에 의해 수행된다. 제안한 검출 방법은 빛의 밝기와 각도에 의해 발생된 그림자 등의 변형을 제거하고, 이동 물체만을 검출할 수 있어, 빛에 영향을 받은 영상에 대해서도 이동 물체를 양호하게 검출할 수 있다. 물체 추적은 검출된 이동 물체에 대하여 k-평균 알고리즘으로 세 개의 물체 무게중심을 구하고, 무게중심 부근의 화소 평균값과 무게중심간의 거리를 구한다. 다음 프레임들에 대하여 탐색영역의 화소 평균값에 의해 후보 무게중심을 구하고, 물체 무게중심과 구한 후보 무게중심들의 표준편차와 무게중심간의 거리 차를 이용하여 이동 물체를 추적한다. 그 결과, 이동 물체의 추적 속도를 개선시켰고, 물체 추적 오차율을 줄였다.