• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.750-752
• /
• 2014

K-Means 알고리즘은 구현이 쉽고, 패턴수가 n일 때 시간 복잡도가 O(n)인 장점을 가져 대용량 데이터에서 널리 이용된다. 그러나, K-Means 알고리즘은 초기 클러스터 중심을 어떻게 선정하는가에 따라 할당-재계산 횟수, 클러스터링 결과를 결정짓는다. 본 논문에서는 K-Means 알고리즘에서 클러스터 초기 중심 선정 연구를 살펴보고 계통임의추출법을 적용하여 K-Means 초기 중심 선정 방법을 제안한다. 제안한 방법은 대용량 데이터의 클러스터링 시간을 감소하고 정확도를 향상시킬 수 있다.

• 컴퓨터교육학회논문지
• /
• 제11권1호
• /
• pp.85-95
• /
• 2008

본 연구의 목적은 초등학생의 문제해결력 향상을 위한 놀이 중심 알고리즘 교재를 개발하고 적용하는데 있다. 개발된 교재는 전문가에 의해 내용타당도를 검증받고 수정한 후, 대구광역시의 초등학교 5학년 학생 71명을 대상으로 6주간 투입하였다. 컴퓨터교육교재에 따라 놀이 중심 알고리즘 교재 집단, 알고리즘 교재 집단의 두 집단으로 구분하였으며, 혼합변량분석을 통해 사전 사후 각 집단의 문제해결력 점수 변화를 살펴보았다. 그 결과 컴퓨터교육교재의 적용 전 초등학생의 문제해결력은 적용 이후에 유의한 차이를 보였으며, 놀이 중심 알고리즘 교재를 적용한 집단이 알고리즘 교재 적용 집단에 비해 교재 적용 전후 문제해결력에 있어서 큰 변화를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제12권2호
• /
• pp.181-188
• /
• 2007

무향 Rural postman problem(URPP)은 주어진 네트워크에서 특정 아크를 적어도 한 번씩 경유하는 최단 경로를 찾는 문제이다. URPP는 실생활의 다양한 문제를 풀기 위한 기본적인 네트워크 문제 중에 하나이며 NP-Complete 문제로 알려져 있다. URPP는 아크 중심의 문제로 아크의 라우팅 방향을 고려하여야 하며, 노드 중심의 문제인 TSP(Traveling Salesman Problem) 해법을 그대로 적용하는 것은 힘들다. 본 논문에서는 URPP 해법을 위한 유전 알고리즘에서 그래프 변환에 의한 디코딩 방법을 제안한다. 즉, 아크 중심의 그래프를 노드 중심의 그래프로 변환함으로써 아크의 방향에 상관없이 전체 라우팅 경로를 구할 수 있도록 하였다. 실험을 통해 제안 알고리즘과 기존 알고리즘의 성능을 비교하였다. 실험 결과에서 제안 알고리즘은 기존 알고리즘보다 좋은 결과를 얻을 수 있음을 알 수 있었다.

• 한국통신학회논문지
• /
• 제26권8B호
• /
• pp.1141-1151
• /
• 2001

본 논문에서는 효과적으로 선택된 초기 탐색 위치를 이용한 움직임 추정의 고속 알고리즘을 제안하였다. 제안된 알고리즘에서는 2$\times$2화소 블록 평균으로 부표본화 영상에서 움직임 벡터를 얻어 원영상 비율로 확대하고, 주위 블록의 움직임으로부터 예측 움직임 벡터를 구하여, 이 중에서 정합오차가 작은 것을 초기 탐색 위치로 선택한다. 그리고 선택된 초기 탐색 위치를 중심으로 회전 탐색을 시작하여, 연속 소거 알고리즘으로 탐색할 후보 블록을 선택하고, 부분 정합 왜곡 소거법을 사용하여 블록간 정합오차 계산량을 줄이면서, 고속으로 움직임 벡터를 추정한다. 알고리즘의 실제 적용에 있어서는 선택된 초기 탐색 위치를 중심으로 회전 탐색 패턴의 탐색 범위를 조절하거나, 매크로 블록 당 복잡도를 제한하여 계산량을 줄일 수 있다. 실험 결과, 제안된 알고리즘은 전역탐색 블록정합 알고리즘에 대하여 0.2dB 이하의 미소한 평균 PSNR 저하만을 발생하면서, FBMA 복잡도의 3% 이하의 평균 복잡도를 소요하였다. 이것은 3단계 탐색법에 대하여 40% 이하의 계산량이다. 그리고 실험 영상들의 각 프레임에 대해서도 비슷한 성능을 보임을 확인하였다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1987년도 학술발표회 논문집
• /
• pp.66-69
• /
• 1987

본 논문은 불특정화자의 한국어 단독음인식에 관한 연구로써 새로운 집단화 방법인 Modified-ISODATA 집단화방법을 제안한다.본 알고리즘의 목적은 종래의 ISODATA 알고리즘에서 외부 고립점 처리 및 분리과정을 단순화 하고, Lumping 과정을 제거하여 정확하고도 자동화된 집단의 중심점을 찾는 것이다. 본 알고리즘을 적용한 결과, 10명의 남성 화자와 4명의 여성 화자가 발음한 11개의 ltnt자음에 대하여, 최근에 발표된 Modified K-means 방법보다 좋은 인식율을 나타내어, 보다 정확한 집단의 중심점을 찾아 내었음을 입증해보였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제29권6호
• /
• pp.340-345
• /
• 2002

본 논문에서는 기관위치설정 문제 중에서, 이차원 평면에 주어진 n개의 점들로 구성된 집합 P에 대한 이산 2-중심 문제를 다룬다. P의 있는 서로 다른 두 점을 중심으로 선택하는 데, P의 다른 점들은 두 중심 중에서 가까운 중심가지의 거리의 최대값과 두 중심 사이의 거리의 합이 최소가 되도록 선택하는 것이 목적이다. 본 논문에서는 Ο(n$^2$logn) 시간에 이산 2-중심을 구하는 알고리즘을 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권1호
• /
• pp.37-44
• /
• 2015

사회관계망 분석에 있어서 매개 중심도(Betweenness Centrality)는 네트워크를 구성하는 노드들의 상대적인 중요도를 파악하기 위한 척도로서 주로 사용되어 왔다. 그러나 매개 중심도를 측정하기 위한 시간 복잡도가 높기 때문에 대규모의 온라인 사회관계망 서비스에서 각 노드의 매개 중심도를 산출하는 것은 쉽지 않은 문제이다. 그래서 본 연구팀에서는 과거에 네트워크를 구성하는 각각의 노드들마다 자신의 지역 정보를 활용하여 확장 자아 네트워크(Expanded Ego Network)를 정의하고 그 네트워크에서 확장 자아 매개 중심도(Expanded Ego Betweenness)를 산출하여 기존의 매개 중심도를 대체하려는 시도를 하였다. 본 논문에서는 지역정보 기반의 확장 자아 네트워크의 특징을 분석하여 확장 자아 매개 중심도를 빠르게 산출할 수 있는 알고리즘을 제안한다. 그리고 일반적인 사회관계망의 특성을 대표하는 Barab$\acute{a}$si-Albert 네트워크 모델을 사용한 가상 네트워크와 실제 사회관계망을 대표하는 페이스북 친구 관계 네트워크에서의 실험을 통하여 확장 자아 매개 중심도의 중요도 순위가 기존 매개 중심도의 중요도 순위와 거의 일치함을 보인다. 또한 제안하는 알고리즘이 기존 알고리즘에 비해 확장 자아 네트워크에서의 확장 자아 매개 중심도를 더 빠르게 산출함을 보인다.

• 한국멀티미디어학회논문지
• /
• 제14권4호
• /
• pp.529-537
• /
• 2011

본 논문에서는 물체를 구성하고 있는 컬러들의 기하학적 중심을 이용하여 물체의 크기에 적응적인 추적 알고리즘을 제안한다. 대부분의 크기 적응적 알고리즘은 표적윈도우의 크기를 결정하기 위하여 히스토그램을 사용한다. 그러나, 이러한 방법은 표적의 배경에 표적의 색상과 유사한 물체가 존재하거나 표적의 일부분이 폐색되었을 때 표적의 크기를 추정하는데 실패한다. 이것은 히스토그램이 영역에 대한 기하학적인 공간정보를 상실한채 표적 컬러의 화소수하고만 연관되기 때문이다. 이러한 분석을 바탕으로 본 논문은 표적 컬러의 화소수의 변화에 상대적으로 덜 민감한 표적의 컬러 중심을 이용한 크기 적응 알고리즘을 제안한다. 컬러의 중심들은 공간정보를 가지고 있기 때문에 컬러중심과 표적 영역의 크기에는 직접적인 상관관계가 존재한다. 표적의 크기 변화를 추정하기 위하여 각각의 표적 컬러에 대한 줌팩터를 추정한 후, 적절한 필터링 과정을 통해 하나의 줌팩터를 추정한다. 제안한 크기 추정 알고리즘은 중심이동 기반의 추적 알고리즘과 결합된다. 제안된 크기 적응적 추적 알고리즘은 배경에 유사한 컬러가 존재하는 경우에도 안정적으로 작동하는 것을 실험으로 검증한다.

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.517-524
• /
• 2004

1960년대 퍼지 이론이 소개된 이후 데이터 마이닝을 포함한 기계 학습 분야의 군집화 작업에서 퍼지 이론이 폭넓게 사용되었다. 퍼지 C-평균 알고리즘은 가장 많이 사용되는 퍼지 군집화 알고리즘이다. 이 알고리즘은 하나의 데이터 개체가 서로 다른 소속 정도를 가지고 각 군집에 할당될 수 있도록 한다. 퍼지 C-평균 알고리즘도 K-평균 알고리즘과 같은 일반적인 군집화 알고리즘과 마찬가지로 초기 군집수와 군집 중심의 위치에 의해 최종 군집 결과의 성능 차이가 나타난다. 군집화를 위한 이러한 초기 설정은 주관적이며 이 때문에 적절치 못한 결과를 얻게 될 수도 있다. 본 논문에서는 이 문제를 해결할 수 있는 방법으로 주어진 학습 데이터의 속성을 기반으로 한 초기 군집수와 군집 중심을 결정하는 개선된 밀도 기반의 퍼지 C-평균 알고리즘을 제안하였다. 제안 방법은 격자를 사용하여 초기 군집 중심의 위치와 군집수를 결정하였다. 기존에 많이 이용되었던 객관적인 기계 학습 데이터를 이용하여 제안 알고리즘의 성능비교를 수행하였다.

• 한국항공우주학회지
• /
• 제35권11호
• /
• pp.1043-1051
• /
• 2007

디지털 태양센서는 CMOS 이미지 센서에 맺힌 태양광 이미지를 이용하여 태양광의 입사 각도를 계산한다. 이를 위해서는 태양광 이미지의 정확한 중심점을 찾아야하며 따라서 정밀한 중심점 추정은 디지털 태양센서 개발에서 가장 중요한 요소가 된다. 중심점을 찾기 위해서 가장 일반적으로 쓰이는 중심 알고리즘은 thresholding 방법이며 가장 단순하고 구현하기 쉽다. 또 다른 알고리즘으로는 이미지 처리를 이용하는 image filtering 방법이 있다. 하지만 이러한 방법들은 태양센서 정밀도가 이미지 센서에서 획득한 태양광 강도(intensity) 데이터의 노이즈에 영향을 많이 받으며, 특히 thresholding 방법의 경우 threshold 값에 따라 정밀도가 바뀌기 때문에 효과적인 threshold 값을 정하기 어려운 단점이 있다. 따라서 본 논문에서는 태양광 이미지의 중심점을 구하기 위해서 태양광 이미지 모델을 이용하는 template 방법을 제시하고 성능을 비교 분석하였다. 제안한 template 방법은 thereshold, image filtering 방법과 달리 비교적 높은 정밀도를 가지며, 특히 노이즈 수준에 관계없이 거의 일정한 수준의 정밀도를 가지는 장점이 있어 신뢰성이 높다.