• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.263-266
• /
• 2002

데이터의 군집화를 수행할 때 최적 군집수 결정은 군집 결과의 성능에 많은 영향을 미친다. 특히 K-means 방법에서는 초기 군집수 K에 따라 군집결과의 성능 차이가 많이 나타난다. 하지만 대다수의 군집분석에서 초기 군집수의 결정은 경험을 바탕으로 하여 주관적으로 결정된다. 이때 개체수와 속성수가 증가하면 이러한 결정은 더욱 어려워지며 이때 결정된 군집수가 최적이 된다는 보장도 없다. 본 논문에서는 군집의 수를 자동으로 결정하고 그 결과의 유효성을 보장하기 위해 유전자 알고리즘에 기반한 최적 군집수 결정 방안을 제안한다. 데이터의 속성에 근거한 초기 해 집단이 생성되고, 해 집단 내에서 최적화된 군집수를 찾기 위해 교차 연산이 이루어진다. 적합도 값은 전체 군집화의 비 유사성의 합의 역으로 결정되어 전체적인 군집화 성능이 향상되는 방향으로 수렴된다. 또한 지역 국소값을 해결하기 위해 돌연변이 연산이 사용된다. 그리고 유전자 알고리즘의 학습 시간의 비용을 줄이기 위해 붓스트랩 기법이 적용된다.

• Journal of Internet Computing and Services
• /
• v.13 no.6
• /
• pp.1-8
• /
• 2012

Clustering method is divided into hierarchical clustering, partitioning clustering, and more. K-Means algorithm is one of partitioning clustering and is adequate to cluster so many documents rapidly and easily. It has disadvantage that the random initial centers cause different result. So, the better choice is to place them as far away as possible from each other. We propose a new method of selecting initial centers in K-Means clustering. This method uses triangle height for initial centers of clusters. After that, the centers are distributed evenly and that result is more accurate than initial cluster centers selected random. It is time-consuming, but can reduce total clustering time by minimizing the number of allocation and recalculation. We can reduce the time spent on total clustering. Compared with the standard algorithm, average consuming time is reduced 38.4%.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1995.04a
• /
• pp.899-908
• /
• 1995

관계형 데이타베이스 환경에서 데이타 분할은 트랜잭션 혹은 질의에 요구되는 데이타량과 직접적인 관련이 있다. 본 논문에서 고려하는 데이타 분할은 중복이 없는 수직 분할로 다음 두 단계로 이루어져 있다. 첫째 단계에서는, 각 속성들간의 친밀도를 최대화시키는 0-1 정수 모형으로 속성들을 클러스터링한다. 이 단계의 결과를 초기 단편이라 한다. 두번째 단게에서는, 트랜잭션에 기반한 분할 방법을 이용하여 비용요소가 직접적으로 고려되지 않은 초기 단편을 변환시킨다. 트랜잭션에 기반한 분할 방법이란 트랜잭션 위주로 속성들을 나누는 것이다. 이 단계에서는 트랜잭션 수행에 요구되는 논리적인 액세스량을 비교 척도로 한다. 즉, 이 논문에서 제안한 수직 분할은 친밀도를 최대로 하는 최적화 모형으로 초기 분할을 한 후, 트랜잭션에 근거한 분할 방법을 이용한 발견적 기법으로 해를 개선시켜 나간다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.587-590
• /
• 2020

최근, 디지털 콘텐츠 산업이 폭발적으로 성장됨에 따라 고객 유치를 위한 개인화 추천 기술들이 많은 주목을 받고 있다. 개인화 추천 방식들을 큰 갈래로 나누어 본다면 협업 필터링 기술과 내용 기반 기술로 나눌 수 있다. 협업 필터링의 경우 개인화 추천에는 적합하지만 사용자 평가 데이터의 양이 방대해야 하며 초기에 평가자가 없는 콘텐츠에 대해 추천할 수 없는 초기 평가자 문제가 존재한다. 따라서 매일 방대한 양의 콘텐츠가 편입되는 분야에서 사용하기에 큰 결점이 될 수 있다. 본 논문에서는 영화들의 정보가 담긴 데이터 셋과 사용자 평가 데이터, 그리고 사용자의 선호 기준을 의미하는 메타 가중치를 활용한 내용 기반의 맞춤형 영화 추천 시스템을 제안한다. 논문에서는 먼저, 영화를 고를 때 일반적으로 중요시 보는 속성들을 활용하여 영화의 특징 벡터를 구성하고, 이를 사용자 평가와 결합하여 개인의 선호에 대한 특징 벡터를 구성하는 방법을 제안하며, 구성된 데이터와 코사인 유사도, 메타 가중치를 활용하여 사용자 선호와 유사한 영화들을 도출하는 방법을 제안한다. 또한, 평가데이터를 활용하여 구현된 추천시스템의 검증 프로세스를 구성하고, 검증 프로세스를 활용한 손실 함수를 설계하여 적합한 메타 가중치를 학습하는 방법을 제시한다. 본 논문에서 제안하는 시스템은 다수의 속성을 조합하여 활용하므로 추천 결과가 과도하게 특수화 되지 않을 수 있으며, 메타 가중치라는 요소를 통해 더욱 개인화 된 추천을 제공할 수 있다.

• Review of KIISC
• /
• v.31 no.1
• /
• pp.7-14
• /
• 2021

일반·보안 기기에서 개인 정보 및 비밀 정보가 많은 부분에서 취급된다. 보안 기기라고 할지라도 전원이 인가되지 않으면 데이터가 초기화되는 RAM의 물리적 특성을 고려하여, 보안영역으로 간과될 수 있다. 하지만 2008년 이후, RAM의 표면 온도를 현저히 낮추면 전원이 인가되지 않아도 RAM 데이터가 초기화되지 않는 특징을 활용한 콜드 부트 공격이 제기되어, 지금까지 활발히 연구되어 하나의 보안이 필요한 영역으로 자리매김하고 있다. 본 논문에서는 콜드 부트 공격의 방법론과 발전 동향, 콜드 부트 공격에 대한 물리적 특성 및 디스크 암호화 솔루션에 적용 가능한 콜드 부트 공격을 설명한다. 또한, 국내 연구에 간과될 수 있는 콜드 부트 공격을 고취시키기 위하여, 이에 대한 대응기법도 소개한다.

• Journal of Broadcast Engineering
• /
• v.8 no.2
• /
• pp.109-115
• /
• 2003

In this paper we propose an efficient method to broadcast digital television signals using Single Frequency Networks (SFNs) in the Advanced Television Systems Committee (ATSC) transmission systems. Since the proposed schemes to synchronize multiple transmitters minimize the changes from the conventional ATSC system, the hardware complexity for the changes is very low. Our simulation results show that the proposed scheme makes less than 0.1 dB degradation at the threshold of visibility (TOV： BER= 3$\times$$10^{-6}$) in the additive white Gaussian noise (AWGN) channel. It is possible to reduce the performance degradation by increasing an initialization period of the proposed scheme.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.341-345
• /
• 1998

본 논문은 웨이블렛 변환과 제안된 신경회로망을 이용한 홍채인식에 대한 연구이다. 인간의 생물학적 특징중에 최근 각광받는 특징인 홍채로 신원확인 시스템을 구현함을 목적으로 고신뢰도의 홍채인식 시스템을 개발중이다. 현재 개발되고 있는 신원확인을 위한 여러 가지 인식 시스템 중 홍채인식의 특성과 비교 우위적 장점을 소개하고, 경쟁학습 신경회로망에서의 효과적인 가중치 초기화 방법과 승자결정 방법에 관한 연구에 대한 실험결과를 소개한다.

• Journal of Embryo Transfer
• /
• v.10 no.2
• /
• pp.145-151
• /
• 1995

초기배의 성판정은 대상가축의 성을 선발하는 수단으로써 가축의 육종 및 번식에 있어 가치가 매우 높다. 체세포, 체외수정 또는 처녀발생 초기배의 성을 결정하기 위해 capillary polymerase chain reaction (PCR)을 이용하였으며 성판정에 이용되는 상실배 또는 배반포는 체외수정과 그 후의 난관상피세포와의 공배양에 의해 생산되었다. 초기배의 genomic DNA는 0.2$\mu$g/$\mu$L proteinase K를 함유하고 있는 PCR lysis buffer에 하나의 초기배를 부유하게 50˚C 에서 1시간동안 배양한 후 95˚C에서 10분간 효소를 비활성화시킴으로써 준비되었다. 웅성 초기배에서는 두개의 증폭산물(소특이)만이 생산되었다. 이 기법에 의한 성판정 결과 초기배의 성비는 예상되는 1:1의 성비와 유의적인 차이가 없었다. 잔여 난구세포 또는 투명대에 결합된 정자 등으로 인한 잘못된 성판정이 종종 발생하였는데, 이는 citrate 처리후 투명대를 완전히 제거함으로써 false positive 또는 negative 결과를 극복할 수 있었다. 이상과 같은 결과는 체외생산 소 초기배의 신속하고(2시간 증폭) 정확한 성판정의 가능성과 초기배 이외의 세포로부터의 오염이 확립된 수세방법에 의해 효과적으로 배제될 수 있음을 제시하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.30 no.1C
• /
• pp.44-53
• /
• 2005

In this paper, a improved moving object detection algorithm for stable performance of surveillance system in case of iterative moving in limited area and rapidly illuminance change in background scene is proposed. The proposed algorithm is that background scenes are sampled for initializing background image then the sampled fames are divided by block and sum of graylevel value for each block pixel was calculated, respectively. The initialization of background image is that background frame is respectively reconstructed with selecting only the maximum graylevel value and the minimum graylevel value of blocks located at same position between adjacent frames, then reference images of background are set by the reconstructed background images. Moving object detecting is that the current image frame is divided by block then sum of graylevel value for each block pixel is calculated. If the calculated value is out of graylevel range of the initialized two reference images, it is decided with moving objects block, otherwise it is decided background. The evaluated results is that the error rate of the proposed method is less than the error rate of the existing methods from $0.01{\%}$ to $20.33{\%}$ and the detection rate of the proposed method is better than the existing methods from $0.17{\%}\;to\;22.83{\%}$.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.646-648
• /
• 2004

기계학습의 군집화(clustering) 기법은 예제들 간의 유사성에 근거하여 주어진 예제들을 무리 짓는 방법이다. 준감독(semi-supervised) 군집화는 카테고리가 부여된(labeled) 소수의 예제들을 적극적으로 활용하여 군집형태가 보다 자연스럽게 형성되도록 유도하는 군집화 방법이다. 준감독 군집화 문제에서 예제에 카테고리를 부여하는 작업은 현실적으로 극히 제한적이거나 카테고리를 부여하는데 소요되는 비용이 상당하므로, 제한된 자원 내에서 군집화에 효용성이 높을 예제들을 선정하여 카테고리를 부여하는 것이 필요하다. 본 논문에서는 기존 연구에서 능동적 학습의 초기 훈련예제 선정을 위해 제안된 군집기반 훈련예제 선정 방법을 준감독 군집화에 적용하여 군집 결과의 질을 향상시키고자 한다. 군집화를 이용한 예제 선정 방법은 유사한 예제들은 동일한 카테고리에 속할 가능성이 높다는 가정하에 전체 예제를 활용하여 선정하고자 하는 예제 수만큼 군집을 생성 한 후. 각 군집의 중심점에 가장 가까운 예제들을 대표 예제로 선정하여 훈련 집합을 구성하는 방법이다 본 논문에서는 문서를 대상으로 하는 준감독 군집화 실험을 통해, 카테고리를 부여할 예제를 임의로 선정한 경우에 비해 군집화를 이용한 훈련 예제들로 준감독 군집화를 수행한 경우가 보다 좋은 군집을 형성함을 확인하였다.