• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2003년도 추계학술대회
• /
• pp.169-174
• /
• 2003

이동 객체에 대한 기존 최근접(nearest neighbor, NN) 질의 처리 기법들은 질의 궤적에 대해 연속적으로 정확하게, 질의와 가장 가까운 위치를 유지하면서 움직이는 최근접 객체를 선택할 수 있는 충분한 기준을 가지고 있지 못하다. 이 논문은 질의 객체와 데이터 객체가 모두 이동 객체인 경우에 가장 적합하게 사용되는 객체 궤적에 대한 연속적인 질의 처리를 통해 정확한 결과를 얻을 수 있는 새로운 최근접 질의 처리 기법, 연속 궤적 최근접 질의(CTNN, continuous trajectory nearest neighbor query)를 제안한다. 우리는 두 가지 Approximate, Exact CTNN 기법을 제안하며 이들은 모두 항해 시스템, 교통 통제 시스템, 물류정보 시스템 등 각종 위치 기반 서비스(L8S: location based services) 상에서 다양하게 사용될 수 있다. 이들은 이동 객체 궤적이 미리 알려져 있는 경우 그리고 질의와 데이터 객체가 모두 이동 객체인 경우에 가장 적합하다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.517-519
• /
• 2001

본 논문에서는 최근접점 탐색 알고리즘(Nearest Neighbor Searching)을 사용하여 고차원에서 질의점을 효과적으로 찾기 위한 방안을 제안한다. 최근접점 탐색에서 정확도와 실행속도는 반비례 관계를 가지며 기존에 제안된 최근접점 탐색 알고리즘의 경우, 차원이 증가할수록 탐색 시간이 기하급수적으로 증가하게 되어 고차원에서 질의점을 탐색할 경우 실행시간이 현저하게 길어진다. 최근접점 탐색을 실세계에서 적용할 경우 정확도도 중요하지만 실행 속도 또한 중요하다. 이 점을 감안하여 본 논문에서는 고차원 데이터를 저차원으로 압축하여 질의점을 탐색하고 압축 이전과 이후의 결과를 비교한 후, 이를 통해 정확성과 실행속도의 관계를 분석한다. 본 논문에서는 제안한 차원 압축을 이용할 경우 정확성이 중요한 요소가 아닌 탐색에서 상당한 실행속도가 개선될 것으로 기대된다.

• 정보와 통신
• /
• 제31권11호
• /
• pp.27-34
• /
• 2014

본 리뷰 논문에서는 많은 데이터 환경에서 얻어진 k-최근접 이웃들(k-nearest neighbors)의 이론적 성질로부터 어떻게 분류를 위한 알고리즘을 만들어낼 것인가에 대한 여러 가지 방법들을 설명한다. 많은 데이터 환경에서의 최근접 이웃 데이터의 정보는 다양한 기계학습 문제를 푸는데 아주 좋은 이론적인 성질을 가지고 있다. 하지만, 이런 이론적인 특성들이 데이터가 많지 않은 환경에서는 전혀 나타나지 않을 뿐 아니라 오히려 다른 다양한 알고리즘들에 비해 성능이 많이 뒤쳐지는 결과를 보여주고 있다. 본 리뷰 논문에서는 많은 데이터 환경 하에서 k-최근접 이웃들의 정보가 어떤 이론적인 특성을 가지는지 설명하고, 특별히 이런 특성들을 가지고 k-최근접 이웃을 이용한 분류 문제를 어떻게 베이지안 추론(Baysian inference) 문제로 수식화 할 수 있는지 보인다. 마지막으로 현재의 빅데이터 환경에서 실용적으로 사용할 수 있는 알고리즘들을 소개한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.127-129
• /
• 2005

최근 LBS(location-based service) 및 텔레매틱스(telematics) 응용의 효과적인 지원을 위해, 이상적인 유클리디언(Euclidean) 공간 대신, 실제 도로나 철도와 같은 공간 네트워크(network)를 고려한 연구가 활발하게 수행중이다. 본 논문에서는 공간 네트워크를 고려한 기존 k-최근접 질의 처리 알고리즘의 문제점을 제시하고, 공간 네트워크 데이터베이스에 보다 효율적인 새로운 k-최근접 질의 처리 알고리즘을 제안한다. 제안하는 질의처리 알고리즘은 순서정보 및 Materialization 기법에 근거하며 기존 방법의 검색 성능을 향상시킨 방법이다. 마지막으로 제안하는 k-최근접 알고리즘을 기존의 알고리즘과 성능 비교를 수행한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 공동추계학술대회
• /
• pp.588-594
• /
• 2005

사례기반추론(Case-Based Reasoning)은 다양한 예측 문제에 있어서 성공적으로 활용되고 있는 데이터마이닝 기법 중 하나이다. 사례기반추론 시스템의 예측 성능은 예측에 사용되는 최근접이웃(Nearest Neighbor)을 어떻게 설정하느냐에 따라 영향을 받게 된다. 따라서 최근접 이웃을 결정짓는 k 값의 설정은 성공적인 사례기반추론 시스템을 구축하기 위한 중요 요인 중 하나가 된다. 최근접 이웃의 설정에 있어서 대부분의 선행 연구들은 고정된 k 값을 사용하는 사례기반추론 시스템은 k 값을 크게 설정할 경우 최근접 이웃 안에 주어진 오류를 일으킬 수 있으며, k 값이 작게 설정된 경우에는 유사 사례 중 일부만을 예측에 사용하기 때문에 예측 결과의 왜곡을 초래할 수 있다. 본 이웃을 결정함에 있어서 Similarity Threshold를 이용하는 s-NN 방법을 제안하였다. 본 연구의 실험을 위해 UCI(University of california, Irvine) Machine Learning Repository에서 제공하는 두 개의 신용 데이터 셋을 사용하였으며, 실험 결과 s-NN 적용한 CBR 모델이 고정된 k 값을 적용한 전통적인 CBR 모델보다 더 우수한 성능을 보여주었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.190-192
• /
• 2004

우리 주변의 실생활에서, 위급한 환자가 병원을 가려고 할 때 가장 가까이 있는 구급차를 부르거나, 차량에 대한 주유를 할 때 차량의 현재 위치와 가장 근접하게 위치한 주유소를 검색하는 등의 이동 객체에 대한 최근접(Nearest Neighbor) 질의가 빈번하게 발생되고 있다. 이와 같이 실생활에 응용되고 있는 기존 최근접 질의 처리 연구는 질의 객체와 대상 객체의 위치를 처리할 때 단순히 가장 가까운 거리를 가지는 객체를 찾아서 반환해 준다. 이 질의 방법을 실세계 이동 객체에 바로 적용하였을 경우, 실세계의 도로정보를 고려하지 않아 적절한 결과를 제공하지 못한다. 예를 들어, 사용자의 이동 방향과는 반대 방향에 위치한 객체가 질의 결과로 반환 꾈 경우, 사용자가 검색된 객체에 접근하기 위한 시간과 비용이 증가하는 문제가 발생한다 파라서 이 논문에서는 실세계 환경에 적합한 최근접 질의 처리를 위해 이동 객체의 방향과 속도 값에 대한 가중치 함수론 사용하여 최근접 질의를 처리한다. 제안된 기법은 교통정보 시스템, 관광정보 시스템, 물류관리 시스템, 소방안전 시스템과 같은 응용 시스템에 적용할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (1)
• /
• pp.190-192
• /
• 2001

시간에 따라 공간적 위치가 연속적으로 변하는 객체를 이동객체라 한다. 이동객체에 대한 최근접 질의는 시간에 따라 거리도 달라지게 됨으로써 기존의 방법을 그대로 이용하기 어렵다. 본 논문에서는 이동객체에 대한 최근접 질의를 3D R-tree를 이용한 최근접 탐색방법에 시간적 요소를 추가하여 처리하였다. 또, 3D R-tree를 구성하는 노드의 크기에 따른 사장공간(Dead Space)이 최근접 질의에 미치는 영향을 분석하였다. 실험결과에 따르면 이동객체를 하나의 노드에 저장하면 사장공간이 증가하여 불필요한 노드를 접근함으로써 성능이 떨어지고 여러 개로 분할하여 저장하게 되면 색인의 크기가 커짐으로써 질의 처리 성능이 떨어지게 된다. 따라서, 이동객체에 대한 적절한 분할 및 병합 정책이 필요하다는 것을 알 수 있다.

• 한국정보처리학회논문지
• /
• 제4권9호
• /
• pp.2173-2184
• /
• 1997

공간 데이타베이스 시스템에서 취급되는 여러 유형의 공간질의들 중 주어진 위치에서 가장 가까운 공간객체를 찾는 최근접질의는 매우 빈번히 발생한다. 최근접질의 성능을 높이기 위해서는 색인에서 검색되는 노드의 수를 최소화할 수 있어야 한다. 기존의 방법은 이차원 검색공간에서 최근접질의의 처리만을 고려하였으며, 검색되는 노드의 수를 정확히 줄이지 못하였다. 본 논문에서는 최적탐색거리를 제안하고 그 특성을 정리하였었다. 제안된 최적탐색거리는 최근접질의 처리시 검색될 노드들을 정확히 선정하기 위한 새로운 검색거리 측도이다. 우리는 최적탐색거리를 R-트리에 적용한 최근접질의 처리 알고리즘을 제안하고 기존의 방법에 비해 질의처리의 결과가 더 정확함을 증명하였다.

• 인터넷정보학회논문지
• /
• 제9권3호
• /
• pp.1-8
• /
• 2008

위치기반 서비스(LBS, Location Based Services)에 대한 관심이 증가함에 따라 사용자가 이동 중에도 질의를 통한 최근접 이웃(NN, Nearest Neighbor) 탐색에 대한 필요성이 증가하였다. 이와 같은 동적환경에서의 최근접 이웃 탐색은 탐색 구간에 대해 NN탐색기법을 반복 적용하여 수행해 왔으나 이는 불필요한 중복연산이 발생하여 탐색 비용이 증가하는 단점이 있다. 본 논문에서는 이동 중에도 탐색 구간에 대해 연속적인 최근접 이웃(CNN, Continuous Nearest Neighbor)을 탐색하는 새로운 기법인 Slabbed_CNN을 제안한다. Slabbed_CNN은 슬랩을 이용하여 탐색 구간을 줄임으로써 기존 CNN기법의 탐색영역과 계산비용을 감소시킴으로써 기존 CNN보다 연산비용을 감소시키고 빠른 서비스를 제공한다.

• Communications for Statistical Applications and Methods
• /
• 제15권6호
• /
• pp.977-991
• /
• 2008

본 논문에서는 연속형 변수에 대한 결합확률분포를 추정하지 않고도 상호정보(MI) 추정량을 구할 수 있는 k-최근접이웃 기반방법에 대하여 연구하였다. 변수가 동일한 값들을 가지는 경우 k-최근접이웃을 구할 때 생기는 문제점을 해결하기 위하여 지터링(jittering)과 붓스트랩(bootstrap) 방법을 제안하였다. 몬테칼로 모의실험과 실제 데이터에 대한 실험을 수행한 결과, k=1과 같이 작은 값을 사용한 k-최근접이웃 기반방법에 의해 효율적인 MI 추정량을 구할 수 있었다. k-최근접이웃 기반방법은 연속형 설명변수, 범주형 또는 연속형인 목적변수 형태의 데이터에 적용할 수 있으며, 목적변수에 영향을 주는 중요한 설명변수의 순서를 구할 수 있을 뿐만 아니라 다차원에도 적용할 수 있기 때문에 중요변수의 집합을 구하는 변수 선택(feature subset selection) 문제에도 적용할 수 있다.