• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(D)
• /
• pp.354-359
• /
• 2010

센서 네트워크는 광범위한 영역에서 다양한 환경정보를 수집 가능하다. 센서 네트워크 환경에서 발생하는 다양한 이벤트 유형 중에 군집 이벤트는 객체의 군집, 물질의 확산 등과 같은 다양한 형태로 발생한다. 센서의 에너지 제약 특성을 고려하여 군집 이벤트에 대한 에너지 효율적인 탐지 기법에 대한 다양한 기법들이 연구되고 있다. 기존에 제안된 군집 이벤트 탐지 기법들 중 이벤트를 감지한 모든 노드들의 정보를 이용하지 않고, 이벤트의 경계 정보만을 추출하여 기지국으로 전송함으로써 군집 이벤트를 탐지하는 기법이 제안되었다. 하지만 군집 이벤트의 범위가 넓어지고 센서의 배포 밀도가 높을 경우 경계에 위치한 노드들 또한 증가하여 많은 전송 비용을 필요로 한다. 본 논문에서는 에너지 효율적인 군집 이벤트 탐지를 위해 이벤트 경계 노드들의 정보를 압축/요약하여 나타낼 수 있는 인-네트워크 최소 경계 다각형을 생성 기법을 제안한다.

• 한국콘텐츠학회논문지
• /
• 제10권12호
• /
• pp.101-108
• /
• 2010

센서네트워크에서 노드의 에너지 제약 특성을 고려하여 군집 이벤트를 위한 에너지 효율적인 탐지 기법에 대한 다양한 연구들이 진행되고 있다. 기존에 제안된 군집 이벤트 탐지 기법들은 이벤트를 탐지한 센서 중 군집의 경계에 위치한 노드의 정보만을 추출하여 기지국으로 전송하는 방식을 취한다. 하지만 군집 이벤트의 범위가 넓어지고 센서의 배포 밀도가 높아지면 이벤트 경계에 위치한 노드들의 수 또한 증가하여 많은 전송 비용을 필요로 한다. 본 논문에서는 이벤트 경계 노드들의 정보를 압축/요약하여 나타낼 수 있는 인-네트워크 최소 경계 다각형을 이용한 에너지 효율적인 군집 이벤트 탐지 기법을 제안한다. 제안하는 기법은 대규모 센서 네트워크 환경에서 MBP 생성기법을 통해 군집 이벤트의 경계 정보를 표현한다. 제안하는 기법의 우수성을 보이기 위해 제안하는 기법과 기존 기법과의 성능평가를 수행하였다. 성능평가 결과, 최대 92%이상의 정확도를 유지하며 80.13% 에너지 소모량이 감소하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제28권9호
• /
• pp.479-490
• /
• 2001

본 논문에서는 구상에서 주어진 볼록 다각형의 집합$\Gamma$=$｛P_1...P_n｝$의 최대 또는 최소 교차를 결정하기 위하여 다각형의 간선으로 구를 면으로 분할하는 문제를 고려한다. 이 문제는 $\Gamma$의 최대 부분집합을 포함하는 반구를 $\Gamma$를 분리하는 대원을, $\Gamma$를 이분하는 대원을 $\Gamma$를 최소 또는 최대 부분집합을 교차하는 대원을 각각 찾는 다섯가지 기하적 문제를 공통적으로 관련이 있다. 구다각형의 최대 및 최소 교차를 효율적으로 구하기 위하여 우리는 간선 기반 분할의 방식을 취하는데 이 방식에서는 구가 각 다각형에 의해 증분적으로 분할되면서 면이 아닌 면을 구성하는 간선의 소유권이 처리된다. 마지막에는 최대수의소유권을 가지는 분할된 비정렬 간선들을 모아 해가 되는 면들의 경계를 구성하지 않고 그들의 중심을 근사적으로 얻는다. 최대 교차를 찾는 우리의 알고리즘은 효율적인 시간복잡도 O(nv)를 가지는 것으로 분석된다. 여기서 n는 v은 각각 다각형과 모든 장점의 개수들이다. 더구나 견고하게 수치를 계산하고 모든 degeneracy 경우를 다루기 때문에 구현의 관점에서도 실제적이다. 유사한 방식을 사용하여 일반적인 교차의 모든 경계는 O(nv+LlogL)시간에 구성할 수 있다. 여기서 L은 해로 출력되는 간선의 개수이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(A)
• /
• pp.210-211
• /
• 2010

• 정보처리학회논문지B
• /
• 제8B권4호
• /
• pp.335-342
• /
• 2001

본 논문은 보로노이 공간분류를 활용하여 원격탐사 영상인식을 위한 다층 신경망 분류기를제안한다. 제안된 다층 신경망 분류기는 보로노이 다각형 영역으로 클래스를 구분하며, 초평면 방정식의 계수를 오류 역전과 학습 초기의 연결 강도, 임계치 그리고 은닉층의 노드 수로 결정한다. 제안된 방법은 오류역전과 학습 알고리즘에서 임의로 정해주던 초기 정보를 사전 분석에 의해 공학적으로 결정함으로써 느린 수렴 속도와 학습실패 등의 단점을 피할 수 있는 장점이 있다. 보로노이 다이어그램에 대한 경계선의 초평면 방정식은 훈련집합의 클래스별 평균값을 구하여 Mathematica 패키지로 계산하였다. 제안된 다층 신경망에 의한 영상분류기의 인식능력을 평가하기 위하여 원격탐사 영상인식에서 자주 활용되는 최소거리 분류 방법과 최대우도 분류 방법으로 처리해서 비교한 결과, 최소거리 분류 방법은 실험화상에 대해 81.4%, 최대우도 부류기에 의한 분류는 87.8%, 제안한 방법은 92.2% 정확성을 가진 분류결과를 나타냈다.