• 한국정보통신학회논문지
• /
• 제21권5호
• /
• pp.967-973
• /
• 2017

클러스터링은 균일한 특성을 가지는 데이터를 클러스터로 묶기 위해 사용되는 비교사 학습 방법 중 하나로 다양한 응용에 사용되고 있으며 FCM(Fuzzy C-Means)이 대표적인 방법 중 하나이다. 하지만 FCM에서 주로 사용되는 유클리드 거리 척도는 밀도가 높은 클러스터가 클러스터링 결과에 많은 영향을 미쳐 밀도가 높은 쪽으로 클러스터의 중심을 위치시키는 문제가 있으며, 이를 해결하기 위한 방법 중 하나가 클러스터 중심 사이의 거리가 가능한 멀어지도록 하는 밀도 무관 클러스터링이다. 하지만 밀도 무관 클러스터링 역시 클러스터 중심 사이의 거리를 정확히 제어하기가 어렵다. 이 논문에서는 클러스터 중심 사이의 거리가 멀어지도록 할뿐만이 아니라 클러스터 중심이 밀도가 높은 곳에 위치하도록 하는 항을 추가한 개선된 밀도 무관 클러스터링 방법을 제안한다. 제안하는 방법은 FCM이나 밀도 무관 클러스터링에 비해 실제 클러스터 중심으로 수렴하는 경우가 더 많다는 것을 실험 결과를 통해 확인할 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.248-249
• /
• 2015

클러스터링은 대표적인 비교사 학습 방법의 하나로 균일한 특성을 가지는 데이터를 클러스터로 묶기 위해 사용된다. 하지만 클러스터링은 기본적으로 클러스터의 중심에서 데이터까지의 거리에 기반하고 있으므로 클러스터의 중심이 밀도가 높은 클러스터 쪽으로 쏠리는 현상이 발생한다. 이 논문에서는 클러스터의 중심을 가능한 멀리 떨어져 있도록 하는 항을 Fuzzy C-Means의 목적함수에 추가함으로써 클러스터 사이의 밀도 차이가 심한 데이터의 클러스터링 문제에서 정확한 결과를 얻을 수 있는 클러스터링 방법을 제안한다. 제안한 방법은 FCM에 비해 실제 클러스터 중심으로 수렴하는 경우가 더 많으며 수렴 속도 역시 FCM 보다 빠른 것을 실험 결과를 통해 확인할 수 있다.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.1-7
• /
• 2020

FCM(Fuzzy C-Means)으로 대표되는 퍼지 클러스터링은 간단하면서도 효율적인 클러스터링 방법이지만, FCM에서 사용하는 목적 함수에서는 밀도가 높은 클러스터가 클러스터링 결과에 많은 영향을 미치도록 함으로써 클러스터 사이의 밀도 차에 의해 클러스터링 결과에 왜곡이 발생할 수 있다. 이러한 밀도 문제를 완화하는 방법의 하나로 FCM의 목적 함수에 밀도 차이를 보정할 수 있는 항을 추가한 EDI-FCM(Extended Density-Independent FCM)이 있다. 이 논문에서는 레귤러라이제이션을 이용하여 EDI-FCM을 보완한 Regularized EDI-FCM을 제안한다. 레귤러라이제이션은 해공간을 평탄화하고 잡음 민감성을 줄이기 위해 흔히 사용되는 방법으로, 클러스터링에서는 특정 클러스터가 클러스터링 결과에 미치는 영향을 줄이는 역할을 한다. 제안하는 방법은 FCM이나 EDI-FCM과 비교했을 때 실제 클러스터 중심에 빠르고 정확하게 수렴한다는 것을 실험 결과를 통해 확인할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (D)
• /
• pp.647-650
• /
• 2006

무선 센서 네트워크에서는 다른 네트워크보다 전력 공급이 큰 제약으로 작용하고 있는데, 본 논문에서는 클러스터를 기반으로 하는 프로토콜에서 클러스터를 구성하는 센서 노드의 밀도에 따라서 클러스터 헤더에게 데이터를 전송하는 노드 수를 조정하는 방법을 제안한다. 제안하는 스케줄링 개념은 노드 밀도가 큰 클러스터에서는 클러스터 멤버 노드들의 라운드 당 데이터 전송 회 수를 줄임으로써 전송 에너지 소모를 줄일 수 있으며 네트워크 전체의 라이프 타임을 증가 시킬 수 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.239-242
• /
• 2003

본 논문에서는 Gaussian Mixture Model을 이용한 Gustafson-Kessel 알고리즘의 성능을 개선하였다. 분포 및 밀도가 다른 데이터에 대하여 적절한 클러스터 파라미터를 추정함으로써 클러스터링의 성능을 개선한다. 일반적인 클러스터링 알고리즘의 경우, 데이터가 편중되거나 각 데이터의 밀도가 서로 틀린 경우 클러스터의 파라미터가 정확하게 클러스터를 표현하지 못하는 문제점을 가지고 있다. 제안된 방법에서는 Gustafson-Kessel 알고리즘을 이용하여 클러스터 파라미터를 추정하며 알고리즘내의 파라미터 일부를 Gaussian Mixture Model을 이용하여 동적으로 갱신하였다 시뮬레이션을 통하여 제안된 방법의 유용성을 보인다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2010년도 제39회 하계학술대회 초록집
• /
• pp.154-155
• /
• 2010

최근 Stranski-Krastanov (SK) 성장법을 이용한 자발형성 (Self-assembled) InAs/GaAs 양자점 (Quantum Dot) 연구가 기초 물리학뿐만 아니라 응용에 있어 활발하게 진행되고 있다. 그러나 기존 보고에 따르면 SK 성장법을 통한 InAs/GaAs 양자점은 크기, 균일도, 및 밀도 등의 성장거동 제어에 한계가 있다. 예로, 성장속도 및 증착양이 감소하더라도 상대적으로 크기가 큰 InAs/GaAs 클러스터 (Cluster)를 형성하여 크기분포의 불균일 및 결함을 야기하여 결과적으로 전기/광학적 특성을 저해하는 요인이 된다. 이를 개선하기 위한 방안으로 SK 성장법을 변형한 다양한 수정자발형성법이 제안되어 연구되고 있다. 본 논문에서는 기존 SK 성장법과 Arsenic-interruption Technique(AIT), In Pre-deposition (IPD)법을 각각 접목한 수정자발형성법을 이용하여 상대적으로 크기가 큰 InAs/GaAs 양자점 또는 클러스터 형성을 감소시켜 공간적 크기 균일도 및 밀도를 제어한 결과를 보고한다. 성장된 InAs/GaAs 양자점 시료의 구조 및 광학적 특성을 원자력간현미경 (Artomic Force Microscopy, AFM)과 Photoluminescence (PL) 분광법을 이용하여 분석하였다. 기존 SK 성장법을 이용하여 형성한 기준시료의 AFM 이미지에서 InAs/GaAs 양자점과 클러스터의 공간밀도는 각각 6.4*1010/cm2와 1.4*109/cm2로 관찰되었다. 그러나, AIT를 이용한 양자점 시료의 경우 상대적으로 크기가 큰 InAs/GaAs 클러스터는 관찰되어지지 않았고, 양자점 밀도는 8.4*1010/cm2로 SK 양자점에 비하여 30% 정도 개선되었다. 또한, InAs/GaAs 클러스터를 제외한 공간 균일도는 SK-InAs/GaAs 양자점의 15.6%에 비하여 8%로 크게 개선된 결과를 얻었다. AIT 성장법을 이용한 InAs/GaAs 양자점에서 원자의 이동거리 (Migration Length)의 제어로 양자점의 형성특성이 개선된 것으로 설명할 수 있으며, Arsenic 차단 시간이 임계점 이상으로 길어지면 다시 InAs/GaAs 클러스터들이 형성되는 것을 관찰할 수 있었다. InAs/GaAs 양자점과 클러스터 형성 특성이 초기 표면 조건에 어떻게 영향을 받는지 분석하기 위해, InAs 양자점 성장 이전에 V족 물질 공급 없이 Indium의 공급시간을 1초(IPDT1S 시료), 2초 (IPDT2S 시료), 3초 (IPDT1S 시료)로 변화시키면서 증착하고 기존 SK 성장법으로 양자점을 성장하였다 (IPD성장법). 그 결과 IDP1S 양자점 시료의 공간밀도가 10*1010/cm2로 SK InAs/GaAs 양자점 시료에 비해 약 60% 정도 증가하였고, 클러스터도 관찰 할 수 없었다. 그러나 IPD 시간이 증가할수록 다시 InAs/GaAs 클러스터들이 형성되는 것을 관찰할 수 있었다. 이러한 결과는 InAs/GaAs 양자점 성장초기에 InAs 핵생성 사이트 (Nucleation site)의 크기 및 상태를 제어하는 것이 양자점의 밀도 및 균일도를 제어하는 중요한 요소임을 알 수 있다.

• 정보처리학회논문지C
• /
• 제17C권3호
• /
• pp.291-298
• /
• 2010

무선 센서 네트워크에서 센서노드의 수명은 배터리에 의해 제한되므로 에너지는 가장 중요한 고려사항이다. 클러스터링은 네트워크의 에너지 소비를 효율적으로 관리하는데 사용되는 방법 중 하나이며, LEACH는 대표적인 클러스터링 알고리즘이다. LEACH는 센서 노드들의 에너지 소비를 공평하게 분산시키기 위해 에너지 소모적 기능을 하는 클러스터 헤드를 매 라운드마다 무작위로 순환시키는 방법을 사용하고 있다. 클러스터 헤드의 무작위 선정은 매 라운드 최적의 클러스터 헤드 수를 보장해주지 못한다. 그리고 밀도가 높은 클러스터에 위치한 클러스터 헤드는 과부하 상태가 된다. 본 논문에서는 클러스터 헤드의 수를 보장하기 위한 토큰 기반의 클러스터 헤드 선정 알고리즘과 균등한 밀도의 클러스터 형성을 위한 클러스터 선택 알고리즘을 제안한다. 시뮬레이션을 통하여 제안하는 알고리즘이 LEACH 보다 네트워크 수명이 9.3%정도 연장됨을 보여주었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• pp.301-304
• /
• 2009

무선 센서 네트워크는 제한된 에너지로 동작하는 다수의 센서 노드로 구성되기 때문에 효율적으로 에너지를 사용 것이 중요하다. 기존의 클러스터 기반 알고리즘은 지역적으로 인접한 다수의 노드들을 클러스터로 구성하고 멤버 노드로부터 수신된 데이터를 병합하여 전송함으로써 에너지 소모를 줄였다. 하지만 클러스터링 과정에서 노드의 밀도를 고려하지 않았기 때문에 불균등한 노드 분포상에서 데이터 병합의 효과를 얻을 수 없는 클러스터를 생성할 수 있다. 따라서 본 논문에서는 클러스터링과정에 노드의 밀도를 고려하여 데이터 병합 효과를 최대화하고, 에너지 소모를 줄일 수 있는 새로운 클러스터링 알고리즘을 제안한다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2018년도 동계학술대회
• /
• pp.41-44
• /
• 2018

교육데이터마이닝은 다양한 교육 환경에서 생성되는 막대한 양의 데이터를 활용하여 학습자들의 학습 유형, 학습 진도를 분석, 예측하고 교육 성취를 효과적으로 향상시키는 것을 목적으로 한다. 효과적인 교육데이터마이닝 결과를 얻기 위해서는 교육데이터에 대한 정제 과정이 필요하며 DBSCAN 클러스터링을 통해 교육데이터에 포함된 노이즈 데이터를 제거하고 생성된 각 클러스터에서 동일한 비율로 데이터를 추출함으로써 편향되지 않은 표본 데이터를 생성할 수 있다. 하지만 DBSCAN은 두 개의 전역 매개변수에 의해 다양한 밀도분포를 가지는 클러스터를 생성할 수 없다는 문제점이 있으며 이는 교육 데이터를 정제함에 있어 치명적인 문제점이 될 수 있다. 본 논문에서는 DBSCAN의 문제점을 개선하고 클러스터링 정확도를 향상시키기 위해 고정된 매개변수를 사용하지 않고 각 밀도분포에 대해 최적의 입력 매개변수를 결정함으로써 다양한 밀도분포를 가지는 클러스터들을 효과적으로 생성하는 C-DBSCAN을 제안한다.

• 정보처리학회논문지C
• /
• 제13C권6호
• /
• pp.741-748
• /
• 2006

센서 기술의 발전으로 무선 센서 네트워크는 빠르게 발전하고 있으며, 다양한 분야의 적용이 예상되고 있다. 무선 센서 네트워크에서 가장 중요한 요소 중의 하나는 네트워크를 에너지 효율적으로 운용하는 것이다. 이러한 목적을 위해 에너지 효율적인 라우팅 프로토콜에 대한 많은 연구가 진행되고 있다. 본 논문에서는 LEACH-C에서 제안한 클러스터 헤드 선정 알고리즘에 노드들의 밀도를 같이 고려한 향상된 클러스터 헤드 선정 알고리즘을 제안하고 시뮬레이션 하였다. 제안된 알고리즘은 LEACH-C와 실행 속도는 거의 유사하면서 11% 이상의 성능 향상 결과를 제공하였다. 본 논문의 시뮬레이션 결과는 클러스터 헤드 선정 시에 헤드와 다른 노드들 간의 거리 뿐 아니라 밀도를 고려하는 것이 센서네트워크의 에너지 이용에 보다 효율적임을 보여주었다.