• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.70-72
• /
• 2005

데이터베이스 관리자는 효과적인 데이터베이스 관리를 위해 워크로드 특성을 잘 알아야 한다. 워크로드 특성은 데이터베이스 응용분야에 따라 다르며, 데이터베이스 환경에서 하나 이상의 응용 분야가 수행될 수 있다. 복합적인 데이터베이스 응용 분야 때문에, 관리자가 데이터베이스 시스템에서 발생하는 워크로드를 식별하기가 더욱 어려워졌다. 복합적인 데이터베이스 응용 분야의 효과적인 데이터베이스 관리를 수행하기 위해 워크로드를 식별할 수 있는 방법이 요구된다. 이를 위해, 본 연구는 TPC-C와 TPC-W 성능평가의 워크로드와 두 성능평가의 혼합된 워크로드들을 생성하여 워크로드 식별을 수행하였다. 워크로드 식별은 퍼지 k-NN 알고리즘을 수정하여 진행하였다. 수정된 k-NN 알고리즘은 혼합 비율에 따라 시험 워크로드 데이터와 훈련 워크로드 데이터간의 워크로드 식별 실험에 사용되었고, 분류를 위한 k-NN, 퍼지 k-NN, 분산 가중치 퍼지 k-NN 알고리즘의 결과와 비교되었다. 수정된 k-NN 알고리즘은 다른 알고리즘보다 k 인자에 따른 변동과 오차율이 감소하여 워크로드 식별에 더 적합함을 보였다. 본 논문의 결과는 복합된 데이터베이스 응용 분야의 특성을 보이는 데이터베이스 환경에서 워크로드 식별 정보를 창조하여 융통성 있는 튜닝 기법을 고려하는데 기여한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10c
• /
• pp.56-58
• /
• 2000

분산 프로세스 그룹 내의 프로세스들 중에서 조정자를 결정하는 것을 선출(election)한다고 하며 분산 시스템이 가동되면서 최초로 정해져야 할 경우, 또는 조정자 프로세스에 장애가 생겨서 새로운 조정자가 필요할 경우에 선출 알고리즘이 수행된다. 본 연구팀은 고속 조정자 선출 알고리즘을 제안한 바 있는데, 이 알고리즘의 검증 시험, 성능 평가를 수행하기 위해서 COVERS라는 시뮬레이션 툴을 사용하여 분산 네트워크 환경을 구성한 뒤 이 위에 다수 프로세스에 선출 알고리즘을 구현하고 각종 장애 상황을 발생시켜 시험하였다. 본 논문에서는 범용 시뮬레이션 툴인 COVERS를 간단히 설명하고, 이 위에 모델링한 분산 네트워크 환경, 그리고 선출 알고리즘 구현에 대해서 설명하고, 성능 분석결과를 제시한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.124-126
• /
• 2005

지난 20년 동안 공간 데이터베이스에서 유클리디언(Euclidean) 공간 기반의 연구가 활발히 진행되어 왔으며, 최근에는 실제 응용에 적용하기 위해 도로 네트워크 기반의 질의 처리 알고리즘의 연구가 활발히 수행중이다. 본 논문에서는 도로 네트워크에서 제시된 기존 범위 질의처리 알고리즘의 성능을 향상시키기 위해, Materialization 기법을 이용한 효율적인 범위 질의 처리 알고리즘을 제안한다. 아울러 성능 평가를 통하여 Materialization 기법을 이용한 제안하는 알고리즘이 기존 알고리즘보다 검색 성능이 우수함을 보인다.

• Journal of KIISE:Software and Applications
• /
• v.27 no.11
• /
• pp.1115-1122
• /
• 2000

기존의 블록 정합 알고리즘인 FS(Full Search) 알고리즘은 정확한 움직임 벡터를 구할 수 있으나 요구되는 계산량이 많다. 반면에 국부 탐색을 하는 고속 블록 정합 알고리즘은 FS보다 빠른 탐색을 할 수 있으나 FS 보다 정합 오차가 크다. 본 연구는 전역탐색을 하는 유전자 알고리즘에 빠른 탐색을 하는 블록 정합 알고리즘인 NTSS(New Three Ste Search)알고리즘을 제안한다. 제안한 방법에서 각 염색체는 움직임 벡터를 표현하며 초기 염색체는 탐색 공간의 중심 탐색점 가까이에 고정적으로 발생시키고 각 염색체는 MSE(Mean Square Error)값으로 평가된다. 평가된 염색체 중 작은 MSE값을 가지는 염색체가 NTSS의 탐색점 수만큼 다음 세대의 탐색점으로 선택된다. 선택된 염색체는 세대를 거치면서 돌연변이 연산과 교배연산이 행해지고 이 때 돌연변이 연산의 크기는 NTSS의 탐색 단계 크기가 된다. 제안한 세대 수 만큼 반복 후 최소의 MSE 값을 가지는 유전자가 해당 블록의 움직임 벡터가 된다. 시뮬레이션 결과 제안한 방법을 가장 우수한 성능을 가지는 FS와 유사한 MSE 값을 얻을 수 있었고 동시에 FS에서 요구되는 계산량에 비해 많은 계산량을 줄일 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.800-803
• /
• 2008

언제 어디서나 사람이나 사물과 같은 객체의 위치를 인식하고 이를 기반으로 유용한 서비스를 제공하는 유비쿼터스 위치기반 서비스가 중요한 응용 서비스로 대두되고 있다. 그러나 현재 무선 센서네트워크를 구성하는 노드들의 위치는 매우 유용한 정보로서 수많은 서비스에서 사용될 수 있기 때문에 다양한 형태의 위치인식 알고리즘이 고안되었다. 이러한 위치인식 알고리즘에는 Gradient, MLE[1], MDS[2], dwMDS[3]등이 있다. 본 논문에서는 기존의 알고리즘에 대해 간략히 설명하고, 기존 알고리즘성능을 개선하기 위한 두 가지 방법을 제안한다. 그리고 제안한 방법의 성능을 증명하기 위해 시뮬레이션 모듈을 구현하고 시뮬레이션 결과를 바탕으로 각 위치인식 알고리즘의 성능을 비교 평가한다.

• The Journal of Korean Society for Radiation Therapy
• /
• v.24 no.1
• /
• pp.11-14
• /
• 2012

Purpose: Anisotropic Analytical Algorithm (AAA) provides more accurate dose calculation regarding impact on scatter and tissue inhomogeneity in comparison to Pencil Beam Convolution (PBC) algorithm. This study tries to analyze the difference of dose distribution according to PBC algorithm and dose calculation algorithm of AAA on breast cancer tangential plan. Materials and Methods: Computerized medical care plan using Eclipse treatment planning system (version 8.9, VARIAN, USA) has been established for the 10 breast cancer patients using 6 MV energy of Linac (CL-6EX, VARIAN, USA). After treatment plan of Conventional Radiation Therapy plan (Conventional plan) and Field-in-Field Intensity Modulated Radiation Therapy plan (FiF plan) using PBC algorithm has been established, MU has been fixed, implemented dose calculation after changing it to AAA, and compared and analyzed treatment plan using Dose Volume Histogram (DVH). Results: Firstly, as a result of evaluating PBC algorithm of Conventional plan and the difference according to AAA, the average difference of CI value on target volume has been highly estimated by 0.295 on PBC algorithm and as a result of evaluating dose of lung, $V_{47Gy}$ and $V_{45Gy}$ has been highly evaluated by 5.83% and 4.04% each, Mean dose, $V_{20Gy}$, $V_{5Gy}$, $V_{3Gy}$ has been highly evaluated 0.6%, 0.29%, 6.35%, 10.23% each on AAA. Secondly, in case of FiF plan, the average difference of CI value on target volume has been highly evaluated on PBC algorithm by 0.165, and dose on ipsilateral lung, $V_{47Gy}$, $V_{45Gy}$, Mean dose has been highly evaluated 6.17%, 3.80%, 0.15% each on PBC algorithm, $V_{20Gy}$, $V_{5Gy}$, $V_{3Gy}$ has been highly evaluated 0.14%, 4.07%, 4.35% each on AAA. Conclusion: When calculating with AAA on breast cancer tangential plan, compared to PBC algorithm, Conformity on target volume of Conventional plan, FiF plan has been less evaluated by 0.295, 0.165 each. For the reason that dose of high dose region of ipsilateral lung has been showed little amount, and dose of low dose region has been showed much amount, features according to dose calculation algorithm need to be considered when we evaluate dose for the lungs.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.597-602
• /
• 2007

본 연구는 추천시스템에서 협업필터링 알고리즘을 이용하여 특정 상품에 대한 고객의 선호도를 예측함에 있어 고객이 상품에 대해 평가한 선호도 평가치를 고객별로 표준화시켜 예측하여 기존의 예측 정확도를 향상시키는 방법에 대하여 연구하였다. 일반적으로 상품에 대한 고객의 선호도를 평가하기 위하여 절대적 기준의 수치적 척도가 제공되지만 개인에 따라서는 상품에 대한 선호 정도가 절대적 척도에 다르게 반영되어 개인별 선호도에 차이가 발생할 수 있다. 이러한 개인적 특성이 동일한 척도의 평가치로 예측되면 예측 결과의 오차를 크게 할 가능성이 있다. 또한 개인이 평가한 선호도 평가치의 편차가 협업필터링 알고리즘을 통한 선호도 예측 정확도와 밀접한 관계를 가지고 있음을 알 수 있었으며 이러한 문제를 해결하기 위하여 개별 고객이 평가한 선호도 평가치를 표준화시켜 표준화된 선호도 평가치를 이용한 선호도 예측을 실시하였다. 분석결과 표준화된 선호도 평가치를 이용한 예측 결과가 비표준화 선호도 평가치를 이용한 예측 결과보다 예측력이 우수함을 알 수 있었으며 결과에 대한 통계적 분석을 통하여 표준화된 선호도 평가치를 이용한 선호도 예측 방법과 비 표준화 선호도 평가치를 이용한 선호도 예측 방법을 혼합할 경우 선호도 예측 정확도를 더 향상시킬 수 있음을 알 수 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.226-230
• /
• 2001

오류 역전파 알고리즘을 영상 인식에 적용한 경우 은닉층의 노드 수를 경험적으로 설정하여야 하는 문제점이 있다. 따라서 본 논문에서는 오류 역전파 알고리즘의 은닉층 노드 수를 동적으로 설정하는 문제를 해결하기 위해 ART1을 수정하여 지도 학습 방법과 결합한 자가 생성 지도 학습 알고리즘을 제안하였다. 제안된 학습 알고리즘의 성능을 평가하기 위해 콘테이너 영상의 문자 및 숫자 인식 문제에 적용하여 기존의 오류 역전파 알고리즘과 성능을 비교, 분석하였다. 실험 결과에서는 제안된 자가 생성 지도 학습알고리즘이 기존의 오류 역전과 알고리즘보다 지역 최소화에 빠질 가능성이 감소하였으며 학습 시간과 수렴성이 개선되었을 뿐만 아니라, 영상 인식에 적용할 수 있는 가능성도 제시하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.51-54
• /
• 2003

진화하드웨어는 하드웨어 스스로 진화하여 필요한 회로를 구성한다 회로를 재구성하기 위해서 유전자 알고리즘을 사용한다. 유전자 알고리즘(Genetic Algorithm)은 전역적 탐색을 통하여 해를 구한다. 하지만 유전자 알고리즘은 많은 개체의 평가를 통하여 이루어지기 때문에 수행하는데 시간이 많이 소요된다. 이전의 연구에서 유전자 알고리즘 프로세서를 이용하여 진화하드웨어를 구성했다. 유전자 알고리즘 프로세서는 유연성이 떨어지고 범용적으로 사용하기 어렵다. 본 논문에서는 CPU를 이용하여 유전자 알고리즘 프로세서를 소프트웨어로 제어하는 방법을 제안한다 소프트웨어로 합성한 신호로 GAP의 동작을 제어하기 때문에 유연성을 가질 수 있다 FPGA에 CPU와 유전자 알고리즘 프로세서를 구현하여 one-chip 하드웨어를 구현한다.

• The KIPS Transactions:PartB
• /
• v.19B no.1
• /
• pp.19-26
• /
• 2012

The rapid increase of information imposes new demands of content management. The purpose of automatic audio segmentation and classification is to meet the rising need for efficient content management. With this reason, this paper proposes a high-accuracy algorithm that segments audio signals and classifies them into different classes such as speech, music, silence, and environment sounds. The proposed algorithm utilizes support vector machine (SVM) to detect audio-cuts, which are boundaries between different kinds of sounds using the parameter sequence. We then extract feature vectors that are composed of statistical data and they are used as an input of fuzzy c-means (FCM) classifier to partition audio-segments into different classes. To evaluate segmentation and classification performance of the proposed SVM-FCM based algorithm, we consider precision and recall rates for segmentation and classification accuracy for classification. Furthermore, we compare the proposed algorithm with other methods including binary and FCM classifiers in terms of segmentation performance. Experimental results show that the proposed algorithm outperforms other methods in both precision and recall rates.