• 한국정보통신학회논문지
• /
• 제16권6호
• /
• pp.1173-1178
• /
• 2012

클러스터 기반 라우팅 프로토콜(CBRP, Cluster-Based Routing Protocol)은 각 클러스터 내에 클러스터 헤더를 선출하고, 그 클러스터 헤더는 모든 이동 노드들을 관리, 운영하기 때문에 전력 소모가 심하게 일어나게 된다. 기존의 CBRP는 각 노드의 잔여전력량을 고려하지 않고 헤더를 임의로 선출하기 때문에 클러스터 헤더의 평균 수명이 짧아지고 이로인해 빈번하게 다른 헤더를 선출해야 하는 문제점을 가지고 있다. 따라서, 본 논문에서는 클러스터 헤더를 선출할 때 클러스터 내 각 노드의 잔여전력량을 비교하여 잔여전력량이 가장 많은 노드를 클러스터 헤더로 선출하여 클러스터의 수명과 네트워크 전체의 수명을 연장시키면서 경로의 안정성을 높이는 개선된 프로토콜을 제안한다.

• 정보처리학회논문지C
• /
• 제13C권6호
• /
• pp.757-766
• /
• 2006

이동 애드혹 네트워크는 이동 호스트들만으로 이루어진 자율적인 네트워크로 유비쿼터스 컴퓨팅의 연구와 더불어 활발하게 연구되고 있다. 이동 애드혹 네트워크의 평면적인 구조를 개선하기 위해, 계층적으로 네트워크를 관리하는 클러스터링 기법들이 연구되고 있다. 하지만 기존기법들은 멀티홉 클러스터링과 로드밸런싱에 관한 연구가 미약하다. 본 논문에서는 다중 흡 클러스터링을 지원하고, 클러스터 헤드 간의 로드 밸런싱을 고려한 클러스터링 기법을 제안한다. 이를 위해 이동 애드혹 네트워크에서 나타날 수 있는 클러스터의 분열 현상과 이에 따른 클러스터의 상태를 정의하고, 로드 밸런싱을 위한 참가, 병합, 분열, 클러스터 헤드 선출 등의 기법을 제안한다.

• 한국비블리아학회지
• /
• 제31권3호
• /
• pp.79-99
• /
• 2020

이 연구의 목적은 공공도서관 그룹화를 위해 적합한 군집분석 모델을 파악하고 그 특징을 분석하는데 있다. 국가도서관통계시스템의 공공도서관 통계 데이터를 사용하였으며, 군집분석 기법의 3가지 모델을 적용하였다. 공공도서관 규모를 기준으로 군집분석을 실시한 결과 크게 2가지 군집으로 구분되었으며, 군집의 크기는 크게 한쪽으로 치우쳤다. 그룹화 모델로 도서관 규모를 기준으로 삼으면, 계층적 군집분석의 와드측정법과 k-평균군집분석 모델이 적합하였다. 공공도서관 그룹화 연구 결과에 대한 시사점은 다음과 같다. 첫째, 통계 데이터 외에 도서관 서비스 관련 다양한 데이터 수집이 진행되어야 한다. 둘째, 분석 대상이 되는 데이터 세트에 적합한 분석 모델이 적용되어야 한다. 셋째, 도서관 서비스 향상을 위해 군집분석 기법의 다양한 분야 적용 가능성에 대한 적극적인 연구가 필요가 있다.

• 정보처리학회논문지D
• /
• 제9D권5호
• /
• pp.801-812
• /
• 2002

온-라인 재조직 기법은 인터넷 환경과 같은 동적 환경에서 높은 가용성과 고성능을 제공하기 위한 비공유 데이터베이스 클러스터의 필수적인 기능이다. 기존의 온-라인 재조직 기법은 클러스터 안의 프로세싱 노드에 과부하가 생긴 경우, 과부하 노드의 데이터를 인접 노드로 빠르게 이동시킴으로써 부하 분배를 수행한다. 그러나 동시에 두개 이상의 다중 노드에 과부하가 발생된 경우, 부하 분배를 위해 인접 노드로 여러 번의 반복된 데이터 이동이 발생되고, 재조직 수행동안 시스템의 응답 속도가 늦어지는 문제점이 있다. 본 논문에서는 다중 노드에 발생한 과부하 문제를 빠르고 효율적으로 해결하는 향상된 $B^{+}$트리 색인의 온-라인 재조직 기법을 제안한다. 제안된 기법은 확장 가능한 데이터베이스 클러스터 환경 하에 온-라인 확장을 통해 새롭게 추가된 노드들에 데이터를 이동시킴으로써 데이터 이동의 회수를 줄이면서 빠른 시간 안에 온-라인 재조직을 수행하도록 한다. 또한 제안된 기법에서는 $B^{+}$-트리 색인 대신 캐시를 고려한 CS$B^{+}$-트리 색인을 이용하여 검색과 갱신 연산을 보다 빠르게 처리하도록 한다. 제안된 온-라인 재조직 기법은 확장 가능한 고가용 데이터베이스 클러스터 시스템으로 개발된 최대 결함허용 보장 데이터베이스 클러스터(Ultra Fault-Tolerant Database Cluster) 환경에서 성능 평가를 통해 기존 기법에 비해 빠르고 효율적임을 보인다.

• 한국콘텐츠학회논문지
• /
• 제9권9호
• /
• pp.105-113
• /
• 2009

클러스터 기반의 라우팅 기법에서의 안전한 데이터 통신을 위해서는 기존의 키 관리 방식은 적합하지 않다. 왜냐하면 클러스터 기반에서는 매 라운드 마다 클러스터 헤드가 변경되기 때문에, 안전한 통신을 위해 각 멤버 노드들과 인증이나 공유키 설정 단계를 거쳐야 한다. 또한 기존의 키 관리 메커니즘에서는 대부분 센서 네트워크 안의 모든 노드에 대해 이동성을 부여하지 않았기 때문에, 노드의 이동성을 고려하게 되면 안전한 통신을 위한 커다란 오버 헤드가 발생한다. 따라서 본 논문에서는 이동성과 새로운 노드의 삽입이 빈번한 경우에도 안전하고 효율적인 클러스터 기반에 적합한 키 관리 메커니즘을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제26권6호
• /
• pp.29-35
• /
• 2021

본 논문에서는 위치 측위의 정확도를 높일 수 있는 방안으로 KNN(K-Nearest Neighbor)과 Local Map Classification 및 Bayes Filter를 융합한 기법을 제안한다. 먼저 이 기법은 Local Map Classification이 실제 지도를 여러 개의 Cluster로 나누고, 다음으로 KNN으로 Cluster들을 분류한다. 그리고 Bayes Filter가 획득한 각 Cluster의 확률을 통하여 Posterior Probability을 계산한다. 이 Posterior Probability으로 로봇이 위치한 Cluster를 검색한다. 성능 평가를 위하여 KNN과 Local Map Classification 및 Bayes Filter을 적용하여서 얻은 위치 측위의 결과를 분석하였다. 분석 결과로 RSSI 신호가 변하더라도 위치 정보는 한 Cluster에 고정되면서 위치 측위의 정확도가 높아진다는 사실을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.435-437
• /
• 2016

하둡 분산 파일시스템(HDFS)는 빅데이터의 병렬 분산 처리를 위해 다수의 노드에 데이터를 중복 저장하는 파일시스템이다. HDFS의 분산 노드 클러스터는 수천 개 이상의 규모 확장성을 갖추고 있으나 빅데이터 처리를 위한 전용 하드웨어를 가정하고 있으며, 기존의 기업 및 병원에서 사용하고 있는 다양한 유휴 전산 자원을 고려하지는 못하는 문제가 있다. 본 논문에서는 기관 내 존재하는 다양한 유휴 전산 자원을 필요에 따라 동적으로 HDFS에 추가함으로써 빅데이터 저장 및 분석 성능을 향상시킬 수 있는 동적 클러스터 관리 기법을 제시한다.

• 한국음향학회지
• /
• 제33권5호
• /
• pp.341-350
• /
• 2014

본 논문에서는 수중음향 센서 네트워크에서 자기 조직화 기법을 활용하는 에너지 효율적 클러스터링 기법을 제안한다. 제안 기법은 클러스터 헤드 선출에 각 노드의 배터리 잔여량 정보와 이웃 노드의 수를 고려하며, 클러스터 헤드의 배터리 잔여량이 특정 수준 이하로 떨어졌을 경우에만 클러스터 재구성을 수행함으로써 노드의 에너지 소모를 줄이고 네트워크 전체에 에너지 소모를 분산시켜 네트워크의 수명을 연장시킬 수 있다. 또한, 클러스터 헤드는 클러스터 멤버 노드로부터 수집한 데이터를 다중 홉 중계 방식으로 싱크 노드에 전송하여 에너지 소모를 줄인다. 컴퓨터 모의실험을 통해, 일정 시간 경과 후 전체 노드의 배터리 잔여량의 합, 생존 노드의 수, 네트워크 구성 단계에서의 에너지 소모량, 전체 노드의 에너지 소모 편차 등을 구하고 대표적 클러스터링 기법 중의 하나인 LEACH 기법과 비교 및 분석한다. 모의실험 결과, 제안 기법이 LEACH 기법에 비해 네트워크 운용 시간을 두 배 향상시킬 수 있으며, 전체 노드의 에너지 소모 편차 또한 감소시킴을 알 수 있다.

• 한국융합학회논문지
• /
• 제12권7호
• /
• pp.169-179
• /
• 2021

본 연구는 기존의 k-평균 군집화를 활용한 2단계 k-평균 군집화 방법을 사용하여 한류콘텐츠 기업들의 주식가격을 예측함으로써 본 기법이 예측성능을 개선할 수 있음을 보이고자 하였다. 이를 위하여 본 연구는 2단계 k-평균 군집화의 알고리즘을 소개하고, 다양한 머신러닝 기법들과의 예측값 비교를 통하여 본 기법의 예측성능을 검증하였다. 본 기법은 기존의 k-평균 군집화로부터 얻어진 군집들 중에서 예측 대상에 근접한 군집을 추출하고 이 군집에 k-평군 군집화 방법을 다시 적용하여 실제 값에 보다 근접한 군집을 탐색하는 방식이다. 본 기법을 한류콘텐츠 기업들의 주가 시계열 자료에 적용한 결과, 다른 머신러닝 기법의 예측값들보다 실제 주식가격에 근접한 예측값을 나타내어, 기존의 k-평균 군집화 방법보다 개선된 예측성능을 보였다. 또한, 본 기법은 상대적으로 적은 크기의 군집을 사용함에도 불구하고 비교적 안정적인 예측값을 나타내었다. 이에 따라, 2단계 k-평균 군집화 기법은 예측의 정확성과 안정성을 동시에 개선할 수 있으며, 소규모 자료에도 유용할 수 있는 새로운 군집화 방식을 제시했다고 볼 수 있다. 향후에는 본 기법을 발전시켜 대규모 자료에도 적용하는 방안을 검토하는 연구가 요구된다.

• 한국정보통신학회논문지
• /
• 제15권11호
• /
• pp.2404-2410
• /
• 2011

본 논문은 SAN 기반의 클러스터 파일 시스템 $SANique^{TM}$의 설계 고려사항을 설명하고 특히 대규모의 호스트들이 연결된 상황에서 광역 버퍼 관리기의 데이터 공유 문제점을 기술하고 클러스터 환경에서 확장성과 가용성을 제공하기 위한 광역 버퍼 관리 기법을 제시한다. 제안하는 광역 버퍼 관리 기법은 $SANique^{TM}$ 시스템의 로크 관리기에서 관리되는 로크 정보를 활용하여 부가적인 통신 및 시간소요 없이 효율적인 데이터 공유를 제공하는 방법을 제시하였다. 또한 대규모 클러스터 환경에 적용 가능한 광역버퍼 관리기법의 의사코드 및 데이터 공유 예제를 통하여 본 방법의 효율성을 보였다.