• 한국산학기술학회논문지
• /
• 제11권9호
• /
• pp.3472-3480
• /
• 2010

에너지 효율성이 중요한 무선 센서 네트워크에서 클러스터링 기술은 클러스터 헤드 노드가 클러스터 멤버 노드의 데이터를 병합하여 싱크노드로 전송함으로써 센서노드와 싱크노드 사이의 통신 횟수를 줄여 에너지 효율을 얻는다. 본 논문에서는 분산형 클러스터링 라우팅 기법 중 대표적 프로토콜인 LEACH(Low Energy Adaptive Clustering Hierarchy)와 HEED(Hybrid, Energy-Efficient Distributed Clustering Approach)의 클러스링 기법에 대하여 분석하고 이를 토대로 데드노드의 최대 지연 발생과 네트워크 라이프 타임을 증가하기 위한 새로운 에너지 효율적 클러스터링 기법을 제안한다. 제안 방식은 클러스터 헤드가 각 멤버노드의 잔여에너지 정보와 싱크노드와의 위치 정보를 기반으로 최적의 전송 효율을 위한 노드를 선출 하고, 선출된 노드는 이후 데이터 전송과정에서 클러스터 헤드로부터 데이터를 전송받아 싱크노드로 전송하는 방식으로, 네트워크를 형성하는 개별 노드의 에너지 소비를 균등하게 하여 네트워크의 전체 수명을 증가시키는데 본 연구의 목적이 있다. 제안한 방식의 성능을 검증하기 위해 시뮬레이션을 통해 기존의 클러스터링 기법과 비교 분석하였다. 그 결과, 기존의 기법에 비해 네트워크의 생명주기가 약 5~10% 향상되는 것을 확인 할 수 있었다.

• 한국정보통신학회논문지
• /
• 제13권6호
• /
• pp.1222-1227
• /
• 2009

본 논문에서는 이동 애드혹 네트워크(MANET)에서의 상황인식 기반 계층적 클러스터링 기법인 CACH (Context-aware Adaptive Clustering Hierarchy)를 제안한다. CACH는 적응적 라우팅 기법과 비적응적 라우팅 기법을 융합한 하이브리드 라우팅 방식의 분산 클러스터링 기법을 기반으로 하고 있으며, 제안된 CACH는 동적인 토폴로지에서 노드의 이동성을 고려한 에너지 효율적인 라우팅 프로토콜의 성능을 제공하게 된다. 또한 제안된 토폴로지 변경에 대해 상황인식을 기반으로 하여 적응적으로 토폴로지의 계층구조를 결정하는 새로운 기법의 모델을 제시하였고, 이로부터 네트워크에서 전송 에너지를 고려한 노드의 밀도에 따라 계층적 깊이를 결정하는 최적 다중 흡수를 결정하는 결과를 보여주었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.277-280
• /
• 2009

이동 애드혹 네트워크(MANET)는 기반 네트워크 없이 구성되어 원격지의 환경에 대한 정확한 모니터링 또는 제어를 가능하게 한다. 이러한 MANET에서는 정적인 네트워크에 비해 토폴로지가 자주 변하므로 이동성을 고려한 에너지 효율적인 라우팅 프로토콜이 요구된다. 이를 위해 본 논문에서는, 상황인식 기반의 적응적이며 계층적 클러스터링 기법인 CACH(Context-aware Adaptive Clustering Hierarchy)를 제안한다. CACH는 적응적 라우팅 기법과 비적응적 라우팅 기법을 융합한 하이브리드 라우팅 방식을 분산 클러스터링 기반으로 구성하였다. CACH는 또한 토폴로지 변경에 대해 상황인식을 기반으로 하여 적응적으로 토폴로지의 계층구조를 수정하는 새로운 기법을 이용하여, 네트워크의 수명을 연장하고 지연시간을 줄일 수 있다.

• Journal of Computing Science and Engineering
• /
• 제10권1호
• /
• pp.9-20
• /
• 2016

Several task clustering heuristics are proposed for allocating tasks in heterogeneous systems to achieve a good response time in data intensive jobs. However, one of the challenging problems is the process in task scheduling after task allocation by task clustering. We propose a task scheduling method after task clustering, leveraging worst schedule length (WSL) as an upper bound of the schedule length. In our proposed method, a task in a WSL sequence is scheduled preferentially to make the WSL smaller. Experimental results by simulation show that the response time is improved in several task clustering heuristics. In particular, our proposed scheduling method with the task clustering outperforms conventional list-based task scheduling methods.

• Journal of Information Processing Systems
• /
• 제20권2호
• /
• pp.185-199
• /
• 2024

In this paper, an improved automated spectral clustering (IASC) algorithm is proposed to address the limitations of the traditional spectral clustering (TSC) algorithm, particularly its inability to automatically determine the number of clusters. Firstly, a cluster number evaluation factor based on the optimal clustering principle is proposed. By iterating through different k values, the value corresponding to the largest evaluation factor was selected as the first-rank number of clusters. Secondly, the IASC algorithm adopts a density-sensitive distance to measure the similarity between the sample points. This rendered a high similarity to the data distributed in the same high-density area. Thirdly, to improve clustering accuracy, the IASC algorithm uses the cosine angle classification method instead of K-means to classify the eigenvectors. Six algorithms-K-means, fuzzy C-means, TSC, EIGENGAP, DBSCAN, and density peak-were compared with the proposed algorithm on six datasets. The results show that the IASC algorithm not only automatically determines the number of clusters but also obtains better clustering accuracy on both synthetic and UCI datasets.

• 정보처리학회논문지C
• /
• 제11C권7호
• /
• pp.923-930
• /
• 2004

무선 센서네트워크는 광범위하게 설치되어 있는 유무선 네트워크 인프라에 다양한 센서 디바이스를 결합하여 감지된 환경데이터를 응용 서비스와 연결하여 상황인지를 가능케 하는 유비쿼터스 컴퓨팅의 핵심기술이다. 하지만 자원이 제한된 노드를 이용해서 역동적인 애드 혹 네트워크를 유지하며 네트워크의 생존시간을 최대화하기 위해서는 네트워크 계층에서 효율적인 에너지 사용 방법을 필요로 한다. 집단화(Clustering)를 통한 데이터의 병합과 전송은 센서 네트워크의 구조와 데이터 특성에 비추어 에너지 효율적인 방법이다. 본 논문에서는 싱크로부터의 거리 정보를 이용해 분산된 방법으로 집단을 구성하는 새로운 방법을 제안하였다. 제안한 방법은 집단 구성에 따르는 추가적인 비용을 최소화하면서 전체 네트워크 노드간의 에너지 소모를 균등하게 유지할 수 있었다. 시뮬레이션을 통해 기존의 센서네트워크를 위해 제안된 확률적 집단 구성과 비교해 에너지 사용에 보다 효율적이었으며 이를 통해 네트워크의 생존시간을 늘릴 수 있었다.

• 한국정보과학회논문지:정보통신
• /
• 제36권3호
• /
• pp.212-221
• /
• 2009

본 논문에서는 GPS가 없는 일반적인 Wireless Sensor Networks(WSNs)상에서 상대적 위치정보를 이용하여 지리적으로 고른 clutter를 구성하고, sensor와 BS사이의 거리를 고려하여 cluster head의 선출빈도를 조절하는 새로운 centralized clustering algorithm "RLCA : Relative Location based Clustering Algorithm for Wireless Sensor Networks"를 제안하고, RLCA의 에너지 소비 효율성이 LEACH에 비해 높다는 것을 실험적으로 보인다.

• Journal of Korean Neurosurgical Society
• /
• 제52권5호
• /
• pp.466-471
• /
• 2012

Objective : The aim of this study was to devise an objective clustering method for magnetoencephalography (MEG) interictal spike sources, and to identify the prognostic value of the new clustering method in adult epilepsy patients with cortical dysplasia (CD). Methods : We retrospectively analyzed 25 adult patients with histologically proven CD, who underwent MEG examination and surgical resection for intractable epilepsy. The mean postoperative follow-up period was 3.1 years. A hierarchical clustering method was adopted for MEG interictal spike source clustering. Clustered sources were then tested for their prognostic value toward surgical outcome. Results : Postoperative seizure outcome was Engel class I in 6 (24%), class II in 3 (12%), class III in 12 (48%), and class IV in 4 (16%) patients. With respect to MEG spike clustering, 12 of 25 (48%) patients showed 1 cluster, 2 (8%) showed 2 or more clusters within the same lobe, 10 (40%) showed 2 or more clusters in a different lobe, and 1 (4%) patient had only scattered spikes with no clustering. Patients who showed focal clustering achieved better surgical outcome than distributed cases (p=0.017). Conclusion : This is the first study that introduces an objective method to classify the distribution of MEG interictal spike sources. By using a hierarchical clustering method, we found that the presence of focal clustered spikes predicts a better postoperative outcome in epilepsy patients with CD.

• International Journal of Internet, Broadcasting and Communication
• /
• 제14권2호
• /
• pp.192-198
• /
• 2022

Companies are building and utilizing their own data analysis systems according to business characteristics in the distributed cloud. However, as businesses and data types become more complex and diverse, the demand for more efficient analytics has increased. In response to these demands, in this paper, we propose an unsupervised learning-based data analysis agent to which reinforcement learning is applied for effective data analysis. The proposal agent consists of reinforcement learning processing manager and unsupervised learning manager modules. These two modules configure an agent with k-means clustering on multiple nodes and then perform distributed training on multiple data sets. This enables data analysis in a relatively short time compared to conventional systems that perform analysis of large-scale data in one batch.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.874-877
• /
• 2008

Nowadays the existing data processing systems can only support some simple query for sensor network. It is increasingly important to process the vast data streams in sensor network, and achieve effective acknowledges for users. In this paper, we propose a holistic distributed k-means algorithm for sensor network. In order to verify the effectiveness of this method, we compare it with central k-means algorithm to process the data streams in sensor network. From the evaluation experiments, we can verify that the proposed algorithm is highly capable of processing vast data stream with less computation time. This algorithm prefers to cluster the data streams at the distributed nodes, and therefore it largely reduces redundant data communications compared to the central processing algorithm.