• 한국멀티미디어학회논문지
• /
• 제17권5호
• /
• pp.590-600
• /
• 2014

In the wireless sensor network environment, clustering scheme has a problem that a large amount of energy is unnecessarily consumed because of frequently occurred entire re-clustering process. Some of the studies were attempted to improve the network performance by getting rid of the entire network setup process. However, removing the setup process is not worthy. Because entire network setup relieves the burden of some sensor nodes. The primary aim of our scheme is to cut down the energy consumption through minimizing entire setup processes which occurred unnecessarily. Thus, we suggest a re-clustering scheme that considers event detection, transmitting energy, and the load on the nodes. According to the result of performance analysis, our scheme reduces energy consumption of nodes, prolongs the network lifetime, and shows higher data collection rate and higher data accuracy than the existing schemes.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (A)
• /
• pp.25-26
• /
• 2007

• 한국정보기술학회 영문논문지
• /
• 제8권2호
• /
• pp.89-99
• /
• 2018

Due to global warming, various natural disasters such as floods and droughts are increasing. If we can detect the possibility of natural disasters in advance, we can prevent massive damages caused by natural disasters. Recent advances in visual sensor technologies have enabled remote monitoring of a variety of natural environments, including lakes, rivers, and shores. In this paper, we propose a method to segment an image obtained from video sensor networks into regions in order to monitor the environment effectively. In the proposed method, we first partition the image into superpixels and model the connections between superpixels as a graph. Then, initial seeds for each region are set by using the prior information, and the initial seeds are expanded to form regions using agglomerative clustering. Experimental results show that the proposed method extracts the regions from natural environment images easily and accurately.

• 한국멀티미디어학회논문지
• /
• 제10권1호
• /
• pp.1-12
• /
• 2007

모바일 환경의 제한된 자원 하에서 멀티미디어 데이터를 이용하기 위해서는 XML로 표현되는 MPEG-7 문서의 효율적인 관리 방법이 필요하다. 이 때 XML 문서 클러스터링 방법들을 이용할 수 있겠으나 보다 효율성을 높이기 위해 MPEG-7 문서의 특성을 반영한 새로운 클러스터링 방법이 요구된다. 새로운 클러스터링은 모바일 환경에서 멀티미디어 검색시 질의 처리 속도가 향상되며 다양한 응용에 적합한 문서 저장이 가능하다. 본 논문에서는 대용량의 멀티미디어 데이터를 MPEG-7 문서로 효율적으로 관리하기 위해 MPEG-7 문서의 엘리먼트들 사이에 나타나는 의미 관련성을 이용해 저장할 수 있는 새로운 클러스터링 방법을 제안하고, 이를 기존 방법들과 비교하였다.

• 한국정보처리학회논문지
• /
• 제5권9호
• /
• pp.2353-2360
• /
• 1998

리엔지니어링에서 기존 소프트웨어 시스템의 환경변화에 따라 대부분 논리적 실행을 중심으로 집단화를 실행해왔으나 본 논문에서는 기존 소스 프로그램을 중심으로 각 모듈간의 정보공유측면에서 효율적으로 집단화할 수 있는 방안을 제안하였다. 정보고유를 이용한 관련 모듈들의 집단화를 위해서 모듈 집단간 휴리스틱 측정방법을 근간으로 본 논문에서 제안한 유사성 및 단일성 알고리즘을 이용한 측정을 한 후 그 결과를 평가하였다. 이를 통해 모듈 및 프로시져의 관련성을 중심으로 관련 모듈 및 프로시져의 정리 및 집단화를 유도할 수 있었다. 소프트웨어 시스템의 환경변화에 따른 기존 시스템을 정보공유를 중심으로 집단화함으로써 과적으로 소프트웨어 시스템을 재구축할 수 있는 방법론을 제시하였으며, 그 구현 가능성을 실제 예를 통해서 보였다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2002년도 춘계학술대회 논문집
• /
• pp.195-200
• /
• 2002

ART (Adaptive Resonance Theory [1]) neural network and its variations perform non-hierarchical clustering by unsupervised learning. We propose a scheme "arboART" for hierarchical clustering by using several ART1.5-SSS networks. It classifies multidimensional vectors as a cluster tree, and finds features of clusters. The Basic idea of arboART is to use the prototype formed in an ART network as an input to other ART network that has looser distance criteria (Ishihara, et al., [2,3]). By sending prototype vectors made by ART to one after another, many small categories are combined into larger and more generalized categories. We can draw a dendrogram using classification records of sample and categories. We have confirmed its ability using standard test data commonly used in pattern recognition community. The clustering result is better than traditional computing methods, on separation of outliers, smaller error (diameter) of clusters and causes no chaining. This methodology is applied to Kansei evaluation experiment data analysis.

• 한국정보과학회논문지:시스템및이론
• /
• 제33권7호
• /
• pp.399-412
• /
• 2006

서버들이 서로 다른 데이타를 저장하고 있는 협동성 캐슁을 사용하는 클러스터링 기반의 무선 인터넷 프록시 서버에서는 Hot-Spot 혹은 임의의 입력 요청 패턴이 발생하면 일부 서버만 과부하가 되어 전체적인 성능이 떨어지는 문제점을 가진다. 본 논문에서는 기존 클러스터링이 가지는 Hot-Spot 및 임의의 입력 요청 패턴을 반영하지 못하는 문제점을 해결하기 위해 새로운 자체 학습 기반의 적응적 클러스터링 기법을 제안한다. 제안된 방법에서는 요청을 처리하는 일부 서버들이 과부하가 되면 해당 요청을 다른 서버들로 재 분산한다. 이러한 재 분산은 자체 학습 알고리즘에 의해 수행되고, 다양한 입력 패턴 혹은 서로 다른 성능의 서버들을 가지는 클러스터에도 적용이 가능하다 제안된 방법들은 16대의 컴퓨터와 부하 분산기를 가지고 클러스터링 환경에서 실험되었고, 실험 결과는 기존 방법들에 비해 54.62% 성능이 향상되었음을 보여준다.

• 한국지능시스템학회논문지
• /
• 제19권4호
• /
• pp.485-492
• /
• 2009

모바일 서비스 환경에서 시간 동기화에 의해 생성된 패턴들은 데이터 스트리밍으로 인하여 인스턴스 값들이 다르게 스트리밍 된다. 본 논문에서는 유연한 클러스터링을 지원하기 위해 가변클러스터링 관리 기법을 제안하며, 이 구조는 다중 데이터 스트리밍을 동적으로 관리하도록 지원한다. 제안되는 기법은 일반적인 스트리밍기법과 달리 데이터 스트림 환경에서 동기화를 효율적으로 지원하는 기능을 수행하며, 구조적 표현단계와 적합성 표현단계를 거쳐 클러스터링 스트리밍이 관리된다. 구조적 표현 단계는 레벨정합과 누적정합을 수행하여 스트림 구조가 표현되며, 동적 세그먼트와 정적세그먼트 관리를 통해서 클러스터링 관리가 가변적으로 수행되도록 하였다. 제안된 기법의 성능 평가를 위해서 k-means 기법, C/S 서버기법 그리고 CDN 기법과 시뮬레이션평가를 수행하였으며 그 결과 제안된 기법의 성능이 효율적임을 알 수 있었다.

• 정보처리학회논문지C
• /
• 제15C권4호
• /
• pp.311-320
• /
• 2008

일반적으로 애드-혹 네트워크에 적용되는 라우팅 알고리즘은 수천 개 이상의 많은 노드를 포함하는 환경에는 적합하지 않다. 이 문제를 해결하기 위해서 노드에 대한 계층적 관리와 토플로지의 안정적 유지를 위해 클러스터링 기반의 프로토콜을 이용한다. 본 논문에서는 통신 노드들을 장착한 금속 컨테이너들이 이동하는 환경에서도 적용 가능한 클러스터링 기반의 변형 LEACH 프로토콜을 제안한다. 제안한 프로토콜은 클러스터 기반의 프로토콜인 LEACH에 노드 이동을 감지하는 모듈을 구현하였고, 노드가 이동하는 환경에서 LEACH가 가지는 단점을 개선하였다. 그리고 멀티 홉의 구성 방법을 조절하여 효율적인 통신이 가능하도록 하였다. 또한 제안한 프로토콜과 기존의 LEACH 프로토콜을 점진적 네트워크 구성 시간, 토플로지 재구성 시간, 컨테이너 환경에서의 통신 성공률, 그리고 라우팅 오버헤드라는 네 가지 관점에서 비교하였다. 비교 결과, 본 논문에서 제안한 프로토콜이 금속 컨테이너에 포함된 이동 가능한 노드의 통신에서 기존의 LEACH 프로토콜보다 우수함을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권11호
• /
• pp.1431-1438
• /
• 2004

강화학습(reinforcement learning)은 온라인으로 환경(environment)과 상호작용 하는 과정을 통하여 목표를 이루기 위한 전략을 학습한다. 강화학습의 기본적인 알고리즘인 Q-learning의 학습 속도를 가속하기 위해서, 거대한 상태공간 문제(curse of dimensionality)를 해결할 수 있고 강화학습의 특성에 적합한 함수 근사 방법이 필요하다. 본 논문에서는 이러한 문제점들을 개선하기 위해서, 온라인 퍼지 클러스터링(online fuzzy clustering)을 기반으로 한 Fuzzy Q-Map을 제안한다. Fuzzy Q-Map은 온라인 학습이 가능하고 환경의 불확실성을 표현할 수 있는 강화학습에 적합한 함수근사방법이다. Fuzzy Q-Map을 마운틴 카 문제에 적용하여 보았고, 학습 초기에 학습 속도가 가속됨을 보였다.