• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권4호
• /
• pp.1661-1678
• /
• 2016

Clustering is one of the key technologies in vehicular networks. Constructing and maintaining stable clusters is a challenging task in high mobility environments. DWCM (Distributed and Weighted Clustering based on Mobility Metrics) is proposed in this paper based on the d-hop dominating set of the network. Each vehicle is assigned a priority that describes the cluster relationship. The cluster structure is determined according to the d-hop dominating set, where the vehicles in the d-hop dominating set act as the cluster head nodes. In addition, cluster maintenance handles the cluster structure changes caused by node mobility. The rationality of the proposed algorithm is proven. Simulation results in the NS-2 and VanetMobiSim integrated environment demonstrate the performance advantages.

• IEIE Transactions on Smart Processing and Computing
• /
• 제4권6호
• /
• pp.403-406
• /
• 2015

In this paper, we propose a supervoxel clustering-based staircase extraction algorithm to obtain poses and dimensions of staircases from a point cloud. In order to effectively reduce the candidate points and accelerate supervoxel clustering, large planes in the scene, such as walls, floors, and ceilings, are eliminated while scanning the environment. Next, staircase candidates with small planes are initially estimated using supervoxel clustering. Then, parameter values for the staircases are refined, and higher staircases that remain undetected due to occlusion are predicted and generated virtually. Experimental results show that staircases are detected accurately and predicted successfully.

• 한국멀티미디어학회논문지
• /
• 제25권8호
• /
• pp.1136-1140
• /
• 2022

This paper is a method for efficient traffic prediction in mobile edge computing, where many studies have recently been conducted. For distributed processing in mobile edge computing, tasks offloading from each mobile edge must be processed within the limited computing power of the edge. As a result, in the mobile nodes, it is necessary to efficiently select the surrounding edge server in consideration of performance dynamically. This paper aims to suggest the efficient clustering method by selecting edges in a cloud environment and predicting mobile traffic. Then, our dynamic clustering method is to reduce offloading overload to the edge server when offloading required by mobile terminals affects the performance of the edge server compared with the existing offloading schemes.

• 인터넷정보학회논문지
• /
• 제15권6호
• /
• pp.85-97
• /
• 2014

IoT 디바이스는 사용자의 주변에 설치되어 네트워크를 통해 다양한 정보를 수집하고, 디바이스간 협업으로 교통 정보를 제공하거나 날씨 정보를 제공하는 등 삶의 질을 향상시키는데 목적이 있다. 현재 여러 연구소나 기업체에서 다양한 IoT 디바이스들이 개발중에 있어 디바이스의 수가 급격하게 증가하고 있다. 그런데, 이러한 경향에도 불구하고 IoT 디바이스들을 관리하고 연결하는 IoT 컴퓨팅과 관련된 연구는 아직 초기 단계에 있다. IoT 컴퓨팅 환경 내에 대량의 IoT 디바이스가 동시에 존재하게 되는데, 이때 이들 디바이스들을 모니터링 하거나 제어를 위한 관리 노드로서 서버가 필요하다. 그렇지만, 어떤 관리 서버를 어디에 몇 대를 배치해야 하는지 알기 어렵다. 이러한 문제를 해결하기 위해서, 본 논문에서는 대량의 디바이스들을 논리적으로 근접한 디바이스들은 하나의 클러스터로 관리하는 기법을 제안한다. 제안된 동적 클러스터링 기법을 IoT 컴퓨팅 환경에 적용하게 되면 대량의 IoT 디바이스들을 최적의 상태로 클러스터링 함으로써, 디바이스 관리에 대한 오버헤드를 줄이면서 효율적으로 품질 관리를 할 수 있게 된다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권8호
• /
• pp.481-486
• /
• 2017

클라우드의 원하는 자원을 필요한 만큼만 사용하고 지불하는(Pay-per-use) 방식을 이용하여 과학 응용을 수행하고자 하는 과학자들이 늘어나는 추세이다. 그러나 다양한 특성으로 구성된 클라우드 자원으로 과학자들은 적절한 자원을 선택하는데 어려움을 겪는다. 이에 따라 자원의 효율적인 활용을 위하여 과학자가 실험하고자하는 응용의 특성에 따라 동적으로 자원을 분류하는 것이 필요하다. 본 연구에서는 하이브리드 클라우드 환경에서 응용의 특성을 반영한 자원 군집 분석 기법을 제안한다. 자원 군집 분석은 자기조직화지도 및 K-평균 알고리즘을 적용하여 유사한 자원을 군집화한다. 제안한 알고리즘을 통해 과학응용의 특성을 반영한 유사 자원 군집을 형성하였음을 증명한다.

• 인터넷정보학회논문지
• /
• 제2권3호
• /
• pp.81-92
• /
• 2001

이기종 워크스테이션 클러스터링은 병렬 응용 처리에 유용하며 비용 측면에서 효과적이다. 이기종 워크스테이션 클러스터링 환경에서 최소의 전체 작업 반환 시간이 되도록 하기 위해서는 부하 균형 시스템이 필요하다. 다른 사용자들, 그룹들, 다른 작업 요구들, 그리고 다른 처리능력을 가지는 각 워크스테이션들은 클러스터링 환경의 다른 그것과 상대적이다. 기존 방식은 각 워크스테이션의 처리능력에 가중치를 미리 부여하는 정적 방식이거나 각 워크스테이션의 상대적 처리능력을 얻기 위해서 벤치마크 프로그램을 수행하는 동적 방식이다. 수행되는 응용과는 관계없는 벤치마크 프로그램은 계산시간을 소비하고 전체 작업 반환 시간을 지연시킨다. 이 논문은 효과적 작업 분배 방식을 제안하고 이기종 워크스테이션 클러스터링 환경에서 부하 균형 시스템을 구현한다. 이 논문에서 제안한 방식의 전체 작업 반환 시간은 부하 균형을 하지 않은 방식뿐만 아니라 벤치마크 프로그램에 의한 부하균형 방식과도 비교한다. 실험을 통하여 비교한 방식보다 제안 방식의 결과가 우수함을 보인다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권10호
• /
• pp.487-492
• /
• 2017

클러스터링은 빅데이터 분석 및 데이터 마이닝 분야에서 데이터 간 유사성을 파악하기 위해 사용하는 기법으로 다양한 클러스터링 기법 중 범주적 데이터를 위해 k-Modes 알고리즘이 대표적으로 사용된다. k-Modes와 같이 반복적 연산이 집중된 작업의 속도를 향상시키기 위해 많은 관심을 받고 있는 분산 병행 프레임워크 스파크는 하둡과 달리 RDD라는 추상화 객체 개념을 사용하여 대용량의 데이터를 메모리 상에서 처리 가능한 환경을 제공한다. 스파크는 다양한 기계학습을 위한 라이브러리인 Mllib을 제공하고 있으나 연속적 데이터만 처리 가능한 k-means만 포함되어 있어 범주적 데이터 처리가 불가능한 한계가 있다. 따라서 본 논문에서는 스파크 환경에서 범주적 데이터 클러스터링을 위한 k-Modes 알고리즘을 위한 RDD 설계하고 효과적으로 동작할 수 있는 알고리즘을 구현하였다. 실험을 통해 제안한 알고리즘이 스파크 환경에서 선형적으로 증가한다는 것을 보였다.

• 융합보안논문지
• /
• 제13권3호
• /
• pp.17-23
• /
• 2013

클러스터링은 상호 의존적 구성에 필요한 구조적인 기술이다. 클러스터링은 가변적 업무부하를 처리하거나, 서비스 연속성을 저해하는 고장 발생 시 운영이 계속되도록 여러대의 컴퓨터시스템 기능을 서로 연결하는 메커니즘이다. 고 가용성 클러스터링 기능은 가능한 오랜시간 서버 시스템이 작동하는데 중점을 둔다. 이 클러스터 는 멀티플 시스템에서 실행되는 노드와 서비스를 중복하여 가지고 있어서 서로가 서로를 추적할 수 있다. Active-Standby 상태의 두 시스템이 있을 경우 활성 서버에 장애가 발생했을 때 모든 서비스가 대기 서버에서 구동돼 서비스가 이루어진다. 이 기능을 절체 또는 스위치오버(switchover)라 한다. 고가용성 클러스터링 기능은 가능한 오랜시간 서버 시스템이 작동하는데 중점을 둔다. 이 클러스터는 멀티플 시스템 에서 실행되는 노드와 서비스를 중복하여 가지고 있어서 서로가 서로를 추적할 수 있다. 한 노드가 장애 발생 시 둘째 노드가 몇초 이내에 고장 난 노드 임무를 수행한다. 고가용성 클러스터링 구조는 효율성 여부가 측정되어야 한다. 시스템 성능은 인프라시스템의 performance, latency, 응답시간(response Time), CPU 부하율(CPU utilization), CPU상의 시스템 프로세스(system process)수로 대표된다.

• 융합보안논문지
• /
• 제23권4호
• /
• pp.61-70
• /
• 2023

클러스터링은 데이터의 정답값(실제값)이 없는 데이터를 기반으로 데이터의 특징벡터의 거리 기반 등으로 군집화를 하는 비지도학습 방법이다. 이 방법은 이미지, 텍스트, 음성 등 다양한 데이터에 대해서 라벨링이 없이 적용할 수 있다는 장점이 있다. 기존 클러스터링을 하기 위해 차원축소 기법을 적용하거나 특정 특징만을 추출하여 군집화하는 방법이 적용되었다. 하지만 딥러닝 기반 모델이 발전하면서 입력 데이터를 잠재 벡터로 표현하는 오토인코더, 생성 적대적 네트워크 등을 통해서 딥 클러스터링의 기술이 연구가 되고 있다. 본 연구에서, 딥러닝 기반의 딥 클러스터링 기법을 제안하였다. 이 방법에서 오토인코더를 이용하여 입력 데이터를 잠재 벡터로 변환하고 이 잠재 벡터를 클러스터 구조에 맞게 벡터 공간을 구성 및 k-평균 클러스터링을 하였다. 실험 환경으로 pytorch 머신러닝 라이브러리를 이용하여 데이터셋으로 MNIST와 Fashion-MNIST을 적용하였다. 모델로는 컨볼루션 신경망 기반인 오토인코더 모델을 사용하였다. 실험결과로 k가 10일 때, MNIST에 대해서 89.42% 정확도를 가졌으며 Fashion-MNIST에 대해서 56.64% 정확도를 가진다.

• 한국물환경학회지
• /
• 제27권1호
• /
• pp.61-72
• /
• 2011

유역 단위 수문 및 수질 평가 모형인 SWAT 모형을 이용한 유역 내 정확한 수문과 비점오염원 거동을 평가하기 위해서는 유역 적용에 앞서 모형의 정확성 평가가 우선시 되어야 한다. SWAT 모형의 수문 보정및 검정 시, Nash-Sutcliffe의 효율계수(EI)가 널리 사용되고 있다. 그러나 이러한 EI 값은 비교되어지는 값들의 범위 중 큰 값 즉, 수문 분석에 있어 고유량에 대해 민감하게 영향을 받는 것으로 알려져 있다. 그리하여 본 연구에서는 보다 정확한 수문 분석을 위해 K-means 군집화 알고리즘을 이용한 웹기반의 EI 평가시스템을 개발하였고, 이를 SWAT 모형의 수문 평가에 적용하였다. 본 연구의 결과 전체 유량의 EI 값은 높았지만, 수문성분에 따른 EI 값은 높지 않았다. SWAT 모형의 수문 보정 및 검정에 널리 활용되고 있는 SWAT auto-calibration tool은 전체 유량에 대해서는 높은 EI 값을 산정하는 것으로 보이지만, 직접유출과 기저유출 각각에 대한 유량 그룹 I 과 II 에 대해서는 대부분 음수(-)의 EI 값을 보였다. 그리하여 본 연구 결과를 통해 SWAT 모형의 수문성분 평가에 있어 보다 정확한 평가를 위해서는 직접유출과 기저유출에 대한 각각의 유량 그룹에 대해 양수(+)의 EI 값이 산정되도록 모형 보정 및 검정의 수행 필요할 것으로 사료된다.