• 인터넷정보학회논문지
• /
• 제13권6호
• /
• pp.1-8
• /
• 2012

클러스터링 기법은 데이터에 대한 특성에 따라 몇 개의 클러스터로 군집화 하는 계층적 클러스터링이나 분할 클러스터링 등 다양한 기법이 있는데 그 중에서 K-Means 알고리즘은 구현이 쉬우나 할당-재계산에 소요되는 시간이 증가하게 된다. 또한 초기 클러스터 중심이 임의로 설정되기 때문에 클러스터링 결과가 편차가 심하다. 본 논문에서는 클러스터링에 소요되는 시간을 줄이고 안정적인 클러스터링을 하기 위해 초기 클러스터 중심 선정 방법을 삼각형 높이를 이용하는 방법을 제안하고 비교 실험해 봄으로서 할당-재계산 횟수를 줄이고 전체 클러스터링 시간을 감소시키고자 한다. 실험결과로 평균 총소요시간을 보면 최대평균거리를 이용하는 방법은 기존 방법에 비해서 17.9% 감소하였고, 제안한 방법은 38.4% 감소하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권2호
• /
• pp.97-101
• /
• 2022

본 논문에서는 CCTV를 활용하여 K-means, Sobel-mask 기반의 윤곽선 검출 기법을 이용한 영상 속 미세먼지 측정 방법을 제안한다. 제안하는 알고리즘은 CCTV 카메라를 이용하여 이미지를 수집하고 관심영역을 통해 이미지 범위를 지정한다. K-means 알고리즘을 적용하여 군집화가 완료되면 Sobel-mask를 통해 윤곽선을 검출하고 윤곽선 강도를 측정하며, 측정된 데이터를 바탕으로 미세먼지의 농도를 파악한다. 제안하는 방법은 대각선 측정에 장점을 가지는 Sobel-mask의 특성을 활용하여 산맥의 윤곽선을 추출하고 실험 결과로 미세먼지 농도에 따른 검출의 차이를 보여준다.

• 대한토목학회논문집
• /
• 제31권1B호
• /
• pp.13-20
• /
• 2011

강수량은 시공간적으로 변화하는 수문변량으로서 강수량의 시간적인 특성 또한 강수량의 특성을 정의하는데 매우 중요한 요소이다. 본 연구에서는 극치강수량의 지역빈도해석을 위한 범주화 과정에서 기존의 강수량과 관측소 위치좌표만을 이용한 범주화를 통해 해결할 수 없는 강우 발생의 계절적 변화와 집중에 대한 고려를 반영하기 위하여, 기존의 양적 범주화 과정에 시간적인 영향을 고려할 수 있는 요소로서 극치강수량 발생 시기 통계치를 활용할 수 있는 범주화 과정을 제시하였다. 본 연구에서는 극치강수량의 발생 시기에 대한 정량적인 분석이 가능한 순환통계기법을 이용하여 관측 지점별 시간 통계량을 산정하고, 이를 극치강수량과 결합하여 시 공간적인 특성자료를 생성한 후 수정 K-means 방법을 이용하여 군집화 해석을 수행하였으며, 전국을 다섯 개의 군집으로 분류하였다. 기존의 양적 범주화 결과와의 비교를 통해 발생 시간 통계치를 결합한 범주화 결과가 지형 및 권역을 반영하는 결과를 보임을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.235-238
• /
• 2021

최근 코로나 19로 인해 비대면 활동이 늘어나고 있다. 비대면 회의, 비대면 강의, 비대면 과제 등이 이에 해당한다. 그에 따라 가상공간을 활용한 활동 또한 많은 관심을 받고 있다. 가상공간에서 인물들 사이 원활한 소통 및 현실감을 위해서는 실사적인 인물묘사가 필요하다. 따라서 실제 인물의 헤어스타일과 유사한 헤어스타일을 자연스럽게 증강시켜주는 것이 매우 중요하다. 본 논문에서는 실사적인 아바타 생성을 위한 헤어스타일의 분류 및 탐색방법을 제안한다. 이를 위해 본 논문에서는 우선 PCA(Principal Component Analysis) 와 K-means clustering 을 통해 헤어스타일에 대한 군집화를 진행한다. 그리고 Shape Indexed features를 이용하여 군집화 된 결과로부터 제일 유사한 헤어스타일 탐색방법을 제안하고 그 효용을 입증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.169-173
• /
• 2006

유비쿼터스 상거래에서 사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 개인화된 추천 시스템이 등장하였다. 더 나아가서는 사용자가 원하는 아이템을 예측하고 추천해주며, 이를 위해 협력적 필터링 기술을 적용하고 있다. 이는 사용자의 성향에 맞는 아이템을 예측하고 추천하기 위하여 비슷한 선호도를 가지는 사용자들 간의 유사도 가중치를 계산한다. 본 논문에서는 속성정보에 대한 사용자의 선호도를 고려하지 않은 문제점을 개선하기 위해서 속성정보를 이용한 연관 사용자의 선호도를 협력적 필터링 기술에 반영함으로써 추천의 정확도를 높이고자 한다. 그리고 협력적 필터링의 {연관 사용자-아이템} 행렬에서 사용자들 간의 연관 관계를 유지하면서 차원 수를 감소시키기 위해 ARHP 알고리즘을 이용하여 연관 사용자 군집을 한다. 제안된 방법의 성능 평가를 하기 위해 사용자가 아이템에 대해서 평가한 MovieLens 데이터 집합을 대상으로 평가되었으며, 기존의 Nearest Neighbor Model과 K-Means 군집보다 그 성능이 우수함을 보인다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권6호
• /
• pp.321-328
• /
• 2017

우리는 빛의 정도에 따라 이미지의 밝기와 채도, 대비를 보정하고 더 나아가 역광을 보정하는 기술을 구현하였다. 역광보정은 자동이나 수동으로 할 수 있는데, 수동으로 역광보정을 적용하기 위해서는 먼저 관심영역을 지정해 주어야 한다. 관심영역은 사진 속 원하는 사물의 윤곽선을 이어줌으로써 선택한다. 우리는 자석 올가미를 이용하여 사용자가 섬세한 선택을 가능하게 하였다. 기존 올가미 기능은 시작점과 끝점을 일치시켜 주어야 하는 단점이 있었으나 제안하는 올가미 기능은 시작점과 끝점을 일치시키지 않아도 관심영역을 선택할 수 있는 장점이 있다. 또한 사용자가 이진화 임계값과 질감추출을 위한 k-means 군집의 개수를 선택할 수 있도록 하여 다양한 역광보정 결과를 자동으로 얻을 수 있게 하였다.

• 한국융합학회논문지
• /
• 제8권8호
• /
• pp.33-40
• /
• 2017

본 논문은 이미지에서 효과적인 문자검출을 위해 색상단순화 및 윤곽선에서의 패턴 분석을 통한 문자 검출방법을 제안한다. 윤곽선 기반방법을 사용하는 문자검출 알고리즘은 단순한 배경의 이미지에서는 우수한 성능을 보이지만, 복잡한 배경의 이미지에서는 성능이 떨어지는 단점이 있다. 따라서 제안하는 방법은 복잡한 배경에서의 비문자영역을 최소화하기 위해 이미지 단순화 및 패턴분석을 통한 문자 검출 알고리즘을 제안한다. 먼저 이미지에서의 문자영역 부분을 검출하기 위하여 전처리 과정으로 K-means 군집화를 사용하여 이미지의 색상을 단순화하고, 색상 단순화 과정에서의 물체의 경계의 흐릿해짐을 개선하기 위해 고주파통과필터를 통해 물체의 경계를 강화한다. 그 후 모폴로지 기법의 팽창과 침식의 차이를 이용하여 물체의 윤곽선을 검출하고, 획득한 영역의 윤곽선 부분의 정보(높이, 너비 면적)를 구한 후 패턴분석을 통해 조건을 줌으로써 문자 후보영역을 판별하여 문자가 아닌 불필요한 영역(그림, 배경)을 제거한다. 최종 결과로 라벨링을 통해 불필요한 영역이 제거된 결과를 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.839-842
• /
• 2004

자연영상에서 문자를 인식하는 연구는 활발히 진행되고 있지만 대부분 디지털 카메라나 캠코더 등으로 획득한 고해상도의 영상에서의 연구에 국한되어 있다. 휴대폰 카메라로 획득된 저해상도의 영상은 아주 적은 수의 픽셀로 정보를 표현하기 때문에 기존의 이진화 알고리즘으로는 문자와 배경을 깨끗하게 분리해 낼 수 없다. 본 논문은 영상의 칼라정보를 K-Means 클러스터링을 이용하여 전경과 배경으로 이진화 하였으며, 이진화 성능을 향상시키기 위해 지능형 주파수 필터와 비등방성 확산 필터를 사용하였다. 또한 입력영상을 파이프라인 구조의 이진화 및 인식 시스템에 인식시킴으로써 인식성능을 향상시켰다.

• 전자공학회논문지S
• /
• 제36S권9호
• /
• pp.76-90
• /
• 1999

본 논문은 컬러 히스토그램과 ‘컬러 텍스쳐’을 이용하는 새로운 내용기반 영상 검색 기법을 제안한다. 제안한는 방법은 영상의 컬러 히스토그램을 k-means 군집화하여 얻은 컬러 벡터로 히스토그램을 대표하고, 각 대표 컬러 벡터를 중심으로 화소 색상과의 거리를 이용해 컬러 텍스처를 만든다. 그러므로, 컬러 텍스처란 영상의 컬러 히스토그램에 의해 두드러지는 텍스처 성분을 의미하며 본 논문에서는 컬러 텍스처를 Gaussian Markov Random Field (GMRF) 모델로 해석한다. 제안하는 알고리듬은 영역화와 같은 기하학적 정보를 추출하는 과정이 없으므로 고속의 검색에 적합하며, 기존의 컬러 히스토그램만을 이용한 기법이나 영상의 밝기 성분에서 나타나는 텍스처를 이용한 방법에 비해 효과적인 검색 결과를 나타낸다.

• 한국통신학회논문지
• /
• 제32권9C호
• /
• pp.861-866
• /
• 2007

본 논문은 가우시안 확률분포함수 (Gaussian Probability Distribution Function) 데이터 군집화를 위해 중심신경망 (Centroid Neural Network, CNN)에 Bhattacharyya 커널을 적용한 군집화 알고리즘 (Bhattacharyya Kernel based CNN, BK-CNN)을 제안한다. 제안된 BK-CNN은 무감독 알고리즘인 중심신경망을 기반으로 하고 있으며, 커널 방법을 이용하여 데이터를 특징공간에서 투영한다. 입력공간의 비선형 문제를 선형적으로 해결하기 위해 제안한 커널 방법인데, 확률분포 사이의 거리측정을 위해 Bhattacharyya 거리를 이용한 커널방법을 사용하였다. 제안된 BK-CNN을 영상데이터 분류의 문제에 적용했을 때, 제안된 BK-CNN 알고리즘이 Bhattacharyya 커널을 적용한 k-means, 자기조직지도(Self-Organizing Map)와 중심 신경망등의 기존 알고리즘보다 1.7% - 4.3%의 평균 분류정확도 향상을 가져옴을 확인할 수 있었다.