• 한국컴퓨터산업학회논문지
• /
• 제4권4호
• /
• pp.443-448
• /
• 2003

공간 데이터베이스 시스템에서는 주어진 위치에서 가장 근접한 k개의 객체를 찾는 근사 k-최대 근접질의가 자주 발생한다. 근사 k-최대 근접 질의의 성능을 높이기 위해서는 색인에서 검색되는 노드의 수를 최소화할 수 있어야 한다. 본 논문에서는 기존의 알고리즘을 확장하여 동적인 공간 데이터베이스 환경에서 R-트리 유형의 색인 구조를 이용한 근사 k-최대 근접 질의 처리방법을 제안하고 그 성능을 평가 한다. 실험결과에 의하면, 제안된 방법은 객체의 분포 형태, 질의 크기 그리고 근사율에 관계없이 항상 낮은 디스크 접근 횟수를 보였다.

• 한국지능시스템학회논문지
• /
• 제18권6호
• /
• pp.871-875
• /
• 2008

본 논문은 개체 변환 유전자 알고리즘을 (GAVaPS) 이용하여 k-nearest neighbor (k-NN) 분류기에서 사용되는 특징들을 선정하는 방법을 제시한다. 우리는 다수의 k-NN 분류기들을 사용하기 때문에 사용되는 특징들을 선정하는 문제는 매우 탐색 영역이 크고 해결하기 어려운 문제이다. 따라서 우리는 효과적인 특징득의 선정을 위해 일반적인 유전자 알고리즘 (GA) 보다 효율적이라고 알려진 개체군 변환 유전자 알고리즘을 사용한다. 또한 다수 k-NN 분류기를 개체군 변환 유전자 알고리즘으로 효과적으로 결합하는 방법을 제시한다. 제안하는 알고리즘의 우수성을 여러 실험을 통해 보여준다.

• Journal of Multimedia Information System
• /
• 제5권2호
• /
• pp.67-78
• /
• 2018

This article proposes the modified KNN (K Nearest Neighbor) algorithm which considers the feature similarity and is applied to the word categorization. The texts which are given as features for encoding words into numerical vectors are semantic related entities, rather than independent ones, and the synergy effect between the word categorization and the text categorization is expected by combining both of them with each other. In this research, we define the similarity metric between two vectors, including the feature similarity, modify the KNN algorithm by replacing the exiting similarity metric by the proposed one, and apply it to the word categorization. The proposed KNN is empirically validated as the better approach in categorizing words in news articles and opinions. The significance of this research is to improve the classification performance by utilizing the feature similarities.

• ETRI Journal
• /
• 제46권3호
• /
• pp.473-484
• /
• 2024

We introduce a machine learning-based web application to help travel agents plan a package tour schedule. K-nearest neighbor (KNN) classification predicts the optimal tourists' dwelling time based on a variety of information to automatically generate a convenient tour schedule. A database collected in collaboration with an established travel agency is fed into the KNN algorithm implemented in the Python language, and the predicted dwelling times are sent to the web application via a RESTful application programming interface provided by the Flask framework. The web application displays a page in which the agents can configure the initial data and predict the optimal dwelling time and automatically update the tour schedule. After conducting a performance evaluation by simulating a scenario on a computer running the Windows operating system, the average response time was 1.762 s, and the prediction consistency was 100% over 100 iterations.

• 전기전자학회논문지
• /
• 제26권2호
• /
• pp.169-175
• /
• 2022

본 논문에서는 k-최근접 이웃 (KNN) 알고리즘을 이용하여 초음파 센서 간 간섭을 줄이고 정확한 거리값을 예측하는 기법을 제안한다. 기존 기법에서는 이전 측정값과 현재 측정값을 비교하여 그 차이가 한계값을 벗어나면 간섭 신호로 인식하고 배제하지만 부정확한 예측이 자주 발생한다. KNN 알고리즘은 다수의 초음파 센서에서 입력되는 측정값을 분류하여 정확도 높은 예측이 가능하다. 간섭이 잘 발생하는 환경을 만들기 위해 다수의 동종 초음파 센서로 간섭 신호를 발생시킨 상태에서 거리 측정 실험을 진행하였고, 간섭으로 인해 발생하는 오류를 KNN 알고리즘을 통해 크게 줄일 수 있음을 확인하였다. 또한 기존 보팅 기법과 제안하는 기법의 결과를 비교하여 제안하는 기법의 성능이 우수한 것을 확인하였다.

• 한국시뮬레이션학회논문지
• /
• 제23권4호
• /
• pp.97-109
• /
• 2014

Personal Rapid Transit (PRT)는 차세대 대중교통 수단으로 에너지 효율적이며 높은 수준의 고객 서비스를 제공한다. 정류장에 동적으로 도착한 고객이 운송 서비스를 요청하면 PRT 시스템은 차량을 배차한다. 본 연구에서는 PRT 시스템을 위한 새로운 온라인 배차 알고리즘을 제시하였다. 제시된 알고리즘은 최근린(nearest neighbor) 배차 규칙을 기반으로 개발되었으며, 이분 매칭(bipartite matching)을 사용하여 다수의 PRT 차량과 고객을 동시에 고려하여 배차를 결정한다. 이 경우 전체 차량 중 배차 대상 차량의 선택 범위가 성능지표에 영향을 줄 수 있다. 따라서 본 연구에서는 차량의 상태를 고려하여 체계적으로 배차 차량을 선택하는 방법을 제시한다. 성능지표로 공차 이동거리와 고객 대기시간을 고려하였으며, 시뮬레이션 기법을 사용하여 배차 선택 범위에 따른 성능지표의 차이를 확인하였다. 그리고 기존의 배차 규칙과 비교하여 본 연구에서 제시하는 방법론이 우수하며 PRT 시스템에 적합한 것을 확인하였다.

• 디지털융복합연구
• /
• 제11권4호
• /
• pp.243-249
• /
• 2013

본 논문에서는 GPS(Global Positioning System)를 사용할 수 있는 실외와 GPS(Global Positioning System)를 사용할 수 없는 실내에서 Wi-Fi(Wireless Fidelity)를 이용한 안드로이드 기반의 위치 정보 시스템을 설계 및 구현하였다. 보행자의 위치를 실내에서 추정하기 위해서는, 보행자의 위치에 상관없이 절대위치를 구하는 것이 필요하고, 보행자의 움직임에 따라서 상대위치를 연속적으로 추정하는 것이 필요하다. 보행자의 초기위치를 추정하기 위해서 Wi-Fi fingerprinting을 사용하였다. 기존의 Wi-Fi fingerprinting에서 가장 위치 오차가 작은 WKNN(Weighted K Nearest Neighbor) 알고리즘의 단점을 보완한 EWKNN(Enhanced Weighted K Nearest Neighbor) 알고리즘을 사용해 위치의 정확도를 높였다. 그리고 보행자의 상대위치를 추정하기 위해서는, 스마트폰에 탑재되어 있는 IMU(Inertial Measurement Unit)를 사용하였기 때문에 추가적인 장비가 필요하지 않았다.

• 정보처리학회논문지B
• /
• 제13B권1호
• /
• pp.53-62
• /
• 2006

주성분 분석법을 사용한 물체 인식 기술은 영상의 조명 변화가 있을 때 인식률이 떨어지는 경향이 있다. 본 논문에서는 실험영상이 학습영상에 대해 조명의 차이가 있는 경우에도 데이터 베이스안의 물체인지 가려내는 새로운 PCA 분석방법을 사용한 물체 인식 기술을 제안하는데 그 목적이 있다. 그리고 개선된 k-nearest neighbor를 이용하여 물체 인식률을 향상 시켰다. 본 논문에서 제안된 물체 인식 알고리즘은 히스토그램 이퀄라이제이션과 미디언 필터를 이용하여 영상을 전처리하고 그것을 학습시켜서 물체 공간을 생성한다. 이때 히스토그램 이퀄라이제이션를 사용하여 히스토그램을 펼침으로써 조명 변화에 영향을 감소시키는 결과를 나았고, 이것은 기본적인 주성분 분석방법과 휘도치 정규화를 한 방법 등과 비교해 본 결과 조명 변화의 영향을 최소화하여 좋은 인식률을 유지할 수 있었다. 그리고 모델 영상내의 각각의 물체의 대표 값을 만든다. 그런 후 테스트영상을 물체 공간에 투영 시켜서 나온 성분과 대표 값의 거리를 비교하여 인식하게 된다. 기존의 방식으로는 거리 계산오차가 많기 때문에 본 논문에서는 개선된 k-Nearest Neighbpr 이용하여 몇 개의 연속적인 입력영상에 대해 각 각의 모델 영상들을 인식의 단위로 이용하였다.

• Journal of Information Processing Systems
• /
• 제15권6호
• /
• pp.1392-1405
• /
• 2019

The cathode voltage of aluminum electrolytic cell is relatively stable under normal conditions and fluctuates greatly when it has an anomaly. In order to detect the abnormal range of cathode voltage, an anomaly detection algorithm based on sliding window was proposed. The algorithm combines the time series segmentation linear representation method and the k-nearest neighbor local anomaly detection algorithm, which is more efficient than the direct detection of the original sequence. The algorithm first segments the cathode voltage time series, then calculates the length, the slope, and the mean of each line segment pattern, and maps them into a set of spatial objects. And then the local anomaly detection algorithm is used to detect abnormal patterns according to the local anomaly factor and the pattern length. The experimental results showed that the algorithm can effectively detect the abnormal range of cathode voltage.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2005년도 전력전자학술대회 논문집
• /
• pp.624-627
• /
• 2005

This paper presents a new data classification method using the Robbins Monro stochastic approximation algorithm k-nearest neighbor and distribution analysis. To cluster the data set, we decide the centroid of the test data set using k-nearest neighbor algorithm and the local area of data set. To decide each class of the data, the Robbins Monro stochastic approximation algorithm is applied to the decided local area of the data set. To evaluate the performance, the proposed classification method is compared to the conventional fuzzy c-mean method and k-nn algorithm. The simulation results show that the proposed method is more accurate than fuzzy c-mean method, k-nn algorithm and discriminant analysis algorithm.