• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1056-1059
• /
• 2003

Self-Oranizing Map(SOM) is an unsupervised neural network providing cluster analysis of high dimensional input data. The output from the SOM is represented in map that help us to explore data. The weak point of conventional SOM is when the map is large, it take a long time to train the data. The computing time is known to be O(MN) for trainning to find the winning node (M,N are the number of nodes in width and height of the map). This paper presents a new method to reduce the computing time by creating new map. Each node in a new map is the centroid of nodes' group that are in the original map. After create a new map, we find the winning node of this map, then find the winning node in original map only in nodes that are represented by the winning node from the new map. This new method is called "High Speed Self-Oranizing Map"(HS-SOM). Our experiment use HS-SOM to cluster documents and compare with SOM. The results from the experiment shows that HS-SOM can reduce computing time by 30%-50% over conventional SOM.

• 한국자동차공학회논문집
• /
• 제16권6호
• /
• pp.39-47
• /
• 2008

In this research, a web-based design support system is constructed for the design process of automotive steel pulley to gather engineering knowledge from pulley design data. In the design search module, a clustering tool for design data is proposed using K-means clustering algorithm. To obtain correlational patterns between design and FEA (Finite Element Analysis) data, a Multi-layer Back Propagation Network (MBPN) is applied. With the analyzed patterns from a number of simulation data, an estimation of minimum von mises can be provided for given design parameters of pulleys. The case study revealed fast estimation of minimum stress in the pulley within 12% error.

• International Journal of Computer Science & Network Security
• /
• 제21권5호
• /
• pp.1-8
• /
• 2021

Prostate cancer is one of the most diagnosed malignancies found across the world today. American cancer society in recent research predicted that over 174,600 new prostate cancer cases found and nearly 31,620 death cases recorded. Researchers are developing modest and accurate methodologies to detect and diagnose prostate cancer. Recent work has been done in radiology to detect prostate tumors using ultrasound imaging and resonance imaging techniques. Transrectal ultrasound and Magnetic resonance images of the prostate gland help in the detection of cancer in the prostate gland. The proposed paper is based on comparison and analysis between two novel image segmentation approaches. Seed region growing and cluster based image segmentation is used to extract the region from trans-rectal ultrasound prostate and MR prostate images. The region of extraction represents the abnormality area that presents in men's prostate gland. Detection of such abnormalities in the prostate gland helps in the identification and treatment of prostate cancer

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.223-224
• /
• 2021

Recently, k-farthest neighbor (kFN) queries have not as much attention as k-nearest neighbor (kNN) queries. Therefore, this study considers moving k-farthest neighbor (MkFN) queries for spatial network databases. Given a positive integer k, a moving query point q, and a set of data points P, MkFN queries can constantly retrieve k data points that are farthest from the query point q. The challenge with processing MkFN queries in spatial networks is to avoid unnecessary or superfluous distance calculations between the query and associated data points. This study proposes a batch processing algorithm, called MOFA, to enable efficient processing of MkFN queries in spatial networks. MOFA aims to avoid dispensable distance computations based on the clustering of both query and data points. Moreover, a time complexity analysis is presented to clarify the effect of the clustering method on the query processing time. Extensive experiments using real-world roadmaps demonstrated the efficiency and scalability of the MOFA when compared with a conventional solution.

• 정보관리학회지
• /
• 제26권3호
• /
• pp.7-24
• /
• 2009

학술적 웹 공간을 대상으로 하는 연구는 페이지와 링크의 역동성 때문에 정량적인 방법과 함께 내용 분석 등의 정성적인 방법을 사용하는 것이 필요하다. 따라서 이 연구에서는 내용 분석의 한 방법으로 한국 학술적 웹 공간 내에서 외부 링크로 연결된 페이지 및 링크의 유형을 분류한 후 이를 네트워크 구조 분석에 반영하여 한국 학술적 웹 공간의 특성을 자세히 살펴보았다. 분석 결과 데이터의 수집 시점을 나타내는 기본 네트워크와 내용 분석 시점을 나타내는 활성 네트워크 사이에 구조적으로 큰 차이가 없었으나, 기관 유형별로 다른 기관들을 링크하는 목적이 다르게 나타났다. 그리고 한국 학술적 웹 공간은 여러 중앙성 지수들과 결속계수 간의 설명력이 유사하게 나타나는 형태의 네트워크임을 확인하였다.

• 천문학회보
• /
• 제36권2호
• /
• pp.131.1-131.1
• /
• 2011

We present applications of clustering methods to detect variability in massive astronomical time series data. Focusing on variability of bright stars, we use clustering methods to separate possible variable sources from other time series data, which include intrinsically non-variable sources and data with common systematic patterns. We already finished the analysis of the Northern Sky Variability Survey data, which include about 16 million light curves, and present candidate variable sources with their association to other data at different wavelengths. We also apply our clustering method to the light curves of bright objects in the SuperWASP Data Release 1. For the analysis of the SuperWASP data, we exploit a elastically configurable Cloud computing environments that the KISTI Supercomputing Center is deploying. Two quite different configurations are incorporated in our Cloud computing test bed. One system uses the Hadoop distributed processing with its distributed file system, using distributed processing with data locality condition. Another one adopts the Condor and the Lustre network file system. We present test results, considering performance of processing a large number of light curves, and finding clusters of variable and non-variable objects.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.17-28
• /
• 2022

The cable component of cable-stayed bridges is gradually impacted by weather conditions, vehicle loads, and material corrosion. The stayed cable is a critical load-carrying part that closely affects the operational stability of a cable-stayed bridge. Damaged cables might lead to the bridge collapse due to their tension capacity reduction. Thus, it is necessary to develop structural health monitoring (SHM) techniques that accurately identify damaged cables. In this work, a combinational identification method of three efficient techniques, including statistical analysis, clustering, and neural network models, is proposed to detect the damaged cable in a cable-stayed bridge. The measured dataset from the bridge was initially preprocessed to remove the outlier channels. Then, the theory and application of each technique for damage detection were introduced. In general, the statistical approach extracts the parameters representing the damage within time series, and the clustering approach identifies the outliers from the data signals as damaged members, while the deep learning approach uses the nonlinear data dependencies in SHM for the training model. The performance of these approaches in classifying the damaged cable was assessed, and the combinational identification method was obtained using the voting ensemble. Finally, the combination method was compared with an existing outlier detection algorithm, support vector machines (SVM). The results demonstrate that the proposed method is robust and provides higher accuracy for the damaged cable detection in the cable-stayed bridge.

• 정보관리학회지
• /
• 제32권1호
• /
• pp.153-169
• /
• 2015

이 연구에서는 토픽 모델링 결과 해석의 용이성을 위하여, 동적 인용 네트워크를 활용하여 LDA 기반 토픽 모델링의 토픽 수를 설정하고 중복 배치된 주요 키워드를 자아 중심 네트워크 분석을 통해 재배치하여 제시하는 방법을 제안하였다. 'White LED' 두 분야의 논문 데이터를 이용하여 분석한 결과, 동적 인용 네트워크 분석을 통해 형성된 분석대상 문헌집단에 혼잡도에 따른 토픽수를 사용하고 중복 분류된 토픽 내 주요 키워드를 자아중심 네트워크 분석 기법을 적용하여 재배치한 결과가 토픽 간의 중복도가 가장 낮은 것으로 나타났다. 따라서 동적 인용 네트워크 및 자아 중심 네트워크 분석을 적용함으로써 토픽모델링에 의한 분석 결과를 보완하는 다면적인 연구 동향 분석이 가능할 것으로 보인다.

• 한국산학기술학회논문지
• /
• 제18권5호
• /
• pp.1-9
• /
• 2017

최근 무선 센서 네트워크의 활발한 연구와 함께 센서 노드는 이동성과 위치 인식 기능을 가지는 등 성능이 점점 향상되고 있다. 이러한 센서 네트워크의 가장 중요한 목표 중의 하나는 이동성이 있는 다수의 센서 노드들에서 발생한 데이터를 에너지 효율을 고려하여 싱크 노드로 전송하는 것이다. 모바일 무선 센서 네트워크는 센서 노드들이 이동하기 때문에, 센싱된 데이터를 고정된 싱크로 전송하기 위해서는 에너지 소모량이 많아진다. 이에 대한 문제를 해결하고자 싱크가 네트워크 내부를 이동하면서 데이터를 수집하는 모바일 싱크에 대한 활용이 연구되고 있다. 모바일 무선 센서 네트워크에서 중요한 고려 사항은 이동성과 에너지 소모량이다. 각 센서 노드는 제한된 에너지를 보유하기 때문에 데이터 송신에 소모되는 에너지가 클 경우, 전체 네트워크 수명에 많은 영향을 준다. 본 논문에서는 모바일 센서 네트워크에서 모바일 싱크 기반 에너지 효율적인 클러스터링 기법을 제안한다. 제안된 내용은 모바일 센서 노드들의 이동성에 따라 새로운 클러스터 헤드를 선택할때의 에너지 효율을 높인다. 또한 전체 네트워크를 모바일 싱크 기반으로 여러 개의 클러스터 그룹으로 나누어, 이동성 문제를 고려하고 전체 에너지 소모량을 줄인다. 분석과 실험을 통해 제안된 기법이 이전의 모바일 센서 네트워크 클러스터링 기법보다 네트워크 에너지 효율성이 향상됨을 입증한다.

• 한국인터넷방송통신학회논문지
• /
• 제17권2호
• /
• pp.75-82
• /
• 2017

본 논문에서는 사회관계구조에 초점을 맞춘 사회관계망 분석을 고려한다. 사회관계망은 많은 사회집단으로 구성되어 있으며, 사회관계 구조 특성으로 인하여 같은 사회집단 내의 노드들은 서로 강한 유대관계를 가지고 있으며 다른 사회집단에 속한 노드와는 상대적으로 약한 유대를 가지게 된다. 사회관계망에서의 사회관계구조 검출은 사람들의 행동 및 상호작용의 분석과 예측을 가능하게 한다. 본 논문에서는 사회관계구조와 사회집단을 검출하기 위하여 사람들이 소지하는 스마트기기의 실제 블루투스 접촉 데이터를 이용한다. 네트워크 노드 간 유대를 추정하기 위한 다양한 유사도 측정 방식과 클러스터링을 기반으로 하는 사회관계구조 검출 방안을 제시한다. 제안하는 방안을 검증하기 위하여 교유관계 특성을 이용하는 성능측정방안을 이용한다.