• 천문학회보
• /
• 제46권1호
• /
• pp.47.2-47.2
• /
• 2021

Focusing on both small separations and baryonic acoustic oscillation scales, the cosmic evolution of the clustering properties of peak, void, wall, and filament-type critical points is measured using two-point correlation functions in ΛCDM dark matter simulations as a function of their relative rarity. A qualitative comparison to the corresponding theory for Gaussian random fields allows us to understand the following observed features: (i) the appearance of an exclusion zone at small separation, whose size depends both on rarity and signature (i.e. the number of negative eigenvalues) of the critical points involved; (ii) the amplification of the baryonic acoustic oscillation bump with rarity and its reversal for cross-correlations involving negatively biased critical points; (iii) the orientation-dependent small-separation divergence of the cross-correlations of peaks and filaments (respectively voids and walls) that reflects the relative loci of such points in the filament's (respectively wall's) eigenframe. The (cross-) correlations involving the most non-linear critical points (peaks, voids) display significant variation with redshift, while those involving less non-linear critical points seem mostly insensitive to redshift evolution, which should prove advantageous to model. The ratios of distances to the maxima of the peak-to-wall and peak-to-void over that of the peak-to-filament cross-correlation are ~2-√~2 and ~3-√~3WJ, respectively, which could be interpreted as the cosmic crystal being on average close to a cubic lattice. The insensitivity to redshift evolution suggests that the absolute and relative clustering of critical points could become a topologically robust alternative to standard clustering techniques when analysing upcoming surveys such as Euclid or Large Synoptic Survey Telescope (LSST).

• Geomechanics and Engineering
• /
• 제31권4호
• /
• pp.353-364
• /
• 2022

This study presents a hybrid algorithm for classifying the rock joints, where the improved artificial bee colony (IABC) and the fuzzy C-means (FCM) clustering algorithms are incorporated to take advantage of the artificial bee colony (ABC) algorithm by tuning the FCM clustering algorithm to obtain the more reasonable and stable result. A coefficient is proposed to reduce the amount of blind random searches and speed up convergence, thus achieving the goals of optimizing and improving the ABC algorithm. The results from the IABC algorithm are used as initial parameters in FCM to avoid falling to the local optimum in the local search, thus obtaining stable classifying results. Two validity indices are adopted to verify the rationality and practicability of the IABC-FCM algorithm in classifying the rock joints, and the optimal amount of joint sets is obtained based on the two validity indices. Two illustrative examples, i.e., the simulated rock joints data and the field-survey rock joints data, are used in the verification to check the feasibility and practicability in rock engineering for the proposed algorithm. The results show that the IABC-FCM algorithm could be applicable in classifying the rock joint sets.

• Communications for Statistical Applications and Methods
• /
• 제22권6호
• /
• pp.625-637
• /
• 2015

We develop a Bayesian clustering procedure based on a Dirichlet process prior with cluster specific random effects. Gibbs sampling of a normal mixture of linear mixed regressions with a Dirichlet process was implemented to calculate posterior probabilities when the number of clusters was unknown. Our approach (unlike its counterparts) provides simultaneous partitioning and parameter estimation with the computation of the classification probabilities. A Monte Carlo study of curve estimation results showed that the model was useful for function estimation. We find that the proposed Dirichlet process mixture model with cluster specific random effects detects clusters sensitively by combining vague edges into different clusters. Examples are given to show how these models perform on real data.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 추계학술대회
• /
• pp.831-834
• /
• 2011

WSN 분야의 대표적인 알고리즘의 하나인 LEACH는 시스템 수명동안 모든 노드들이 균일한 횟수로 클러스터 헤더가 되는 것을 보장한다. 하지만 각 라운드별로 일정한 클러스터 헤더 수를 보장하지 못하여 클러스터 헤더가 선출되지 못하는 경우가 발생하거나 적은 수로 선출되는 경우가 발생한다. 클러스터 헤더가 적게 선출될 경우 클러스터 헤더에 높은 부하가 걸린다. 또한 선출된 클러스터 헤더의 위치에 따라 센서 노드가 소속되지 않은 클러스터가 발생할 경우도 있다. 이에 본 논문에서는 관심 영역을 일정한 섹터로 나누어 각 섹터마다 클러스터 헤더를 무작위로 하나씩 선출하는 알고리즘을 제안한다. 클러스터 구성 시 각 센서 노드는 가장 가까운 클러스터 헤더에 소속되어 클러스터 구성은 섹터와는 무관하게 진행된다. 이 알고리즘은 매 라운드마다 일정한 수의 클러스터 헤더를 보장하며 소속된 센서 노드가 없는 헤더가 발생하지 않도록 한다.

• 정보처리학회논문지C
• /
• 제17C권2호
• /
• pp.181-189
• /
• 2010

HAP(High Altitude Platform)은 지표면 17~22km위에 있는 성층권 영역에서 운행하는 정지 궤도 공중 플랫폼으로 공중에서의 MBS(Mobile Base Station)로서의 역할이 가능하다. HAP 기반 네트워크는 인공위성 시스템과 지상통신 시스템의 장점들을 가지고 있다. 본 논문에서는 HAP 기반망의 구성 및 그 유지를 위한 HAP MBS의 배치에 대해 연구한다. 이 연구를 위해 지상 이동 노드들을 클러스터링하기 위한 클러스터링 알고리즘이 사용되는데, 본 논문에서는 EM(Expectation Maximization) 클러스터링 알고리즘을 사용한다. 본 논문의 목표는 이동 통신 단말기들 간의 거리와, 각 단말기들의 이동속도를 고려하여 단말기들이 효율적으로 클러스터링 되어 HAP의 배치가 효율적일 수 있도록 EM 알고리즘을 적용 및 개선하고, 이 EM 알고리즘을 이용한 HAP MBS 배치기법을 인구밀도에 기반을 둔 RWP(Random Waypoint) 노드 모빌리티를 이용하여 그 성능을 평가한다.

• 한국멀티미디어학회논문지
• /
• 제14권10호
• /
• pp.1287-1302
• /
• 2011

무선 센서 네트워크에서 사용하는 클러스터링 기법은 전체 네트워크의 수명을 연장시키는 효율적인 방법이다. 그러나 이 방법은 기상감시 네트워크와 같이 센서 노드의 수집 데이터가 중복되기 쉬운 환경에 적용할 경우 노드가 불필요하게 소모하는 에너지가 많다. 문턱값(threshold)을 이용해 동작하는 클러스터링 기법의 경우 네트워크의 수명은 연장되었으나 수집하는 데이터의 정확도가 낮아 신뢰하기 어려운 문제점이 있어 이에 대한 개선이 필요하다. 또한 멀티 홉 전송을 이용하는 클러스터링 기법은 클러스터 헤드 노드 선정이 확률적으로 발생하므로 노드들의 링크가 단절되는 현상이 자주 일어나 데이터의 정상적인 수집이 어렵다. 이에 본 논문은 불필요한 에너지 소모를 줄이고 링크 단절 현상이 완화된 클러스터 형성 알고리즘을 제안하였다. 성능분석 결과에 의하면 제안하는 방법은 기존의 클러스터링 방법에 비해 노드들의 에너지 소모가 줄어들었으며 전송 효율이 증가하였고 수집 데이터의 정확도가 높아졌으며 전체 수명이 30% 정도 향상되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권5호
• /
• pp.169-178
• /
• 2021

최근 들어 공유자전거 시스템은 대중교통 이용이 어렵거나 불가능한 마지막 목적지까지의 거리인 "라스트 마일"을 해소하는 방안으로 주목받고 있다. 공유자전거 시스템에서는 자전거의 대여와 반납의 불균형으로 인해서 사용자가 원하는 시간에 원하는 대여소에서 자전거를 빌리거나 반납할 수 있는 문제가 자주 발생한다. 이에 자전거 재배치는 공유자전거 시스템을 효율적으로 운영하는데 매우 중요한 이슈이다. 자전거 재배치를 효율적이고 효과적으로 진행하기 위해서는 무엇보다 정확한 수요 예측이 이뤄져야 한다. 최근에는 대여소의 수요를 보다 정확하게 예측하기 위해 군집 기반의 수요 예측 모델을 활용하는 방법이 개발되고 있는데, 여기서는 군집 분석 단계가 매우 중요하다. 이 연구에서는 비결정적이고 수렴이 어려운 기존의 공유자전거 수요 예측을 위한 군집 방법의 단점을 극복하는 k-means 기반의 군집 알고리즘을 제안한다. 이 방법은 초기 중심점 방법을 활용하기 때문에 매번 동일한 결과를 얻을 수 있으며, 대여소의 시간별 반납/대여 비중을 이용하여 기존 방법과는 달리 이전 단계의 군집 결과를 필요로 하지 않아 반복해서 군집 분석을 수행할 필요가 없어 빠른 군집 분석이 가능한 장점이 있다.

• 산업진흥연구
• /
• 제9권2호
• /
• pp.45-58
• /
• 2024

본 연구는 대전 지역에 위치한 연구소기업과 전국에 있는 연구소기업 고객사 간의 사회적 네트워크 구조 특성을 동종 기술 간 지역적 군집화 경향으로 모형화했고, ERGM(Exponential Random Graph Model) 분석 모형 대비 관측값이 95% 신뢰구간 내 포함되었다. 기업 모두 대전 유성구에 위치한 경우, 다른 행정구역에 속한 경우보다 연결 확률이 약 13배 높았을 뿐만 아니라 동종 기술을 가진 기업 간에는 구색성 및 동질성 값이 부의 값(0.1904)으로 활발한 연결 경향을 보였으며, 특히 6대 기술 중 '환경·에너지기술(ET)' 기업 간에 P값이 0.035로 가장 유의하였다. 유성구에 속하지 않은 기업 사이에는 음의 값(-0.0035)을 보이고, 군집 경향도 적었다. 이를 통해 대덕연구개발특구가 입지한 대전광역시 유성구가 혁신클러스터의 중심지 역할을 형성하고 있음을 확인할 수 있었다.

• 정보처리학회논문지C
• /
• 제17C권3호
• /
• pp.291-298
• /
• 2010

무선 센서 네트워크에서 센서노드의 수명은 배터리에 의해 제한되므로 에너지는 가장 중요한 고려사항이다. 클러스터링은 네트워크의 에너지 소비를 효율적으로 관리하는데 사용되는 방법 중 하나이며, LEACH는 대표적인 클러스터링 알고리즘이다. LEACH는 센서 노드들의 에너지 소비를 공평하게 분산시키기 위해 에너지 소모적 기능을 하는 클러스터 헤드를 매 라운드마다 무작위로 순환시키는 방법을 사용하고 있다. 클러스터 헤드의 무작위 선정은 매 라운드 최적의 클러스터 헤드 수를 보장해주지 못한다. 그리고 밀도가 높은 클러스터에 위치한 클러스터 헤드는 과부하 상태가 된다. 본 논문에서는 클러스터 헤드의 수를 보장하기 위한 토큰 기반의 클러스터 헤드 선정 알고리즘과 균등한 밀도의 클러스터 형성을 위한 클러스터 선택 알고리즘을 제안한다. 시뮬레이션을 통하여 제안하는 알고리즘이 LEACH 보다 네트워크 수명이 9.3%정도 연장됨을 보여주었다.

• 천문학회보
• /
• 제41권1호
• /
• pp.39.1-39.1
• /
• 2016

The cosmic distance can be precisely determined using a 'standard ruler' imprinted by primordial baryon acoustic oscillation (hereafter BAO) in the early Universe. The BAO at the targeted epoch is observed by analyzing galaxy clustering in redshift space (hereafter RSD) of which theoretical formulation is not yet fully understood, and thus makes this methodology unsatisfactory. The BAO analysis through full RSD modeling is contaminated by the systematic uncertainty due to a non--linear smearing effect such as non-linear corrections and uncertainty caused by random viral velocity of galaxies. However, BAO can be probed independently of RSD contamination using the BAO peak positions located in the 2D anisotropic correlation function. A new methodology is presented to measure peak positions, to test whether it is also contaminated by the same systematics in RSD, and to provide the radial and transverse cosmic distances determined by the 2D BAO peak positions. We find that in our model independent anisotropic clustering analysis we can obtain about 2% and 5% constraints on $D_A$ and $H^{-1}$ respectively with current BOSS data which is competitive with other analysis.