• 한국수자원학회논문집
• /
• 제57권2호
• /
• pp.87-97
• /
• 2024

본 연구에서는 국가물관리기본계획의 2030년 물부족량 전망자료를 이용하여 공간군집특성을 고려한 우리나라 물부족 핫스팟 지역을 분석하였다. 물부족 최심 군집지역 도출을 위하여 표준유역 기준의 과거 최대 가뭄(약 50년 빈도)에 대한 물부족량 자료를 이용하여, Local Moran's I와 Getis-Ord Gi* 통계량으로 공간군집분석을 수행하였다. 클러스터맵(Cluster Map)을 통해 물부족 공간군집 대상지역을 선정하고, 공간적 군집 특성은 p-값 및 모란 산점도를 통해 적정성을 검증하였다. 분석 결과, 한강권역 내 1개 군집[임진강하류(#1023) 및 주변]과 낙동강권역 내 2개 군집 [대종천(#2403) 및 주변, 가화천(#2501) 및 주변] 지역이 물부족이 심각한 핫스팟 지역으로 나타났으며, 한강권역 내 1개 군집[남한강하류 (#1007) 및 주변]과 낙동강권역 내 1개 군집[병성천(#2006) 및 주변] 지역이 물부족 HL (해당지역은 물부족량이 많고 주변지역은 물부족량이 적은) 지역으로 나타났다. 표준유역단위 공간군집분석을 수행할 경우 물부족 공간군집지역 전체가 통계량 기준을 100% 만족하여 통계적으로 유의미한 결과가 도출되었다. 이는 표준유역 단위로 공간군집분석을 할 경우 가변적 공간단위 문제를 일정 부분 해결한 것으로 공간군집분석의 정확성이 상대적으로 높아졌다.

• 한국정보통신학회논문지
• /
• 제8권4호
• /
• pp.955-959
• /
• 2004

공간 데이터 마이닝을 위한 기존의 클러스터링 기법들은 점 객체만을 대상으로 한다. 즉, 선이나 면 같은 다양한 공간 객체들을 지원하지 못한다. 이것은 클러스터링 과정에서 객체들 간의 거리 계산에 있어서, 점 객체는 용이하지만 선과 면인 경우에는 어렵기 때문이다. 본 논문에서는 이러한 문제점을 해결하기 위하여 균등 격자를 이용한 클러스터링 기법을 설계한다. 세부적으로 이 기법에서는 다각형 객체들 간의 거리 계산을 균등 격자를 이용하여 단순화시킴으로서 거리 계산에 따른 시간과 비용을 줄일 수 있다.

• 정보처리학회논문지D
• /
• 제13D권5호
• /
• pp.633-640
• /
• 2006

공간 데이터마이닝 분야에서 객체간의 거리, 연결성, 상대적인 밀도를 기반으로 비슷한 객체들을 하나의 그룹으로 묶는 공간 클러스터링은 중요한 컴포넌트이다. 공간 클러스터링 알고리즘은 밀도 기반 클러스터링과 격자 기반 클러스터링 알고리즘 등으로 나눌 수 있다. 밀도 기반 클러스터링 알고리즘은 다양한 모양과 크기의 클러스터를 구분할 수 있으며, 잡음을 제거할 수 있는 장점을 가지고 있는 반면에, 격자 기반 클러스터링 처리속도가 빠르다는 장점을 가지고 있다. 하지만, 대량의 공간 데이터 집합을 클러스터링 하는 것은 데이터 처리 비용이 급격하게 증가하기 때문에 클러스터링 처리 결과에 큰 영향을 준다. 본 논문은 대용량의 공간 데이터베이스에서 공간 객체간의 고밀도 영역을 식별하여 잡음을 제거하기 위한 수치데이터 값과 기본 격자간격 개수를 정의하는 확장된 밀도-격자 기반 클러스터링 알고리즘을 제안한다. 제안 알고리즘은 고밀도 영역 식별을 위하여 threashold(DT)를 정의하였으며, 격자 및 밀도 기반 기법의 장점을 이용하여 임의의 객체 클러스터링을 식별할 수 있는 성능을 향상시켰다. 성능평가에서 기존의 클러스터링 알고리즘과의 다양한 비교 평가 실험을 통하여, 제안 알고리즘이 빠르고 정확한 데이터 클러스터링 결과를 나타냄을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2004년도 춘계종합학술대회
• /
• pp.374-377
• /
• 2004

공간 데이터 마이닝을 위한 기존의 클러스터링 기법들은 점 객체만을 대상으로 한다. 즉, 선이나면 같은 다양한 공간 객체들을 지원하지 못한다. 이것은 클러스터링 과정에서 객체들 간의 거리 계산에 있어서, 점 객체는 용이하지만, 선과 면인 경우에는 어렵기 때문이다. 본 논문에서는 이러한 문제점을 해결하기 위하여 균등 격자를 이용한 클러스터링 기법을 설계한다. 세부적으로 이 기법에서는 다각형 객체들 간의 거리 계산을 균등 격자를 이용하여 단순화시킴으로서 거리 계산에 따른 시간과 비용을 줄일 수 있다.

• Journal of Astronomy and Space Sciences
• /
• 제41권1호
• /
• pp.35-42
• /
• 2024

Sungrazing comets, known for their proximity to the Sun, are traditionally classified into broad groups like Kreutz, Marsden, Kracht, Meyer, and non-group comets. While existing methods successfully categorize these groups, finer distinctions within the Kreutz subgroup remain a challenge. In this study, we introduce an automated classification technique using the densitybased spatial clustering of applications with noise (DBSCAN) algorithm to categorize sungrazing comets. Our method extends traditional classifications by finely categorizing the Kreutz subgroup into four distinct subgroups based on a comprehensive range of orbital parameters, providing critical insights into the origins and dynamics of these comets. Corroborative analyses validate the accuracy and effectiveness of our method, offering a more efficient framework for understanding the categorization of sungrazing comets.

• 한국음향학회지
• /
• 제34권4호
• /
• pp.303-309
• /
• 2015

화자 분할은 사전에 분류되지 않은 데이터를 각각의 화자로 분류하는 연구이며 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)은 간결함과 계산의 효율성으로 인해 화자분할 분야에 널리 사용되어 왔다. 그러나 클러스터의 데이터들이 공간적이지 않으며 서로 다른 클러스터가 근접하여 경계를 공유할 때 오버클러스터링 문제가 발생하여 DBSCAN의 성능이 하락한다. 본 논문에서는 DBSCAN과 문제점을 설명하고, 개체의 지역적 특성에 기반한 밀도 기반 클러스터링 알고리즘을 제안한다. 제안하는 알고리즘은 개체의 지역적 밀도와 분산의 정도에 따라 가변적인 판단 기준을 탐색에 이용한다. DBSCAN과 제안 기법의 실험을 통해 성능을 비교하고 제안 기법의 효용을 보인다. 실험 결과 제안한 방법은 오버클러스터링이 발생하지 않으며 DBSCAN에 비해 보다 높은 정확도를 보여 지역적 특성을 이용한 접근 방법이 효과적임을 증명한다.

• 한국멀티미디어학회논문지
• /
• 제6권3호
• /
• pp.375-383
• /
• 2003

공간 마이닝에서 클러스터링은 오브젝트간의 거리나 연결 상태, 또는 공간상에서의 상대적인 밀도를 기반으로 서로 비슷한 오브젝트들을 하나의 그룹으로 묶는 과정이다. 실세계에서 공간 상에 분포하는 강이나 호수, 고속도로와 같은 장애물들은 클러스터링의 결과에 영향을 줄 수 있다. 본 논문은 장애물을 고려한 오브젝트 사이의 거리를 정의하고, 이를 이용하여 공간 오브젝트들을 밀도를 기반으로 클러스터링 하면서 동시에 공간상에 존재하는 장애물을 고려하는 새로운 공간 클러스터링 알고리즘(DBSCAN-O)을 제안한다. 또한 실험을 통해 DBSCAN-O가 기존의 밀도 기반 알고리즘인 DBSCAN에서 찾아내지 못한 새로운 형태의 클러스터링 결과를 도출하는 것을 보인다.

• 대한수의학회지
• /
• 제53권1호
• /
• pp.49-54
• /
• 2013

To investigate the transmission pattern of geographical area and temporal trends of the 2010~2011 foot-and-mouth disease (FMD) outbreaks in Korea, and to explore temporal intervals at which spatial clustering of FMD cases space-time analysis based on georeferenced database of 3,575 burial sites, from 30 November 2010 to 23 February 2011, was performed. The cases represent approximately 98.1% of all infected farms (n = 3,644) during the same period. Descriptive maps of spatial patterns of the outbreaks were generated by ArcGIS. Spatial Scan Statistics, using SaTScan software, was applied to investigate geographical clusters of FMD cases across the country. Overall, spatial heterogeneity was identified, and the transmission pattern was different by province. Cattle have more clusters in number but smaller in size, as compared to the swine population. In addition, spatiotemporal analysis and the comparison of clustering patterns between the first 7 days and days 8 to 14 of the outbreak revealed that the strongest spatial clustering was identified at the 7-day interval, although clustering over longer intervals (8~14 days) was also observed. We further discussed the importance of time period elapsed between FMD-suspected notice and the date of confirmation, and emphasized the necessity of region-specific and species-specific control measures.

• ETRI Journal
• /
• 제40권1호
• /
• pp.122-132
• /
• 2018

This paper proposes a hierarchical dual filtering (HDF) algorithm to estimate the spatial region between a Cloud of Things (CoT) gateway and an Internet of Things (IoT) device. The accuracy of the spatial region estimation is important for autonomous CoT clustering. We conduct spatial region estimation using a hidden Markov model (HMM) with a raw Bluetooth received signal strength indicator (RSSI). However, the accuracy of the region estimation using the validation data is only 53.8%. To increase the accuracy of the spatial region estimation, the HDF algorithm removes the high-frequency signals hierarchically, and alters the parameters according to whether the IoT device moves. The accuracy of spatial region estimation using a raw RSSI, Kalman filter, and HDF are compared to evaluate the effectiveness of the HDF algorithm. The success rate and root mean square error (RMSE) of all regions are 0.538, 0.622, and 0.75, and 0.997, 0.812, and 0.5 when raw RSSI, a Kalman filter, and HDF are used, respectively. The HDF algorithm attains the best results in terms of the success rate and RMSE of spatial region estimation using HMM.

• 산업공학
• /
• 제24권4호
• /
• pp.447-456
• /
• 2011

Identifying the major moving patterns of shoppers' movements in the selling floor has been a longstanding issue in the retailing industry. With the advent of RFID technology, it has been easier to collect the moving data for a individual shopper's movement. Most of the previous studies used the traditional clustering technique to identify the major moving pattern of customers. However, in using clustering technique, due to the spatial constraint (aisle layout or other physical obstructions in the store), standard clustering methods are not feasible for moving data like shopping path should be adjusted for the analysis in advance, which is time-consuming and causes data distortion. To alleviate this problems, we propose a new approach to spatial pattern clustering based on longest common subsequence (LCSS). Experimental results using the real data obtained from a grocery in Seoul show that the proposed method performs well in finding the hot spot and dead spot as well as in finding the major path patterns of customer movements.