• ETRI Journal
• /
• 제35권2호
• /
• pp.311-320
• /
• 2013

In most spectral clustering approaches, the Gaussian kernel-based similarity measure is used to construct the affinity matrix. However, such a similarity measure does not work well on a dataset with a nonlinear and elongated structure. In this paper, we present a new similarity measure to deal with the nonlinearity issue. The maximum flow between data points is computed as the new similarity, which can satisfy the requirement for similarity in the clustering method. Additionally, the new similarity carries the global and local relations between data. We apply it to spectral clustering and compare the proposed similarity measure with other state-of-the-art methods on both synthetic and real-world data. The experiment results show the superiority of the new similarity: 1) The max-flow-based similarity measure can significantly improve the performance of spectral clustering; 2) It is robust and not sensitive to the parameters.

• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2005년도 춘계 학술대회 발표논문집
• /
• pp.87-90
• /
• 2005

Today's state-of the-art speech recognition systems typically use continuous distribution hidden Markov models with the mixtures of Gaussian distributions. To obtain higher recognition accuracy, the hidden Markov models typically require huge number of Gaussian distributions. Such speech recognition systems have problems that they require too much memory to run, and are too slow for large applications. Many approaches are proposed for the design of compact acoustic models. One of those models is subspace distribution clustering hidden Markov model. Subspace distribution clustering hidden Markov model can represent original full-space distributions as some combinations of a small number of subspace distribution codebooks. Therefore, how to make the codebook is an important issue in this approach. In this paper, we report some experimental results on various quantization methods to make more accurate models.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제49권5호
• /
• pp.269-277
• /
• 2000

We propose two new types multi-stage blind clustering equalizers for QAM demoulation, which are called a complex classification algorithm(CCA) and a radial basis function algorithm(RBFA). The CCA uses a clustering technique based on the joint gaussian probability function and computes separately the real part and imaginary part for simple implementation as well as less computation. In order to improve the performance of CCA, the Dual-Mode CCA(DMCCA) incorporates the CCA tap-updating mode with the decision-directed(DD) mode. The RBFA reduces the number of cluster centers through three steps using the classification technique of RBF and then updates the equalizer taps for QAM demodulation. Test results on 16-QAM confirm that the proposed algorithms perform better the conventional multi-state equalizers in the senses of SER and MSE under multi-path fading channel.

• 정보처리학회논문지B
• /
• 제10B권6호
• /
• pp.587-592
• /
• 2003

강화학습을 적용하기에 적합한 많은 실세계의 제어 문제들은 연속적인 상태 또는 행동(continuous states or actions)을 갖는다. 연속 값을 갖는 문제인 경우, 상태공간의 크기가 거대해져서 모든 상태-행동 쌍을 학습하는데 메모리와 시간상의 문제가 있다. 이를 해결하기 위하여 학습된 유사한 상태로부터 새로운 상태에 대한 추측을 하는 함수 근사 방법이 필요하다. 본 논문에서는 1-step Q-learning의 함수 근사를 위하여 퍼지 클러스터링을 기초로 한 Fuzzy Q-Map을 제안한다. Fuzzy Q-Map은 데이터에 대한 각 클러스터의 소속도(membership degree)를 이용하여 유사한 상태들을 군집하고 행동을 선택하고 Q값을 참조했다. 또한 승자(winner)가 되는 퍼지 클러스터의 중심과 Q값은 소속도와 TD(Temporal Difference) 에러를 이용하여 갱신하였다. 본 논문에서 제안한 방법은 마운틴 카 문제에 적용한 결과, 빠른 수렴 결과를 보였다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.81-92
• /
• 2023

교통상황 분류는 신호연동그룹 단위의 정주기식 제어 기법을 효율적으로 적용하기 위하여 TOD 계획을 수립하는데 핵심적인 기술이다. 본 논문에서는 신호연동그룹에 속하는 모든 교차로의 교통 자료 즉, 속도-교통량-밀도를 활용할 수 있는 딥 임베디드 클러스터링(Deep-Embedded Clustering:DEC) 기반 교통상황 분류 방법론을 제시하였다. 기존의 신호계획의 경우 교통량 기반으로 주요 교차로를 선정하고 해당 교차로의 교통자료를 이용하여 단편적인 신호계획을 하였으나, 본 논문에서 제시된 방법론의 경우 신호연동 그룹내 다수 교차로의 종합적인 교통특성에 따라 교통상황을 유연하게 분류하여 신호계획을 할 수 있는 기반을 제공하였다. 본 연구에서 제시된 방법론은 일반적인 군집화 방법론이 입력 자료의 차원이 증가함에 따라 겪는 차원의 저주 (Curse of dimensionality) 문제를 완화함으로써 신호연동그룹에 속하는 모든 신호교차로의 교통자료를 고려한 신호시간 계획 수립이 가능하며 기존의 특정교차로 및 교통량만을 이용한 교통상황 분류방법론의 단점을 극복할 수 있음을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권1호
• /
• pp.341-360
• /
• 2012

The network topology for a wide area sensor network has to support connectivity and a prolonged lifetime for the many applications used within it. The concepts of structure and group in sociology are similar to the concept of cluster in wireless sensor networks. The clustering method is one of the preferred ways to produce a topology for reduced electrical energy consumption. We herein propose a cluster topology method based on sociological structures and concepts. The proposed sociological clustering topology (SOCT) is a method that forms a network in two phases. The first phase, which from a sociological perspective is similar to forming a state within a nation, involves using nodes with large transmission capacity to set up the global area for the cluster. The second phase, which is similar to forming a city inside the state, involves using nodes with small transmission capacity to create regional clusters inside the global cluster to provide connectivity within the network. The experimental results show that the proposed method outperforms other methods in terms of energy efficiency and network lifetime.

• 대한원격탐사학회지
• /
• 제1권1호
• /
• pp.5-27
• /
• 1985

A hill-sliding technique was devised to extract Gaussian clusters from the multivariate probability density estimates of sample data for the first step of iterative unsupervised classification. The underlying assumption in this approach was that each cluster possessed a unimodal normal distribution. The key idea was that a clustering function proposed could distinguish elements of a cluster under formation from the rest in the feature space. Initial clusters were extracted one by one according to the hill-sliding tactics. A dimensionless cluster compactness parameter was proposed as a universal measure of cluster goodness and used satisfactorily in test runs with Landsat multispectral scanner (MSS) data. The normalized divergence, defined by the cluster divergence divided by the entropy of the entire sample data, was utilized as a general separability measure between clusters. An overall clustering objective function was set forth in terms of cluster covariance matrices, from which the cluster compactness measure could be deduced. Minimal improvement of initial data partitioning was evaluated by this objective function in eliminating scattered sparse data points. The hill-sliding clustering technique developed herein has the potential applicability to decomposition of any multivariate mixture distribution into a number of unimodal distributions when an appropriate diatribution function to the data set is employed.

• Journal of Electrical Engineering and Technology
• /
• 제2권2호
• /
• pp.157-164
• /
• 2007

Diagnosis techniques based on the dissolved gas analysis(DGA) have been developed to detect incipient faults in power transformers. Various methods exist based on DGA such as IEC, Roger, Dornenburg, and etc. However, these methods have been applied to different problems with different standards. Furthermore, it is difficult to achieve an accurate diagnosis by DGA without experienced experts. In order to resolve these drawbacks, this paper proposes a novel diagnosis method using fuzzy clustering and a radial basis neural network(RBFNN). In the neural network, fuzzy clustering is effective for selecting the efficient training data and reducing learning process time. After fuzzy clustering, the RBF neural network is developed to analyze and diagnose the state of the transformer. The proposed method measures the possibility and degree of aging as well as the faults occurred in the transformer. To demonstrate the validity of the proposed method, various experiments are performed and their results are presented.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.167-176
• /
• 2005

본 논문은 음성인식에 쓰이는 음향모델의 모델링 방법 중 결정트리 상태공유 모델링(DTST)을 기반으로 출력 확률 분포의 혼합 가우시안 수를 줄여 모델을 최적화하는 방법을 제안한다. DTST는 음성학적 지식을 포함할 수 있는 질의어 집합과 유사도를 기반으로 한 결정 방법을 이용하는 것이다. 이때 상태들의 출력 확률 분포의 혼합 가우시안 수를 늘려 인식률을 증가시킬 수 있게 된다. 본 논문에서는 인식률이 최대가 되는 지점에서 혼합 가우시안들을 군집화 하여 그 수를 줄이고자 한다. 군집화 시에 필요한 거리 측정 방법은 유클리드(Euclidean)와 바타챠랴(Bhattacharyya) 방법을 이용하였고, 새로운 가우시안은 거리가 최소가 되는 두 가우시안으로부터 평균과 분산을 다시 계산하여 생성하였다. 증권상장 회사명(STOCKNAME) 1,680개의 단어 데이터베이스를 구성하여 실험한 결과 바타챠랴 방법은 $97.2\%$의 인식률을 유지하면서 전체 혼합 가우시안 수의 비율을 $1.0\%$로 감소시켰고, 유클리드 방법은 $96.9\%$의 인식률을 유지하면서 혼합 가우시안 수의 비율을 $1.0\%$로 감소시켜 모델을 최적화할 수 있었다.

• 융합보안논문지
• /
• 제13권3호
• /
• pp.17-23
• /
• 2013

클러스터링은 상호 의존적 구성에 필요한 구조적인 기술이다. 클러스터링은 가변적 업무부하를 처리하거나, 서비스 연속성을 저해하는 고장 발생 시 운영이 계속되도록 여러대의 컴퓨터시스템 기능을 서로 연결하는 메커니즘이다. 고 가용성 클러스터링 기능은 가능한 오랜시간 서버 시스템이 작동하는데 중점을 둔다. 이 클러스터 는 멀티플 시스템에서 실행되는 노드와 서비스를 중복하여 가지고 있어서 서로가 서로를 추적할 수 있다. Active-Standby 상태의 두 시스템이 있을 경우 활성 서버에 장애가 발생했을 때 모든 서비스가 대기 서버에서 구동돼 서비스가 이루어진다. 이 기능을 절체 또는 스위치오버(switchover)라 한다. 고가용성 클러스터링 기능은 가능한 오랜시간 서버 시스템이 작동하는데 중점을 둔다. 이 클러스터는 멀티플 시스템 에서 실행되는 노드와 서비스를 중복하여 가지고 있어서 서로가 서로를 추적할 수 있다. 한 노드가 장애 발생 시 둘째 노드가 몇초 이내에 고장 난 노드 임무를 수행한다. 고가용성 클러스터링 구조는 효율성 여부가 측정되어야 한다. 시스템 성능은 인프라시스템의 performance, latency, 응답시간(response Time), CPU 부하율(CPU utilization), CPU상의 시스템 프로세스(system process)수로 대표된다.