• 산업경영시스템학회지
• /
• 제37권3호
• /
• pp.89-98
• /
• 2014

Platform-based product family design is recognized as an effective method to satisfy the mass customization which is a current market trend. In order to design platform-based product family successfully, it is the key work to define a good product platform, which is to identify the common modules that will be shared among the product family. In this paper the clustering analysis using dendrogram is proposed to capture the common modules of the platform. The clustering variables regarding both marketing and engineering sides are derived from the view point of top-down product development. A case study of a cordless drill/drive product family is presented to illustrate the feasibility and validity of the overall procedure developed in this research.

• 대한산업공학회지
• /
• 제27권1호
• /
• pp.47-53
• /
• 2001

In this paper, we compare the classification performances of both ensemble and clustering algorithms (Data Bagging, Variable Selection Bagging, Parameter Combining, Clustering) to logistic regression in consideration of various characteristics of input data. Four factors used to simulate the logistic model are (1) correlation among input variables (2) variance of observation (3) training data size and (4) input-output function. In view of the unknown relationship between input and output function, we use a Taguchi design to improve the practicality of our study results by letting it as a noise factor. Experimental study results indicate the following: When the level of the variance is medium, Bagging & Parameter Combining performs worse than Logistic Regression, Variable Selection Bagging and Clustering. However, classification performances of Logistic Regression, Variable Selection Bagging, Bagging and Clustering are not significantly different when the variance of input data is either small or large. When there is strong correlation in input variables, Variable Selection Bagging outperforms both Logistic Regression and Parameter combining. In general, Parameter Combining algorithm appears to be the worst at our disappointment.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.673-676
• /
• 2004

Fast and high-quality document clustering algorithms play an important role in providing data exploration by organizing large amounts of information into a small number of meaningful clusters. In particular, hierarchical clustering provide a view of the data at different levels, making the large document collections are adapted to people's instinctive and interested requires. Many papers have shown that the hierarchical clustering method takes good-performance, but is limited because of its quadratic time complexity. In contrast, K-means has a time complexity that is linear in the number of documents, but is thought to produce inferior clusters. Think of the factor of simpleness, high-quality and high-efficiency, we combine the two approaches providing a new system named CONDOR system [10] with hierarchical structure based on document clustering using K-means algorithm to "get the best of both worlds". The performance of CONDOR system is compared with the VIVISIMO hierarchical clustering system [9], and performance is analyzed on feature words selection of specific topics and the optimum hierarchy depth.

• 한국지능시스템학회논문지
• /
• 제13권4호
• /
• pp.480-485
• /
• 2003

인쇄회로기판을 조립하는 SMT (surface mount technology) 라인의 AOI (automatic optical inspection) 형 검사기를 대상으로, 검사시간 단축을 위한 경로계획 방법을 제안한다. 기판에 존재하는 검사 윈도우들은 카메라의 FOV (field-of-view) 크기를 고려하여 클러스터링 되어야 하며, 전체 검사시간의 단축을 위하여 클러스터의 수를 최소화하는 것이 바람직하다. 주어진 기판에 대한 클러스터의 수를 최소화하기 위한 유전자 알고리즘을 새로이 제안하며, 이를 사용한 효과적 경로계획 방법을 제시한다. 상용 검사기를 대강으로 시뮬레이션을 수행하며, 비교 평가를 통하여 제안된 방법의 유용성을 검증한다.

• 한국정보처리학회논문지
• /
• 제7권8호
• /
• pp.2273-2286
• /
• 2000

데이터 웨어하우스에서 실체화 할 뷰들을 알맞게 선택하는 것은 분석적인 질의에 대한 정확하고 신속한 응답을 얻기 위해서 대단히 중요한 문제이다. 기존의 뷰 선택 알고리즘들에서는 릴레이션 전체가 실체화 뷰들로서 고려되었다. 그러나, 릴레이션의 부분 대신 전체를 실체화한다는 것은 시간과 공간 비용측면에서 좋지 못한 성능을 초래한다. 따라서, 우리는 기존 뷰 선택 알고리즘들에서의 문제점을 극복하기 위해서 개선된 실체화 뷰 선택 알고리즘을 제안한다. 제안된 알고리즘 ASVMRT(Algorithm for Selection on Views to Materialize using Reduced Table)에서는 먼저 속성-값들의 농도에 기반을 둔 자동 클러스터링을 사용하여 축약 테이블들을 데이터 웨어하우스에서 생성한 다음, 원래의 베이스 릴레이션들의 조합 대신에 축약 테이블들의 조합을 실체화 뷰들로 고려한다. 제안한 알고리즘의 타당성 검증을 위하여 우리는 실험결과에서 시간 및 공간 모두에서 기존 알고리즘들보다 약 1.8배의 성능향상이 있음을 보인다.

• 정보관리학회지
• /
• 제29권1호
• /
• pp.331-349
• /
• 2012

구조적 초록은 학술 논문의 주제를 표현하는 역할을 하여 학술 논문을 처리하는데 중요한 요소로 인식되어왔다. 이 연구에서는 구조적 초록을 구성하는 세부 필드의 속성을 4개로 분석하고 초록의 구조를 활용하여 문서 클러스터링에 적용할 수 있는 가능성을 고찰고자 하였다. 구조적 초록의 필드 속성을 문서 클러스터링에 적용한 결과 클러스터링 기법간의 편차가 있었으나 연구 목적이 제공하는 정보량에 비해 주제성이 커서 클러스터링 성능에 가장 큰 영향을 미치고 있는 것으로 나타났다. 또한 분석 결과 특정 필드에 특화되어 출현하는 필드 종속적인 단어가 발생하는 것으로 나타나 필드 종속적인 단어를 배제하고 집단내 평균연결 기법을 적용하였을 때는 클러스터링의 성능이 개선되는 것으로 분석되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권6호
• /
• pp.3121-3143
• /
• 2019

Segmentation plays an important role in the field of image processing and computer vision. Intuitionistic fuzzy C-means (IFCM) clustering algorithm emerged as an effective technique for image segmentation in recent years. However, standard fuzzy C-means (FCM) and IFCM algorithms are sensitive to noise and initial cluster centers, and they ignore the spatial relationship of pixels. In view of these shortcomings, an improved algorithm based on IFCM is proposed in this paper. Firstly, we propose a modified non-membership function to generate intuitionistic fuzzy set and a method of determining initial clustering centers based on grayscale features, they highlight the effect of uncertainty in intuitionistic fuzzy set and improve the robustness to noise. Secondly, an improved nonlinear kernel function is proposed to map data into kernel space to measure the distance between data and the cluster centers more accurately. Thirdly, the local spatial-gray information measure is introduced, which considers membership degree, gray features and spatial position information at the same time. Finally, we propose a new measure of intuitionistic fuzzy entropy, it takes into account fuzziness and intuition of intuitionistic fuzzy set. The experimental results show that compared with other IFCM based algorithms, the proposed algorithm has better segmentation and clustering performance.

• 한국인터넷방송통신학회논문지
• /
• 제17권2호
• /
• pp.147-157
• /
• 2017

최근에는 슈퍼-픽셀 (super-pixel)은 컴퓨터 발전 응용에 널리 사용되고 있다. 슈퍼 픽셀 알고리즘은 픽셀을 지각적으로 실행이 가능한 영역으로 변환하여 그리드 픽셀의 경직된 특징을 줄일 수 있다. 특히, 슈퍼 픽셀은 깊이 추정, 골격 작업, 바디 라벨링 및 기능 국소화 등에 사용된다. 그러나 이러한 작업을 수행하기 위해 우수한 슈퍼 픽셀 파티션을 생성하는 것은 쉽지 않다. 특히 슈퍼 픽셀은 비합, 지속, 폐쇄, 지각 불변과 같은 형태 측면을 고려할 때보다 의미있는 특징을 만족시키지는 못한다. 본 논문에서는 단순 선형 반복 클러스터링과 퍼지 클러스터링 개념을 결합한 고급 알고리즘을 제안한다. 단순 선형 반복 클러스터링 기술은 이미지 경계, 속도, 메모리 효율이 기존 방법보다 높다. 그것은 형태 측면의 맥락에서 슈퍼 픽셀 형태에 대해 양호하게 작거나 규칙적인 특성을 제안하는 것은 아니다. 퍼지 유사성 측정은 제한된 크기와 이웃을 고려하여 합리적인 그래프를 제공한다. 보다 작고 규칙적인 픽셀을 얻으며 부분적으로 관련된 특징을 추출 할 수 있다. 시뮬레이션은 퍼지 유사성 기반 슈퍼 픽셀 생성은 사람의 이미지를 분해하는 방식으로 자연적 특징을 대표적으로 나타낸다.

• 전자공학회논문지SC
• /
• 제46권6호
• /
• pp.1-8
• /
• 2009

여러 대의 카메라를 이용한 감시 시스템이 정확하고 효율적으로 동작하기 위하여 카메라 시야 간의 연결 관계를 아는 것이 필수적이다. 카메라들의 연결 관계를 파악하기 위하여 카메라 시야 내의 출입 영역을 검출하는 일이 선행되어야 한다. 본 논문에서는 카메라 시야에서 객체의 등장 및 퇴장으로부터 얻은 데이터에 그래프 이론 기반의 클러스터링(clustering)을 적용하여 시야 내의 출입 영역을 검출하는 방법을 제안한다. 데이터 포인트들 사이의 관계를 조사하여 최소신장트리를 구성하고, 트리의 에지들 중 일관성을 갖지 않는 것들을 삭제하여 well-formed 클러스터를 얻는다. 본 논문에서는 클러스터의 형태를 설명하는 두 가지 특징을 정의하고 이를 클러스터의 분할 조건으로 사용하였다. 실험결과를 통하여 데이터 포인트의 분포가 조밀하지 않은 경우 expectation maximization(EM)에 기반을 둔 방법에 비하여 치안하는 방법이 보다 효과적으로 클러스터링을 수행함을 확인하였다. 또한 EM 기반 방법들에 비하여 안정적인 결과를 얻기 위해 필요한 데이터 포인트의 개수가 적으므로 출입영역에 대한 학습시간을 단축할 수 있다.

• KSBB Journal
• /
• 제16권4호
• /
• pp.381-388
• /
• 2001

DNA칩의 유전자 발현 데이터의 통합적 분석을 위하여 매트랩을 기반으로 한 통합분석 프로그램을 구축하였다. 이 프로그램은 유전자 발현 분석을 위해 일반적으로 많이 쓰는 방법인 Hierarchical clustering(HC), K-means, Self-organizing map(SOM), Principal component analysis(PCA)를 지원하며, 이외에 Fuzzy c-means방법과 최근에 발표된 Singular value decomposition(SVD) 분석 방법도 지원하고 있다. 통합분석프로그램의 성능을 알아보기 위하여 효모의 포자형성(sporulation)과 정의 유전자발현 데이터를 사용하였으며, 각 분석 방법에 따른 분석 결과를 제시하였으며, 이 프로그램이 유전자 발현데이타의 통합적인 분석을 위해 효과적으로 사용될 수 있음을 제시하였다.