• 응용통계연구
• /
• 제22권4호
• /
• pp.745-758
• /
• 2009

자발적인 군집을 유도하는 다변량 통계기법으로 널리 사용되는 군집분석은 데이터에 기반한 탐색적 방법으로 쓰이며 군집원칙에 따라 여러 가지 방법이 제안되어 왔다. 또한 군집화된 결과에 대하여 유효성을 측정하는 측도도 다양한방법이 개발되었다. 본 연구에서는 계층적 군집분석 방법으로 최장연결법과 Ward의 방법, 비계층적 군집분석 방법으로 K-평균법 그리고 확률분포정보를 활용한 모형기반 군집분석방법을 이용하여 모의실험으로 군집분석을 실시하고 군집유효성 측도로는 연결성, Dunn 지수, 실루엣을 구하여 각 군집방법에 대해 유효성을 비교한다. 또한, 한우 관능평가 데이터에 군집분석을 적용하여 최적의 군집 상황을 구하고자 한다.

• 디지털콘텐츠학회 논문지
• /
• 제18권5호
• /
• pp.989-994
• /
• 2017

본 논문은 2D 라이다를 이용해서 포트홀을 검출하는 시스템과 알고리즘을 제안한다. 기존의 포트홀을 검출하는 방법에는 진동, 3D 복원, 영상, 명암을 기반으로 한 방법이 있다. 제안하는 포트홀 검출 시스템은 저가형 LiDAR 두 개를 이용하여 포트홀 검출성능을 개선한다. 포트홀 검출 알고리즘은 LiDAR를 통해 얻은 데이터의 노이즈를 제거하기 위한 전처리과정, 시각화를 위한 클러스터링과 선분추출, 포트홀 검출을 위한 기울기 함수를 구하는 단계로 나뉜다. 기울기 함수를 통해 추출된 데이터의 특징점을 찾아내어 포트홀 여부를 검사하고 포트홀의 깊이와 폭을 측정한다. 2개의 라이다를 활용한 포트홀 검출 시스템을 개발하고, 라이다 장치를 이동하면서 포트홀을 검출함으로써 2D LiDAR를 이용한 3차원 포트홀 검출 시스템의 성능을 보인다.

• 한국항행학회논문지
• /
• 제26권6호
• /
• pp.427-433
• /
• 2022

무인항공기의 충돌 회피 기술은 장애물에 대한 탐지 기술과 충돌 여부 판단 및 회피 기술이 요구된다. 본 논문은 공선상에 존재하는 다중 정적 장애물에 대한 무인항공기의 충돌 회피를 수행하기 위하여, LiDAR를 활용한 장애물 탐지 알고리즘과 최근접점 기반의 충돌 인식 및 회피 알고리즘을 제안한다. 장애물 탐지를 수행하기 위하여 LiDAR의 측정 데이터 중 지면을 제거하는 전처리를 수행하고, K-평균 군집화 알고리즘을 활용하여 전처리된 데이터에서 장애물을 탐지 및 분류한다. 또한, 상대 항법을 통해 탐지한 다중 장애물의 절대 위치를 추정하며, 저주파 통과 필터를 활용하여 추정 위치를 보정한다. 탐지한 다중 정적 장애물과의 충돌 회피를 수행하기 위해 최근접점 기반의 충돌 인식 및 회피 알고리즘을 활용한다. 각 장애물 간의 거리를 활용하여 회피해야 하는 장애물 정보를 갱신하고, 갱신된 장애물 정보를 통해 충돌 인식 및 회피를 수행한다. 마지막으로 Gazebo 시뮬레이션 환경에서의 장애물 위치 추정, 충돌 인식 및 회피 결과 분석을 통해, 충돌 회피가 정상적으로 수행되는 것을 검증하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.547-553
• /
• 2008

본 논문에서는 2 단계 서류 레이아웃 분할 방법을 제안한다. 서류 분할의 1 차 단계는 top-down 계열의 영역 추출로서 모폴로지 기반의 거리 함수를 사용하여 주어진 영상 데이타를 사각형 영역들로 분할한다. 거리 사상 함수를 통한 예비 결과는 성능 개선을 위한 2 차 단계의 입력 변수로 작용한다. 서류 분할의 2차 단계로서 기계 학습 이론을 적용한다. 통계 모델을 따르는 RBF 신경망을 선택하였고, 은닉 층의 설계를 위해 코호넨 네트워크의 자기 조직화 성격을 활용한 데이타 군집화 기법을 기반으로 하였다. 본 논문에서는 300개의 영상에서 추출된 영역 데이타를 통해 학습된 신경망이 1차 단계에서 도출된 예비 결과를 개선함을 연구 결과로 제시하였다.

• 한국통신학회논문지
• /
• 제35권7B호
• /
• pp.1098-1104
• /
• 2010

최근 무선 센서 네트워크(WSN : Wireless Sensor Network)에서 센서노드의 에너지 소모 균등성과 효율성을 향상시켜 전제 네트워크의 수명을 최대화하기 위한 다양한 멀티 홉 라우팅 프로토콜들이 제안되고 있다. 특히, 멀티홉기법이 향상된 에너지 효율성과 실제 적용 가능한 모델로 큰 각광받고 있다. 기존 멀티-홉 기법에서는 센서노드사이 거리에 따라 발송 에너지 능동조절 가능하다는 가정을 전제로 한다. 그러나 무선센서의 물리적 특성을 고려해보면 멀티-홉 기법의 이 가정은 현재 무선통신시스템기술로 실현하기 어렵다. 이 논문에서는 모든 센서노드는 일정한 전파범위를 유지한다는 물리특성을 기초로 에너지 효율성을 향상시킨 저 전력 클러스터링 기법을 제안한다. 제안기법은 기존기법보다 실제 무선센서네트워크 적용하기 용이하다.

• Journal of Information Processing Systems
• /
• 제13권3호
• /
• pp.500-517
• /
• 2017

In this paper, an improved zone-based routing protocol for heterogeneous wireless sensor networks is proposed. The proposed protocol has fixed the sized zone according to the distance from the base station and used a dynamic clustering technique for advanced nodes to select a cluster head with maximum residual energy to transmit the data. In addition, we select an optimal route with minimum energy consumption for normal nodes and conserve energy by state transition throughout data transmission. Simulation results indicated that the proposed protocol performed better than the other algorithm by reducing energy consumption and providing a longer network lifetime and better throughput of data packets.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.278-280
• /
• 2012

본 논문에서는 노드의 위치 정보와 유효성 경로에 따라 클러스터링내의 헤드 노드를 선출하는 방법 중 하나로 에너지 효율성을 고려한 ECOPS(Energy Conserving Optimal path Schedule) 알고리즘을 제안한다. 기존 LEACH 알고리즘은 헤드 노드를 선출할 때 노드의 에너지 확률적 분포 함수에 기반 하여 헤드 노드의 주기를 선택적으로 관리하게 된다. 그러나 이 경우 중계노드의 거리 정보 등 상황 정보 인자가 반영되지 않아 위치적으로 또는 중계노드로 적당하지 않은 노드들이 확률분포에 포함되어 헤드노드로 선택 되는 경우가 발생한다. 따라서 본 논문에서는 기존의 LEACH 기반에서 계층적인 클러스터 구조의 토폴로지로부터 헤드 노드를 선택함에 있어 인접한 노드와의 위치상황 정보인자 및 잔존에너지의 상황정보를 이용하는 ECOPS 알고리즘을 제안 한다. 제안된 ECOPS 알고리즘은 헤드 노드 교체 상황에서 후보 헤드노드 중 최적의 효율적인 에너지 보존 경로를 가지는 멤버 노드가 새로운 헤드 노드로 선출됨으로써 전체 노드 수명 및 네트워크의 관리를 향상시키는 것으로 모의실험 결과를 나타내었다.

• Journal of information and communication convergence engineering
• /
• 제14권4호
• /
• pp.215-221
• /
• 2016

We consider a design of a combined quantizer and estimator for distributed systems wherein each node quantizes its measurement without any communication among the nodes and transmits it to a fusion node for estimation. Noting that the quantization partitions minimizing the estimation error are not independently encoded at nodes, we focus on the parameter regions created by the partitions and propose a cluster-based quantization algorithm that iteratively finds a given number of clusters of parameter regions with each region being closer to the corresponding codeword than to the other codewords. We introduce a new metric to determine the distance between codewords and parameter regions. We also discuss that the fusion node can perform an efficient estimation by finding the intersection of the clusters sent from the nodes. We demonstrate through experiments that the proposed design achieves a significant performance gain with a low complexity as compared to the previous designs.

• 제어로봇시스템학회논문지
• /
• 제21권10호
• /
• pp.958-964
• /
• 2015

In this paper, an object recognition method based on the depth information from the RGB-D camera, Xtion, is proposed for an indoor mobile robot. First, the RANdom SAmple Consensus (RANSAC) algorithm is applied to the point cloud obtained from the RGB-D camera to detect and remove the floor points. Next, the removed point cloud is classified by the k-means clustering method as each object's point cloud, and the normal vector of each point is obtained by using the k-d tree search. The obtained normal vectors are classified by the trained multi-layer perceptron as 18 classes and used as features for object recognition. To distinguish an object from another object, the similarity between them is measured by using Levenshtein distance. To verify the effectiveness and feasibility of the proposed object recognition method, the experiments are carried out with several similar boxes.

• 한국통신학회논문지
• /
• 제32권9C호
• /
• pp.861-866
• /
• 2007

본 논문은 가우시안 확률분포함수 (Gaussian Probability Distribution Function) 데이터 군집화를 위해 중심신경망 (Centroid Neural Network, CNN)에 Bhattacharyya 커널을 적용한 군집화 알고리즘 (Bhattacharyya Kernel based CNN, BK-CNN)을 제안한다. 제안된 BK-CNN은 무감독 알고리즘인 중심신경망을 기반으로 하고 있으며, 커널 방법을 이용하여 데이터를 특징공간에서 투영한다. 입력공간의 비선형 문제를 선형적으로 해결하기 위해 제안한 커널 방법인데, 확률분포 사이의 거리측정을 위해 Bhattacharyya 거리를 이용한 커널방법을 사용하였다. 제안된 BK-CNN을 영상데이터 분류의 문제에 적용했을 때, 제안된 BK-CNN 알고리즘이 Bhattacharyya 커널을 적용한 k-means, 자기조직지도(Self-Organizing Map)와 중심 신경망등의 기존 알고리즘보다 1.7% - 4.3%의 평균 분류정확도 향상을 가져옴을 확인할 수 있었다.