• 한국인터넷방송통신학회논문지
• /
• 제17권1호
• /
• pp.167-172
• /
• 2017

무선 센서 네트워크의 수명 연장을 위해서 이동 노드를 활용하는 방법들이 제안되었고 최근 드론 기술의 발달로 드론을 활용한 데이터 수집에 관련된 연구들이 활발하게 진행되고 있다. 지상의 무선 센서 네트워크와 드론을 연동할 경우 데이터 수집의 실시간성과 효율성이 높아지는 장점이 있다. 그러나 기존의 연구들은 드론의 에너지 소모를 줄이기 위해 비행 거리를 최소화하는 문제만을 집중하고 있어 노드들의 에너지 소모가 균일하지 못하는 문제를 발생 시킨다. 이러한 불균형적인 노드의 에너지 소모는 각 네트워크의 단절을 가속화하고 이로 인해 드론의 비행거리가 증가하는 문제가 발생한다. 본 논문에서는 이러한 문제를 해결하기 위해 각 클러스터의 내용을 수집하여 드론과 직접 통신하는 랑데부 노드 선정 시 드론의 예상 비행거리와 노드의 수명을 고려한 기법을 제안하였다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2007년도 추계학술대회 논문집
• /
• pp.1731-1737
• /
• 2007

차량운용문제 혹은 열차반복문제는 수송계획, 열차운행계획에서 작성된 열차운행시각에 기초하여 편성유형 또는 차종에 따라 주어진 제약조건(선회조건, 검수조건, 기지복귀조건 등)을 반영하여 최적의 차량운용 다이아, 운용순서를 구성하는 문제이다. 일반적으로 이 문제는 집합분할(Set Partition)문제로 모델링하여 열생성(Column Generation) 기법을 사용하여 제약조건에 맞는 운용을 생성하였다. 하지만, 본 연구에서는 지하철과 같이 열차운행의 빈도는 높고 물리적 네트웍은 간단하며 시종착역의 수가 적을 경우 많은 대안 경로(Alternative Routing)들이 생성되는 특징 및 일반 철도와는 다른 역에서의 공간적 제약에 따른 차량 선회 제약을 고려하여 차량운용수를 최소화할 수 있는 지하철 차량운용 문제에 대한 수학적인 모델을 제시하고자 한다. 먼저, 차량선회제약만을 고려하여 최소비용 흐름 모형으로 네트워크 모형을 구성하였다. 최소비용 흐름 모형을 결과로 생성된 운용을 바탕으로 각 운용의 운행거리를 정규화(Normalize)하는 휴리스틱 기법을 제안하였다. 또한, 이 방법론을 실제와 유사한 지하철 열차 스케줄에 적용하였고 약 14%의 차량소요 감소 및 최대 영업거리 약 11%, 표준영업거리편차 약 5% 감소를 통하여 본 연구결과의 유용성을 확인하였다.

• 한국통신학회논문지
• /
• 제28권12B호
• /
• pp.1066-1080
• /
• 2003

본 논문에서는 대규모 고속 통신망에서 분산 멀티미디어 응용을 지원하기 위한 확장가능한 2단계의 QoS 라우팅 방식을 제안한다. QoS 라우팅 문제는 다중척도 최단거리 문제로 변형될 수 있으며 이는 NP-complete로 알려져 있다. 계층적 통신망을 위하여 제안된 라우팅 방식은 두 단계로 이루어져 있다. 첫번째 단계는 특정 응용의 요구와 관계없이 모든 수준의 도메인에서 들어오는 경계노드와 나가는 경계노드 쌍간에 도메인을 경유하는 횡단트래픽을 위한 경로의 QoS distance 값을 정기적으로 선계산한다. 두번째 단계는 응용에서의 요구가 왔을때 실행되며, 계층적 완전경로 계산에 필요한 그래프 구축을 위한 분산알고리즘이 실행된다. 이와같이 자원가용성 정보를 공시하지 않고 조회방식을 사용함으로써 정보의 flood로 생성되는 많은 통신 오버헤드를 줄일 수 있다. 제안된 알고리즘에서는 또한 기존의 방식에서 완전히 무시되거나 혹은 부분적으로 고려되었던 통신망의 위상도 고려하여 계층적 완전경로의 불완전성을 보완하였다. 마지막으로 대략적으로 계산된 계층적 완전경로부터 QoS 라우팅 문제를 체계적으로 분할하여 수준1 도메인의 경로로 확장하는 분산 알고리즘을 제안하였다.

• 한국정보통신학회논문지
• /
• 제11권11호
• /
• pp.2158-2165
• /
• 2007

본 논문에서는 비선형 블라인드 채널등화기의 구현을 위하여 가우시안 가중치(gaussian weights)를 이용한 개선된 퍼지 클러스터(Modified Fuzzy C-Means with Gaussian Weights: MFCM_GW) 알고리즘을 제안한다. 제안된 알고리즘은 기존 FCM 알고리즘의 유클리디언 거리(Euclidean distance) 값 대신 Bayesian Likelihood 목적 함수(fitness function)와 가우시안 가중치가 적용된 멤버십 매트릭스(partition matrix)를 이용하여, 비선형 채널의 출력으로 수신된 데이터들로부터 최적의 채널 출력 상태 값(optimal channel output states)들을 직접 추정한다. 이렇게 추정된 채널 출력 상태 값들로 비선형 채널의 이상적 채널 상태(desired channel states) 백터들을 구성하고, 이를 Radial Basis Function(RBF) 등화기의 중심(center)으로 활용함으로써 송신된 데이터 심볼을 찾아낸다. 실험에서는 무작위 이진 신호에 가우시안 잡음이 추가된 데이터를 사용하여 기존의 Simplex Genetic Algorithm(GA), 하이브리드 형태의 GASA(GA merged with simulated annealing(SA)), 그리고 과거에 발표되었던 MFCM 등과 그 성능을 비교 분석하였으며, 가우시안 가중치가 적용된 MFCM_GW를 이용한 채널등화기가 상대적으로 정확도와 속도 면에서 우수함을 보였다.

• 한국잡초학회지
• /
• 제17권3호
• /
• pp.303-309
• /
• 1997

가막사리 50개 수집종을 대상으로 여러 가지 형태적(形態的), 생리적(生理的)특성의 변이를 조사하고, 초형(草形), 열엽편수(裂葉片數), 수과(瘦果)길이, 개화소요일수(開花所要日數)를 기준(基準)으로 Ward의 최소분산법(最小分散法)으로 군집분석(群集分析)을 한 결과는 다음과 같다. 가막사리 수집종은 초형, 경장, 개화소요일수, 엽장폭비, 열엽편수, 엽록소함량, 엽색, 경색, 수과색, 수과길이, 수과장폭비 에서 다양한 변이를 보였으며, 수집종에 따라 약간의 변이가 있으나 대부분 상당한 휴면성과 광발아성이 있었다. 초형은 직립형(I)에서 삼각형(V)까지 다양했는데, 마름모형(III)이 가장 많았고, 경장과는 5% 수준에서 부(負)의 상관관계가 있는 것으로 나타났다. 열엽편수는 3개인 것이 가장 많았고 그 다음은 5개의 순으로 나타났는데 열엽(裂葉)되지 않는 수집종도 있었다. 수과길이 및 엽록소함량과는 5% 수준에서 엽장폭비와는 1% 수준에서 부(負)의 상관관계가 있었다. 개화소요일수는 94-141 일 범위였다. 수과길이와는 1% 수준에서, 엽장폭비와는 5% 수준에서 정(正)의 상관관계, 그리고 수과색과는 1% 수준에서 부(負)의 상관관계를 보였다. 수과길이는 6.5-14.0mm의 범위로, 평균 10.0mm, 표준편차 1.7로 9.0-12.0mm 사이가 60%를 차지했다. 수과장폭비, 경장, 개화소요일수와는 1% 수준에서, 엽장폭비와는 5% 수준에서 정(正)의 상관관계를, 그리고 엽색, 경색, 수과색, 열엽편수와는 5% 수준에서 부(負)의 상관관계를 보였다. Ward의 최소분산법을 이용한 군집분석 결과 거리 0.06에서 식물학적으로 특성이 각기 다른 6개 군으로 분류할 수 있었다.

• 전기전자학회논문지
• /
• 제12권1호
• /
• pp.65-74
• /
• 2008

패턴 분류에 많이 사용되는 기법 중의 하나인 메모리 기반 추론 알고리즘은 단순히 메모리에 저장하고 분류 시에 저장된 패턴과 테스트 패턴간의 거리를 계산하여 가장 가까운 학습패턴의 클래스로 분류하는 기법이기 때문에 패턴의 개수가 늘어나면 메모리가 증가하고 또한 추가로 패턴이 발생할 경우 처음부터 다시 수행해야하는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위하여 이미 학습한 대표패턴을 기억하고 새로 들어오는 패턴에 대해서만 학습하는 점진적 학습 방법을 제안한다. 즉 추가로 학습패턴이 발생할 경우 매번 전체 학습 패턴을 다시 학습하는 것이 아니라, 새로 추가된 데이터만을 학습하여 대표패턴을 추출하여 메모리사용을 줄이는 iMPA(incremental Multi Partition Averaging)기법을 제안하였다. 본 논문에서 제안한 기법은 대표적인 메모리기반 추론 기법인 k-NN 기법과 비교하여 현저하게 줄어든 대표패턴으로 유사한 분류 성능을 보여주며, 점진적 특성을 지닌 NGE 이론을 구현한 EACH 시스템과 점진적인 실험에서도 탁월한 분류 성능을 보여준다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권4호
• /
• pp.478-487
• /
• 2004

메모리 기반 추론에서 기억공간의 효율적인 사용과 분류성능의 향상을 위하여 제안되었던 RPA(Recursive Partition Averaging)알고리즘은 대상 패턴 공간을 분할 한 후 대표 패턴을 추출하여 분류 기준 패턴으로 사용한다. 이 기법은 메모리 사용 효율과 분류 성능 면에서 우수한 결과를 보였지만, 분할 종료 조건과 대표패턴의 추출 방법이 분류 성능 저하의 원인이 되는 단점을 가지고 있었다. 여기에서는 기존 RPA의 단점을 보안한 ARPA(Adaptive RPA) 알고리즘을 제안한다. 제안된 알고리즘은 패턴 공간의 분할 종료 조건으로 특징별 최빈 패턴 구간(FPD: Feature-based population densimeter)추출 알고리즘을 사용하며, 학습 결과 패턴의 생성을 대표패턴 추출기법 대신 최빈 패턴 구간을 이용하여 생성한 최적초월평면(OH： Optimized Hyperrectangle)을 사용한다. 제안된 알고리즘은 k-NN 분류기에서 필요로 하는 메모리 공간의 40%정도를 사용하며, 분류에 있어서도 RPA보다 우수한 인식 성능을 보이고 있다. 또한 저장된 패턴의 감소로 인하여, 실제 분류에 소요되는 시간 비교에 있어서도 k-NN보다 월등히 우수한 성능을 보이고 있다.

• 전기학회논문지
• /
• 제67권2호
• /
• pp.285-292
• /
• 2018

In this paper, we propose a distributed search of a cluster robot using tree structure in an unknown environment. In the proposed method, the cluster robot divides the unknown environment into 4 regions by using the LRF (Laser Range Finder) sensor information and divides the maximum detection distance into 4 regions, and detects feature points of the obstacle. Also, we define the detected feature points as Voronoi Generators of the Voronoi Diagram and apply the Voronoi diagram. The Voronoi Space, the Voronoi Partition, and the Voronoi Vertex, components of Voronoi, are created. The generated Voronoi partition is the path of the robot. Voronoi vertices are defined as each node and consist of the proposed tree structure. The root of the tree is the starting point, and the node with the least significant bit and no children is the target point. Finally, we demonstrate the superiority of the proposed method through several simulations.

• 한국멀티미디어학회논문지
• /
• 제10권11호
• /
• pp.1516-1522
• /
• 2007

FPA(Fixed Partition Averaging) 기법은 기억공간의 효율적인 사용과 분류성능의 향상을 위하여 제안되었던 메모리 기반 추론 기법으로 대상 패턴 공간을 분할 한 후 대표 패턴을 추출하여 분류 기준 패턴으로 사용한다. 이 기법은 메모리 사용 효율과 분류 성능 면에서 우수한 결과를 보인다. 그러나 여러 클래스가 혼합된 분할패턴공간의 경우에 원래의 패턴들을 그대로 저장하여 메모리와 분류성능에 부담으로 작용하는 문제점을 가지고 있다. 본 논문에서는 여러 클래스가 혼합된 분할공간에서 패턴비율을 고려하여 고정분할을 반복적으로 실행하여 초월평면을 생성하고 분류하는 반복적 고정분할평균기법을 제안한다. 본 논문에서 제안한 기법은 기존의 k-NN 기법과 비교하여 현저하게 줄어든 대표패턴을 이용하여 유사한 분류 성능을 보여주며, NGE 이론을 구현한 EACH 시스템과 FPA 기법 등과 비교하여 탁월한 분류 성능을 보여준다.

• 한국멀티미디어학회논문지
• /
• 제11권12호
• /
• pp.1625-1634
• /
• 2008

In this study, a modified Fuzzy C-Means algorithm with Gaussian weights (MFCM_GW) is presented for the problem of nonlinear blind channel equalization. The proposed algorithm searches for the optimal channel output states of a nonlinear channel based on received symbols. In contrast to conventional Euclidean distance in Fuzzy C-Means (FCM), the use of the Bayesian likelihood fitness function and the Gaussian weighted partition matrix is exploited in this method. In the search procedure, all possible sets of desired channel states are constructed by considering the combinations of estimated channel output states. The set of desired states characterized by the maxima] value of the Bayesian fitness is selected and updated by using the Gaussian weights. After this procedure, the Bayesian equalizer with the final desired states is implemented to reconstruct transmitted symbols. The performance of the proposed method is compared with those of a simplex genetic algorithm (GA), a hybrid genetic algorithm (GA merged with simulated annealing (SA):GASA), and a previously developed version of MFCM. In particular, a relative]y high accuracy and a fast search speed have been observed.