• 한국도로학회:학술대회논문집
• /
• 한국도로학회 2008년도 추계학술대회 논문집
• /
• pp.341-347
• /
• 2008

• 융합신호처리학회논문지
• /
• 제10권1호
• /
• pp.72-79
• /
• 2009

본 논문에서는 불균일한 클러터 환경에서 다양한 정규화 방법을 사용한 NHD(nonhomogeneity detector) 기술을 통해 비행체 레이더를 위한 STAP(space-time adaptive processing)의 성능 평가를 수행하였다. 실제로 클러터는 시스템 환경에 따라 임펄스 신호와 같은 신호의 크기가 매우 큰 간섭 신호를 종종 포함하고 있기 때문에 수신된 간섭 신호는 균일한 신호와 불균일한 신호로 구성된다. 이 환경에서 STAP의 성능을 유지하기 위해서는 NHD 기술이 필수적이고, 그 NHD 결과를 이용한 정규화는 불균일한 신호를 제거하는데 효과적인 방법이다. 최적의 정규화는 주어진 데이터의 특성을 잘 고려한 대푯값을 통해서 가능하고, 이에 우리는 K 평균 군집화 알고리즘을 제안한다. 이 알고리즘에서는 군집화에 필요한 묶음의 수를 결정할 때 불규칙한 데이터의 특성을 고려할 수 있게 되고 군집화 된 결과를 이용해 균일한 데이터만을 선택하기 위한 대푯값을 결정할 수 있게 된다. 또한 여기서 우리는 시시각각 변화하는 불규칙적인 데이터의 특성을 잘 반영하기 위해, 적절한 묶음의 수를 결정하기 위한 방법을 연구한다. 시뮬레이션 결과를 통해 K 평균 군집화 알고리즘이 기존의 정규화 방법들에 비하여 매우 우수한 정규화와 목표물 검출 성능을 갖는 것을 확인할 수 있었다.

• 한국음향학회지
• /
• 제25권7호
• /
• pp.319-324
• /
• 2006

본 논문에서는 화자독립 가변어휘 핵심어 검출기의 성능을 개선하기 위하여 두 가지의 새로운 비핵심어 모델링 방법을 제안한다. 첫째는 K-means 알고리즘 기반 monophone 군집화 방법을 개선하기 위해 monophone을 state단위로 결정트리를 기반으로 군집화하여 비핵심어를 모델링하는 방법이다. 둘째는 single state multiple mixture 방법을 개선하기 위해 음절단위 multi-state multiple mixture 방법으로 모델링하는 방법이다. 실험에서 ETRI 표준 한국어 공통음성 단어 DB를 이용하여 트라이폰 모델을 훈련하였고, 훈련에 사용하지 않은 음성데이터를 이용하여 핵심어 검출closed 테스트를 수행하였다. 그리고 사무실 환경에서 4명의 화자가 각각 100문장씩 발성한 400문장의 음성데이터를 이용하여 100단어 핵심어 검출 open 테스트를 수행하였다. 실험 결과 결정트리기반 상태 군집화 방법이 기존의 K-means 알고리듬 기반 monophone clustering 방법보다 핵심어 검출 성능이 28%/29%(closed/open test) 향상되었다 그리고 음절단위 multi-state multiple mixture 방법이 비핵심어 전체를 single state 모델로 구성하는 방법보다 핵심어 검출 성능이 22%/2%(closed/open test) 향상됨으로써 본 논문에서 제안한 두 가지 알고리듬이 우수한 결과를 나타내었다

• 한국시뮬레이션학회논문지
• /
• 제28권4호
• /
• pp.21-32
• /
• 2019

군집에 대한 사회적 행동 모델에 영감을 받은 군집 최적화 알고리즘은 복잡한 최적화 문제 해결에서부터 인공 신경망의 학습에까지 활용되는 대표적인 메타휴리스틱 최적화 알고리즘 중의 하나이다. 하지만 이 알고리즘은 기본적으로 확률적 노이즈가 존재하지 않는 결정적인 환경에서 개발되었기 때문에, 많은 경우 확률적 노이즈가 존재하는 실제 문제에 적용하기에 어려움이 있었다. 본 논문에서는 이를 개선하기 위하여 불확실 평가 기법이라고 정의되는 통계적 가설 검정 기반의 리샘플링 기법을 적용한다. 이 기법을 통하여 입자 군집 최적화 알고리즘의 성능에 가장 큰 영향을 미치는 입자들의 전역 최적을 정확하게 찾으므로 노이즈 환경에서 입자들이 최적해로 보다 정확하고 빠르게 수렴하도록 한다. 다양한 벤치마크 문제들에 대한 기존 알고리즘들과의 비교 실험 결과는 제안하는 알고리즘의 개선된 성능을 입증하고, 사례 연구의 결과는 본 연구의 필요성을 강조한다. 본 연구 결과가 4차 산업혁명 시대에 디지털 트윈 등을 통한 시뮬레이션 기반 시스템 최적화에 효과적으로 적용될 수 있을 것이라 기대한다.

• 산학경영연구
• /
• 제7권
• /
• pp.165-196
• /
• 1994

Harris(1986)[22]는 주식가격에 있어서의 요일효과(曜日效果)(day-of-the-week effect)의 증거는 광범위한 시장지수에서의 일별(日別) 종가(終價) 대 종가(終價)수익률(收益率)에 대한 연구들에서 나타난다고 한다. 이러한 연구들은 결론적으로 체계적 수익률 행태를, 특히 음(陰)의 월요일 수익률을 증명한다. Harris(1990)[24]는 군집현상(群集現象)은 가격이산성(價格離散性)이 추정량(推定量)에 미치는 영향을 분석할 때 고려되어야 한다고 주장한다. 특히, 군집현상(群集現象)이 거래자가 규정된 최소가격변동에 기초한 집합보다 더 큰 이산적(離散的)가격집합(價格集合)을 사용하기 때문에 결과한다면, Gottlieb 와 Kalay(1985)[21] 및 Harris(1990)[24]에서 확인된 분산(分散)과 시계열공분산(時系列共分散) 추정량(推定量) 편의(偏倚)는 훨씬 더 심각할 것이라고 한다. 또한 모든 연구들은 이산성(離散性)이 거래가격의 유의한 특성이기 때문에 군집현상(群集現象)을 고려하여야 한다고 한다. 주식시장의 경우 요일효과가 존재한다면, 관찰주가의 이산성(離散性)으로 인한 요일별 주가의 끝자리가격의 분포가 월요일과 다른 요일에 있어 차이가 있는지와 요일별 가격결정의 정도가 (1) 주가의 수준, (2) 주가수익률의 기복 및 (3) 시장에서의 주식거래량에 있어 차이가 있는지 둥에 대하여 의문을 갖게 한다. 따라서 본 연구는 이산성으로 인한 요일별 관찰주가의 군집현상에 관한 거래자료를 연구하기 위하여 한국 주식시장에서의 입수가능한 최근년도인 1990년 1월 4일에서 1994년 6월 30일까지의 4년 6개월 동안의 일별주가변동(日別株價變動) 거래자료(去來資料)를 조사하고 실증분석을 수행하였다. 본 연구의 결과에 의하면 주식가격에 있어서의 요일효과는 관찰가격의 이산성 특히, 호가(呼價)의 가격단위(價格單位)에 기인하는 것 같지는 않다. 그러나 본 연구의 결과에 의하면 최돈일(1993)[7]의 연구 결과에서와 같이 Gottlieb 와 Kalay(1985) [21] 및 Ball(1988)[9]의 주장을 받아들이기 어렵다. 최돈일(1993)[7]의 연구를 확장한 본 연구의 결과는 최돈일(1993)의 연구 결과와도 상이하다.

• 한국지능시스템학회논문지
• /
• 제17권5호
• /
• pp.679-683
• /
• 2007

Vapnik의 통계적 학습이론은 분류, 회귀, 그리고 군집화를 위하여 SVM(support vector machine), SVR(support vector regression), 그리고 SVC(support vector clustering)의 3가지 학습 알고리즘을 포함한다. 이들 중에서 SVC는 가우시안 커널함수에 기반한 지지벡터를 이용하여 비교적 우수한 군집화 결과를 제공하고 있다. 하지만 SVM, SVR과 마찬가지로 SVC도 커널모수와 정규화상수에 대한 최적결정이 요구된다 하지만 대부분의 분석작업에서 사용자의 주관적 경험에 의존하거나 격자탐색과 같이 많은 컴퓨팅 시간을 요구하는 전략에 의존하고 있다. 본 논문에서는 SVC에서 사용되는 커널모수와 정규화상수의 효율적인 결정을 위하여 차분진화를 이용한 DESVC(differential evolution based SVC)를 제안한다 UCI Machine Learning repository의 학습데이터와 시뮬레이션 데이터 집합들을 이용한 실험을 통하여 기존의 기계학습 알고리즘과의 성능평가를 수행한다.

• 한국측량학회지
• /
• 제34권3호
• /
• pp.243-251
• /
• 2016

일반적으로 라이다 데이터 처리 과정은 노이즈 제거, 지표면/비지표면 분리를 위한 필터링, 데이터 분류, 객체분할, 형태인식, 객체 모델링, 성과물에 대한 정확도 검증 등이다. 본 논문은 점군집 라이다 데이터를 이용한 3차원 곡면객체의 모델링과 정확도 검증에 중점을 두고 있다. 기존의 구형 및 원통형 객체 모델링 방법은 함수의 선형화, 미지계수의 초기 근사값 및 반복 계산이 요구되지만, 제안한 방법은 모델링 함수의 미지계수를 직접 결정하는 방법이다. 이를 위하여 객체를 형성하는 단위 객체면 형태를 분석하여 적합한 함수를 결정하고, 함수를 구성하는 미지변수를 추정한 후 정확도를 분석하여 타당성을 검증하였다. 제안한 방법을 반구형 및 반원통의 시뮬레이션 및 실제 건물 데이터에 적용하여 모델링 함수의 계수와 정확도를 산정하였으며, 다양한 형태의 객체 모델링의 자동화에 기여할 것으로 판단된다.

• 한국콘텐츠학회논문지
• /
• 제9권11호
• /
• pp.1-9
• /
• 2009

본 논문은 게임 또는 애니메이션과 같이 가상 환경 속에서의 군중 행동을 구현함에 있어 군중 전체의 움직임을 제어하기보다는 군중을 구성하고 있는 각 개체들의 감정요소를 개별적으로 제어하는 방식을 사용함으로써 군중의 형태 및 행동 양식에 사실감과 다양성을 부여하는 새로운 방안을 제시한다. 인간의 행동을 모사하기 위해 군중을 구성하고 있는 개체들이 각자의 감정과 기질에 따라 이동경로를 결정하도록 행동패턴을 설계한다. 제안된 방법은 군집을 구성하는 개체들이 제각기 주어진 기질과 환경에 따라 변화하는 감정을 기반으로 이동 경로뿐 아니라 군집간의 이동을 자유롭게 결정하기 때문에 다양한 군집이동을 표현할 수 있다. 이를 위해, 감정과 기질을 정의하고 행동제어 규칙을 정의한다. 또한 인간의 감정과 같은 모호한 정보를 처리하기 위하여 퍼지이론을 적용함으로써 기질과 감정에 대한 모호한 언어적 표현을 자연스럽게 정의하도록 한다. 실험을 통해 제안된 방법으로 자연스럽고 다양한 형태의 군중 시뮬레이션이 가능함을 보인다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.73-82
• /
• 2005

본 논문은 weighted FCM(Fuzzy C-Means) 알고리즘을 적용한 컬러 영상 multi-level thresholding을 제안한다. FCM 알고리즘은 기존의 thresholding 방법들과 달리 최적의 임계치를 결정할 수 있으며 multi-level thresholding으로의 확장이 가능하다. 그러나 공간정보를 포함하고 있지 않기 때문에 잡음 등에 민감하다는 단점을 가진다. 본 논문은 이러한 단점을 해결하기 위해서 이웃 화소들로부터 얻은 entropy 기반의 가중치(weight)를 FCM 알고리즘에 적용함으로써 잡음의 제거가 가능하다. 그리고 각 색상별 성분의 군집 화소들을 기반으로 생성한 코드 영상에 대해서 군집 내부의 거리값을 이용하여 최적의 군집수를 결정한다. 실험에서 제안한 방법이 기존의 방법들보다 잡음에 대해서 강건하며 우수한 분할 성능을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.241-243
• /
• 2003

일반적으로 사용되는 반도체 공정에 대한 진단 기법은 한 공정을 진행하기 전에 테스트 공정을 수행하여 공정의 진행 여부를 결정하고, 한 공정의 진행을 완료한 후에 다시 테스트 공정을 수행하여 공정의 결과를 진단하는 방법이다. 본 논문에서 제안하는 실시간 자동 진단 시스템은 기존 방법의 문제점인 자원의 낭비를 막고, 실시간으로 진단함으로써 시간의 낭비를 막는 진단 시스템을 제안한다. 실시간 자동 진단 시스템은 크게 시스템 초기화 단계, 학습 단계 그리고 예측 단계로 나누어진다. 초기화 단계는 진단할 공정에 대한 사전 입력값을 받아 시스템을 초기화하는 과정으로 공정장비 파라미터별 중요도 자동 설정 과정과 초기화 클러스터링으로 이루어진다. 학습 단계는 실시간으로 저장된 공정장치별 데이터와 계측기로부터 획득된 데이터를 이용하여 최적의 유사 클래스를 결정하는 단계와 결정된 유사 클래스를 이용하여 가중치를 학습하는 단계로 나누어진다. 예측 단계는 공정 진행 중 획득된 실시간 데이터를 학습 단계에서 결정된 파라미터별 가중치를 사용하여 공정에 대한 진단을 한다. 본 시스템에서 사용하는 클러스터링 알고리즘은 DTW(Dynamic Time Warping)를 이용하여 파라미터 데이터에 대한 특징을 추출하고 LBG(Linde, Buzo and Gray) 알고리즘을 사용하여 데이터를 군집화 한다.