• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.504-504
• /
• 2015

수공구조물을 설계하기 위해서는 설계수문량을 빈도해석을 통해 산정할 수 있다. 빈도해석 중 지점빈도해석을 보완한 지역빈도해석을 적용하기 위해서는 군집분석을 통한 지역구분이 무엇보다 중요하다. 또한 스케일 성질(scaling property)은 강우의 시 공간적 특성을 지속기간별 관측된 강우자료를 이용하여 재현기간에 대한 지속기간의 함수로 강우의 IDF곡선을 제시할 수 있는 방법이다. 따라서 스케일 성질을 통해 군집된 지역에서의 강우자료에 적용하여 스케일 인자(scaling exponent)를 추정한 후 수문학적 동질성을 통계적 특성으로 설명하고자 한다. 본 연구를 수행하기에 앞서 군집 분석은 4개의 군집방법(평균연결법, Ward방법, Two-Step방법, K-means방법)을 적용하였고, 한강유역에 위치한 104개의 강우지점은 4개의 지역으로 구분하는 것이 적절하다고 판단되어 비계층적 방법인 k-means방법을 이용하여 지역을 구분하였다. 본 연구에서는 군집된 결과를 바탕으로 4개의 지역으로 구분된 지역에 포함된 강우지점을 대상으로 스케일 인자를 추정하고 수문학적 동질성을 통계적 방법으로 제시하고자 한다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2006년도 춘계공동학술대회 논문집
• /
• pp.37-44
• /
• 2006

본 연구는 모바일기기 사용자들의 특성을 알아보고자 사용자들의 모바일기기 휴대의도에 영향을 미치는 변수들을 기준으로 사용자들을 세분화 하였다. 선행문헌연구를 통해 휴대의도에 영향을 미치는 변수들로 유용성, 즐거움, 불안감과 사회적 영향인 주관적 규범, 가시성, 이미지, 자발성 등을 도출하였다. 자료수집을 위해 서울 및 수도권에 거주하고 휴대폰이나 노트북, PDA등을 소유한 대학생 및 대학원생과 직장인들을 대상으로 설문조사를 실시하였다. 휴대의도의 영향변수 분석결과 불안감과 주관적 규범이 휴대의도에 유의한 양의 영향을 미치는 것으로 검증되었다. 이를 기준변수로 군집분석을 통해 전체 표본을 네 집단으로 세분화 하였다. 세분화 결과 군집 1은 주관적 규범만이 영향을 미치는 집단으로 전체응답의 36.25%를 차지하고 있으며, 군집 2는 불안감만이 영향을 미치는 집단으로 전체 응답의 13.44%를 구성하는 것으로 나타났다. 군집 3은 불안감과 주관적 규범 모두 영향을 미치지 않는 집단으로서 전체 응답에서 19.06%를 차지하고 마지막으로 군집 4는 불안감과 주관적 규범 모두 영향을 미치는 집단으로 전체응답의 31.25%를 구성하는 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.205-205
• /
• 2023

지역 빈도 분석과 점 빈도 분석은 하천 기본계획 및 수공 구조물의 설계에 있어 재현기간 별 확률강우량을 산정하기 위한 방법이다. 점 빈도 분석은 자료의 수가 부족하여 높은 재현기간에 대한 확률강우량을 산정하기에 어려운 점이 있다. 2019년도부터 사용되고 있는 지역빈도분석 방법은 이러한 점을 보완해주고 있다. 지역빈도분석을 수행하기 위해서는 지역의 동질성을 확인하는 과정이 가장 중요한 과정이다. 이러한 동질성을 판단하기 위하여 K-means등의 군집분석과 L-moment 법 등을 사용하고 있다. 이러한 차이점으로 인해 두 방법 간의 정확성은 비교가 어려우나 서로 간의 장점, 단점과 결과 간의 차이를 기반으로 산간지역이 많은 강원도와 같은 지역에 대한 확률강우량 산정의 적절한 방법을 판단해보고자 본 연구를 진행하였다. 지역 빈도 분석은 강원도에 위치한 48개 관측소의 강우 자료 수집 후 고도, 위치, 지속시간 별 강우량을 변수로 지정하고 K-means 분석을 통해 6개의 군집으로 구분하여 수행되었다. 이질성 척도는 관측 자료와 500번의 모의 수행을 통해 결정하였다. 이후 분석된 군집이 동질한 경우 확률분포형에 적합시켜 확률강우량을 산정하였다. 점 빈도 분석은 지역 빈도 분석에서 결정된 군집에서의 최대 강우량과 최소 강우량 관측소의 자료를 이용하여 수행하였다. 본 연구에서는 점빈도분석과 지역빈도분석의 결과를 비교하였으며, 두 가지 분석 방법에 따른 차이의 발생원인 및 특성을 결론으로 제시하였다.

• 미생물학회지
• /
• 제36권2호
• /
• pp.136-141
• /
• 2000

소양호에서 수온, 엽록소$\alpha$, pH 그리고 DOC의 농도가 세균군집에 미치는 영향을 파악하였다. 이 연구에서는 fluorescent in situ hybridization(FISH) 방법을 사용하기 1998년 4월부터 5월까지 세균군집구조를 조사하였고 이 시기 환경요인과 세균군집간의 상관성 분석을 실시하기 위해 수온, 엽록체$\alpha$, pH, DOC의 측정도 함께 수행하였다. 또한 환경요인과 세균군집간의 상관성 분석을 실시하기 위해 통계프로그램(SPSS)을 이용하였다. 그 결과 소양호에서 DOC, 엽록체$\alpha$, pH와 온도가 다중선형희귀직선상 설명가능정도가 약 43~58%정도로 나타났으며, 세균군집변화의 약 50%정도가 본 조사 이외의 환경요인에 영향을 받은 것으로 나타났다. $\alpha$-group은 DOC가 증가할수록 감소하여 DOC와 음의 상관관계를 보였고 , ${\gamma}$-group은 엽록소 $\alpha$농도와 음의 상관관계를 나타내었다. $\beta$-Cytophaga-Flavobacterium group 의 경우 수온과 뚜렷한 양의 상관성이 있는 것으로 나타났다. 또한 $\alpha$-group과 Cytophaga-Flavobacterium group은 pH와 양의 상관관계를 보였다. 이처럼 소양호의 세균군집은 계절에 따른 여러 가지 수 환경요인의 변화에 의해 다양하게 변화하였다.

• 정보처리학회논문지B
• /
• 제11B권4호
• /
• pp.485-490
• /
• 2004

자조의 표현에서 군집화는 주어진 데이터를 서로 유사한 개체들끼리 몇 개의 집단으로 묶는 작업을 수행한다. 군집화의 유사도 결정 측도는 맡은 연구들에서 매우 다양한 것들이 사용되었다. 하지만 군집화 결과의 성능 측정에 대한 객관적인 기준 설정이 어렵기 때문에 군집화 결과에 대한 해석은 매우 주관적이고, 애매한 경우가 많다. 퍼지 군집화는 이러한 주관적인 군집화 문제에 있어서 객관성 있는 군집 결정 방안을 제시하여 준다. 각 개체들이 특정 군집에 속하게 될 퍼지 멤버 함수값을 원소로 하는 유사도 행렬을 통하여 군집화를 수행한다. 본 논문에서는 차원 축소기법의 하나인 주성분 분석과 강력한 통계적 학습 이론인 베이지안 학습을 결합한 군집화 모형을 제안하여, 객관적인 퍼지 군집화를 수행하였다. 제안 알고리즘의 성능 평가를 위하여 UCI Machine Loaming Repository의 Iris와 Glass Identification 데이터를 이용한 실험 결과를 제시하였다.

• 한국환경생태학회지
• /
• 제11권2호
• /
• pp.149-159
• /
• 1997

울산대공원 산림의 토양깊이에 따른 식물군집구조를 비교하기 위하여 소나무림에 11개 조사구(10m*10m)를 설정하고 TWINSPAN과 DCN기법을 이용하여 식물군집구조 분석을 실시하였다. TWINSPAN과 DCN분석결과 토심이 깊은 군집(군집 A)과 토심이 얕은 군집(군집 B)으로 분리되었다. 군집 A는 기후극상의 생태적 천이 특성을 보여 천이단계가 소나무$\$\longrightarrow$ $굴참나무, 밤나무, 굴피나무$\$\longrightarrow$ $서어나무로 진행되고 있었으나, 군집 B는 토지극상의 특징을 갖는 소나무림이었다. 수고 생장에서도 차이를 보여 군집 A는 수령 30년생 표본목의 수고가 8.50m이었고 군집 B는 수령 35년생의 수고가 3.80m이었다. 토양특성과 종다양성지수에서도 군집 A가 군집 B보다 양호하였다.

• 응용통계연구
• /
• 제34권6호
• /
• pp.905-922
• /
• 2021

라벨 없이 진행되는 비지도 학습 중 하나인 군집분석은 자료에 어떤 그룹이 내포되어 있는지 사전 지식이 없을 경우에 군집을 발굴하고, 군집 간의 특성 차이와 군집 안에서의 유사성을 분석하고자 할 때 유용한 방법이다. 기본적인 군집분석 중 하나인 K-means 방법은 변수의 개수가 많아질 때 잘 동작하지 않을 수 있으며, 군집에 대한 해석도 쉽지 않은 문제가 있다. 따라서 고차원 자료의 경우 주성분 분석과 같은 차원 축소 방법을 사용하여 변수의 개수를 줄인 후에 K-means 군집분석을 행하는 Tandem 군집분석이 제안되었다. 하지만 차원 축소 방법을 이용해서 찾아낸 축소 차원이 반드시 군집에 대한 구조를 잘 반영할 것이라는 보장은 없다. 특히 군집의 구조와는 상관없는 변수들의 분산 또는 공분산이 클 때, 주성분 분석을 통한 차원 축소는 오히려 군집의 구조를 가릴 수 있다. 이에 따라 군집분석과 차원 축소를 동시에 진행하는 방법들이 제안되어 왔다. 그 중에서도 본 연구에서는 De Soete와 Carroll (1994)이 제안한 방법론을 확률적인 모형으로 바꿔 군집분석을 진행하는 확률적 reduced K-means를 제안한다. 모의실험 결과 차원 축소를 배제한 군집분석과 Tandem 군집분석보다 더 좋은 군집을 형성함을 알 수 있었고 군집 당 표본 크기에 비해 변수의 개수가 많은 자료에서 기존의 비 확률적 reduced K-means 군집분석에 비해 우수한 성능을 확인했다. 보스턴 자료에서는 다른 군집분석 방법론보다 명확한 군집이 형성됨을 확인했다.

• 한국해양학회지
• /
• 제19권1호
• /
• pp.68-81
• /
• 1984

한국 서남해역에 있어서 식물플랑크톤의 군집구조와 분포를 밝히기 위하여 1980년 여름에 수평적, 수직적으로 채집한 정량 자료를 분석하였다. 연구해역은 상이한 水塊를 대표하는 상이한 3개의 특징적인 군집을 이루고 있음을 보여준다. 제 1 군집은 대부분 연안성 및 내수성 硅藻類로 구성되어 서남해의 연안 수역을 대표하며, 제 2 군집은 외양성 및 연안성 구조류와 2-3종의 鞭毛藻類로 구성되어 黑潮의 지류로 생각되는 高鹽 水性인 제주 부근의 수역을 대표한다. 제 3 군집은 주로 소형인 鞭毛藻류와 微細藻類로 구성되고 底鹽 수성인 중간 수역을 대표하는 것으로 나타났다. 또한 식물플랑크톤과 환경요인의 수직분포에서 세포수, chlorophyll-a, 및 용존산소등이 특히 계절적인 pycnocline 부근의 수층에서 높은 농도를 보여준다. nanoplankton은 군집내에서 90% 이상에 이를 만큼 점유율을 보여 중요성이 높음을 나타낸다.

• 한국환경생태학회지
• /
• 제15권2호
• /
• pp.159-172
• /
• 2001

본 연구는 수도권 지역의 아까시나무림을 중심으로 식물군집의 식생구조적 특성을 분석함으로써 향후, 도시녹지의 자연성 복원을 위한 기초 자료로 제시하고자 하였다. 조사지역은 서울도심지역으로 중구 남산과 서대문구 안산, 서울외곽지역으로 은평구 봉산과 부천시, 성주산, 비도시지역으로 경기도 천마산을 선정하였다. 주요 연구분야는 생태적 특성과 복원모델로 구분하였가. 생태적 특성평가는 천이단계, 자연성 및 다층적 식생구조와 종다양성을 실시하였으며, 복원모델은 적정수종, 개체수, 흉고단면적, 수목간 최단거리를 선정하였다. 조사결과, 복원모델은 비도시지역 중 자연성이 높으며 다층구조를 이루고 있는 자생식물군집을 선정하였으며 적정식물은 교목성장 3종, 아교목성정 7종, 관목성장 16종, 주연부 수종 4종 초본식물 27종이 적절한 것으로 판단되었다. 향후, 아끼시나무림읜 자연성 복원을 위해서 자연림인 참나무류로의 천이를 유도할 수 있도록 자생종 중심의 생태적 복원방안의 모색이 이루어져할 것이다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1905_1906
• /
• 2009

본 논문은 데이터의 군집화를 효율적으로 수행하기 위하여 새로운 군집화 알고리즘을 제안한다. 제안되는 군집화 알고리즘은 Fuzzy C-Means (FCM)에 기반을 두는데, FCM 알고리즘은 모든 데이터에 대한 거리에 기본을 둔 멤버쉽을 기초로 하기 때문에 잡음에 약한 제약을 지니고 있었다. 이를 개선하기 위하여, 제안되었던 PCM(Probabilistic C-Means), FPCM(Fuzzy PCM), PFCM(Probabilistic FCM) 등 여러가지 알고리즘이 제안 되었다. 그러나 이들 알고리즘들은 초기 파라미터값 설정과 과다한 계산양에 따른 문제가 증가하였으며, 또한 잡음에 어느 정도 민감한 문제점을 지니고 있었다. 이 논문에서는 잡음에 대해 효과적으로 대응할 수 있는 새로운 군집화 알고리즘을 제안하고, 전통적인 군집화를 위한 Iris 데이터에 대한 실험을 통하여 효용성을 확인하였다.