• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.577-579
• /
• 2003

본 논문에서는 생체인식 분야 중 얼굴인식의 검색 정확성 향상 및 검색 시간을 단축하기 위한 단계로 인종별 얼굴영상 데이터베이스에 대한 군집화 기법을 연구하였다. 우선, 일반적으로 얼굴 및 이미지 검색에 사용되는 다양한 특징을 추출하고, 추출한 다차원의 특징 데이터들로부터 다 인종 얼굴 데이터를 유사한 인종별로 정확하게 군집화 하기 위해 최적의 특징벡터를 자동으로 선택 할 수 있는 방법을 제안하였다. 군집결과 분석을 위해 자기 조직화 지도 모형을 이용하였는데, 이는 2차원 분석 및 가시화에 유용하며, 학습 후 코드북벡터를 사용하여 유사한 의미간의 거리부터 검색할 수 있는 특징을 가지고 있다. 특징추출에 관한 실험결과 인종별 구분을 위한 특징벡터로는 웨이블릿 주파수 성분(lowpass 성분)과 CbCr 특징벡터가 인종별 군집화에 가장 유용한 특징으로 선택되었으며. 추출된 특징을 바탕으로 semantic map을 구성하여 제안방법의 효율성을 제시하였다.

• Journal of the Korea Society for Simulation
• /
• v.28 no.4
• /
• pp.21-32
• /
• 2019

Inspired by the social behavior models of a bird flock or fish school, particle swarm optimization (PSO) is a popular metaheuristic optimization algorithm and has been widely used from solving a complex optimization problem to learning a artificial neural network. However, PSO is difficult to apply to many real-life optimization problems involving stochastic noise, since it is originated in a deterministic environment. To resolve this problem, this paper incorporates a resampling method called the uncertainty evaluation (UE) method into PSO. The UE method allows the particles to converge on the accurate optimal solution quickly in a noisy environment by selecting the particles' global best position correctly, one of the significant factors in the performance of PSO. The results of comparative experiments on several benchmark problems demonstrated the improved performance of the propose algorithm compared to the existing studies. In addition, the results of the case study emphasize the necessity of this work. The proposed algorithm is expected to be effectively applied to optimize complex systems through digital twins in the fourth industrial revolution.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06a
• /
• pp.130-133
• /
• 2010

본 논문에서는 유전 알고리즘의 성능 향상을 위해 교배(Crossover) 기법의 중요 매개변수인 교배 교차점(Crossover Point)의 수를 개체군(Population)의 진화 과정 중에 적응적으로 변화 할 수 있는 자기-적응형(Self-Adaptive) 교배 기법을 제안한다. 이를 위해 제안 교배 기법은 전체 개체군을 다수개의 작은 개체군들로 군집화(Grouping)하여 일차적으로 서로 다른 교차점을 갖는 교배 기법을 적용시키고, 그 후 각 군집의 개체(Individual)들의 선택률을 기반으로 군집들간의 경쟁을 수행한다. 이는 유전 알고리즘이 개체군의 진화 과정 중에 문제에 적합한 교차점을 갖는 교배 기법을 적응적으로 사용할 수 있도록 한다. 또한 제안 교배 기법은 진화 과정 중에 교차점이 지속적으로 변화되므로 알고리즘 초반에는 높은 탐색 능력을 보유하게 되고 후반에는 높은 부분-해(Building-Block) 보존 능력을 지니게 되어, 최적 해(Optimal Solution)로의 수렴 능력이 향상된다. Deceptive 문제를 통해 제안 자기-적응형 교배 기법과 기존 (고정 교차점) 교배 기법의 성능을 비교 하였으며, 실험 결과로부터 제안 교배의 성능 우위를 확인하였다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2004.03a
• /
• pp.289-294
• /
• 2004

본 연구의 목적은 고해상도 위성 영상을 이용하여 식생도 제작 기법을 연구하는 것이며, 식생도에는 활엽수, 혼효림, 침엽수의 군집 경계를 표현하고자 하였다. 본 연구는 고해상도 위성영상을 활용하여 객체지향분류 기법을 적용하였다. 객체지향 분류기법은 크게 세그멘테이션의 과정과 세그멘트를 분류하는 과정으로 나눌 수 있다. 세그멘테이션 과정을 통해서 식생군집의 경계를 추출하고, 영상을 이용하여 상록침엽수를 분류하여 식생조사시 침엽수군락의 위치를 파악함으로써 조사의 효율성을 증대하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.77-80
• /
• 2002

이상치를 포함한 학습 데이터의 군집화 전략은 일반적으로 이상치를 포함하여 학습하거나, 이상치를 제거하는 두 가지 선택이 가능하다. 이상치를 제거하지 않고 학습에 반영시켜야 할 경우 한 개 또는 소수의 이상치가 독자적인 군집을 형성하거나 객관적인 군집화를 방해하는 문제가 발생할 수 있다. 이 때 주어진 학습 데이터의 군집 결과가 이상치의 영향으로부터 벗어나기 위해 원래의 학습 데이터에 대한 변환 작업을 거친 후 군집화를 수행할 수 있다. 이러한 변환 방법으로서 본 논문에서는 차원 축소의 기법으로 알려진 인자 분석의 점수를 사용하였다. 인자 점수로 변환된 학습 데이터에 대해 계층적 군집화, K-means 그리고 자기조직화 지도 등과 같은 군집화 알고리즘을 적용하면 이상치가 자신만의 군집을 별도로 형성하지 않고 다른 학습 데이터의 군집에 소속되면서 이상회의 영향으로부터 벗어남을 실험을 통하여 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.229-233
• /
• 2005

모집단의 최적군집 수를 자동으로 결정하고 군집내의 분산은 최소로 하고 군집 간의 분산은 최대로 하는 최적 군집화에 대한 연구는 대부분의 지능형 시스템에서 필요로 하는 모형전략이다. 하지만 아직도 대부분의 군집화 과정에서 분석가의 주관적인 경험에 의존하여 군집수가 결정되어 군집화가 이루어지고 있다. 예를 들어 K-평균 군집화 알고리즘에서도 초기에 K 값을 결정해 주어야 한다. 모집단을 제대로 대표하지 못한 K 값에 의한 군집화 결과는 심각한 오류를 범하게 된다. 본 논문에서는 통계적 학습이론을 이용하여 이러한 문제점을 해결하려고 하였다. VC-차원에 의한 Support Vector를 이용하여 최적의 군집화 기법을 제안하였다. 제안 방법의 성능 평가를 위하여 UCI 기계학습 데이터를 이용하여 객관적인 실험을 수행하였다.

• Korean Journal of Environment and Ecology
• /
• v.13 no.4
• /
• pp.392-403
• /
• 2000

지리산국립공원 거림계곡 식물군집구조를 파악하기 위하여 거림계곡 내 등산로를 따라 66개(6,600m2)의 방형구를 설정하였으며 DCA 기법을 이용하여 분석한 결과 해발고 740-950m 의 조사구는 졸참나무군집(군집I) 해발 950-1,340m의 조사구는 신갈나무군집(군집II) 해발 1,340-1,390m의 조사구는 구상나무-거제수나무군집(군집III)으로 분류되었다 상대우점치 흉고직경급별 분포 분석결과 각 군집의 우점종인 졸참나무 신갈나무 구상나무가 우점하는 군집으로 계속유지될것으로 판단되었으며 특히 관목층은 조랫대의 밀도가 높아 천이진행에 영향을 주는 동시에 종다양도가 낮은 것으로 판단되었다 한편 3개 군집간의 유사도지수는 낮은 상태로 해발고에 따라 식생구분이 명확하였다

• Korean Journal of Environment and Ecology
• /
• v.14 no.4
• /
• pp.252-267
• /
• 2001

계룡산국립공원 동학사-남매탑구간의 산림군집구조를 분석하기 위하여 64개 조사구를 설정하고 식생구조를 실시하였다. Classification의 기법 중 하나인 TWINSPAN을 이용하여 군집분리를 시도하였으며, 그 결과 소나무 군집(I), 굴참나무-소나무군집(II), 서어나무-굴참나무군집(III), 굴참나무-졸참나무군집(IV), 서어나무-까지박달군집(V), 신갈나무-서어나무군집(VI), 느티나무-졸참나무군집(VII) 그리고 느티나무군집(VIII)의 8개로 분리되었다. 연륜분석결과 이지역의 임령은 약 60년 안팍이었으며, 단위면적(100$\m^2$)당 평균출현종수는 15.0$\pm$3.2종. 평균출현개체수는 95.7$\pm$37.3주었다. 이상의 결과를 통해 계룡산국립공원이 동학사-남매탑구간 지역은 소나무림에서 굴참나무, 졸참나무, 신갈나무림을 거쳐 서어나무, 까지박달림으로 천이가 진행될것으로 예상되었다.

• Korean Journal of Environment and Ecology
• /
• v.10 no.2
• /
• pp.283-296
• /
• 1997

To investigate the plant community structure in valley and suggest the management of Mational Park, fifty plots were set up and surveyed in Jujeongol Valley, Soraksan National Park. The classification by TWINSPAN and DCA ordination technique were applied to the study area in order to classify them into several groups based on woody plants. The dividing groups were Quercus mpnngolica - Q. variabilis - Pinus densiflora community, P. densiflora community, Carpinus laxiflora community, Q. serrata community. The ecological trends of tree species by DCA ordination technique and DBH class distribution analysis was like that Q. mongolica - Q. variabilis - P. densiflora community and P. densiflora community seems to be trended from P. densiflora community to Q. mongolica community. Q. serrata community seems to be trended from Q. serrata community to C. laxiflora community and C. laxiflora will be maintaimed stable state.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.67-69
• /
• 2011

데이터의 군집 분석에서 두 개의 서로 다른 데이터에 대한 유사도(거리)를 어떻게 정의하는가는 매우 중요한 문제이다. 수치속성에 대한 거리 측정 방법에는 다양한 기법이 존재하지만 각 속성의 크기와 범위가 서로 크게 다를 경우 이들을 동일한 인자로 여기고 거리 측정을 하게 되면 논리적인 오류를 범할 수 있다. 기존의 군집 분석 연구에서 사용된 거리 측정 기법은 데이터의 정규화 과정을 통해 이 문제를 해결하려고 노력하지만 일반적인 정규화는 이상치의 존재나 데이터의 편중된 분포 등의 이유로 속성별 거리가 왜곡될 수 있다. 본 논문은 이러한 문제점을 해결하기 위해 정규화된 데이터에서 각 속성의 비중을 고려한 적응적 유클리드 거리 측정 기법(AEDM: Adaptive Euclidean Distance Measure)을 제안한다. AEDM은 유클리드 거리를 기반으로 정규화 된 데이터의 형태에 따라 가중치를 부여하여 데이터의 분포에 관계없이 각 속성간의 거리를 충분히 반영하기 때문에 더욱 정확한 군집 분석을 가능하게 한다.