• Journal of KIISE:Computer Systems and Theory
• /
• v.31 no.10
• /
• pp.575-587
• /
• 2004

In this paper. a new Fast Expectation-Maximization algorithm(FEM) is proposed. Firstly the K-means algorithm is modified to reduce the number of iterations for finding the initial values that are used as the initial values in EM process. Conventionally the Initial values in K-means clustering are chosen randomly. which sometimes forces the process of clustering converge to some undesired center points. Uniform partitioning method is added to the conventional K-means to extract the proper initial points for each clusters. Secondly the effect of posterior probability is emphasized such that the application of Maximum Likelihood Posterior(MLP) yields fast convergence. The proposed FEM strengthens the characteristics of conventional EM by reinforcing the speed of convergence. The superiority of FEM is demonstrated in experimental results by presenting the improvement results of EM and accelerating the speed of convergence in parameter estimation procedures.

• Journal of the Korea Society of Computer and Information
• /
• v.25 no.4
• /
• pp.71-77
• /
• 2020

Through the consensus algorithm, which is the core technology of the blockchain, the same data is accurately shared between connected nodes. The use of an appropriate consensus algorithm that considers the user and the usage environment ensures efficient maintenance of data integrity and accuracy. In this paper, we proposed a performance evaluation method for efficient selection of a consensus algorithm among authorized nodes considering the characteristics of a private blockchain platform, and applied the modified item to the existing published formula considering the number of authoritative connected nodes. Through this process, it was possible to simplify the consensus process considering the stability between nodes. The stability of the consensus process can be improved by selecting an appropriate consensus algorithm based on the proposed research.

• Convergence Security Journal
• /
• v.24 no.2
• /
• pp.71-78
• /
• 2024

As the rapid development of quantum computing compromises current public key encryption methods, the National Institute of Standards and Technology (NIST) in the United States has initiated the Post-Quantum Cryptography(PQC) project to develop new encryption standards that can withstand quantum computer attacks. This project involves reviewing and evaluating various cryptographic algorithms proposed by researchers worldwide. The initially selected quantum-resistant cryptographic algorithms were developed based on lattices and hash functions. Currently, algorithms offering diverse technical approaches, such as BIKE, Classic McEliece, and HQC, are under review in the fourth round. CRYSTALS-KYBER, CRYSTALS-Dilithium, FALCON, and SPHINCS+ were selected for standardization in the third round. In 2024, a final decision will be made regarding the algorithms selected in the fourth round and those currently under evaluation. Strengthening the security of public key cryptosystems in preparation for the quantum computing era is a crucial step expected to have a significant impact on protecting future digital communication systems from threats. This paper analyzes the security and efficiency of quantum-resistant cryptographic algorithms, presenting trends in this field.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• 한국정보교육학회:학술대회논문집
• /
• 2007.01a
• /
• pp.181-187
• /
• 2007

미래의 지식기반사회를 준비하기 위한 컴퓨터 교육이 나아가야할 방향은 컴퓨터 과학교육의 강조이며 또한 컴퓨터 과학교육은 프로그래밍과 알고리즘 등의 내용을 학습하고 이를 통해 컴퓨터의 기본 원리와 논리적인 사고력을 배양해야 한다는 많은 연구가 있었다. 이에 본 논문에서는 컴퓨터 과학교육의 중요한 한 부분인 알고리즘을 초등 컴퓨터 교육에 적용하여 학습자가 컴퓨터 알고리즘과 알고리즘의 과정을 이해하고 더 나아가 자신만의 알고리즘을 개발하는 과정을 통해 알고리즘적 사고능력을 기를 수 있도록 학습내용을 선정, 조직하여 적용하였다. 인지발달이 구체적 조작기에 머물고 있는 학습자들의 인지수준을 고려하여 문제해결학습모형을 기반으로 하여 구체적 조작활동이 포함된 교수-학습 모형을 구안해 적용해보았다.

• The Journal of Korean Association of Computer Education
• /
• v.9 no.5
• /
• pp.41-51
• /
• 2006

The purpose of this study is to verify learning components to be taught in each grade of middle schools, to propose hierarchical structures on algorithm content, and to resolve overlapping across related subjects. In order to verify learning components, four criteria were proposed. To evaluate practical application, they were implemented into The Proposal of Curriculum Revision on Computer Education in Middle School on MPE website. It was found that there was content overlapping between 'problem solving methods and procedures' in the middle school Informatics Curriculum and 'regulation and problem solving' in the Elementary Mathematics Curriculum. So it is needed to find a way to differentiate the contents of 'problem solving methods and procedures' from the other related subjects.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1142-1146
• /
• 2008

토양수분은 지표수의 유출과정을 설명하는 과정에서 중요인자이며, 생태수문학의 핵심변수이자 기상모형의 결정적인 입력변수이다. 또한 토양수분의 공간적 시간적 특징들은 강우 및 지하수와 토양수분간의 순환 구조를 규명하는데 매우 중요하다. 본 연구에서는 산지사면의 토양수분을 체계적으로 측정하는데 필요한 시스템의 구축을 위한 기초조사 및 사전분석에 대한 연구를 수행하였다. 우수한 토양 수분 측정 장비인 TDR 장비 매설에 앞서 대상유역 선정에 대한 여러 가지 고려사항을 검토하고 수치지형 분석 등을 통한 사전분석을 실시하였다. 대상유역을 선정하기 위해서는 대상유역의 자료획득의 용이함, 지정학적, 시스템 운영적 측면에서의 가용성, 그리고 정밀측량 및 부수적요인 등 여러 요소의 고려가 요구된다. 본 연구에서는 경기도 파주시 적성면 설마리의 설마천 유역내 감악산 범륜사 우측 산지 사면을 측정대상 사면으로, 지정학적 위치, 식생분포, 지질구조 및 심도 등의 토양특성의 고려를 통해서 선정하였다. 또한 대상 사면에 흐름 발생 및 분포를 계산하기 위해서 대상사면의 지표 및 기반암 표고를 정밀 측량하였으며, 기반암 또는 풍화대까지의 깊이를 실측하여 지표면 및 지하면의 수치지형 모형을 구축하였다. 이를 대상사면 및 지하면에 대하여 표고수치지형모형(Digital Elevation Model:DEM)으로 도식한 후 흐름 발생 공간 분포를 계산하였다. 흐름발생공간분포예측은 단방향 알고리즘, 다방향 알고리즘, 흐름 분배 알고리즘 그리고 다중무한방향 알고리즘을 사용하여 지형인자인 기여사면적과 지형습윤지수를 계산하였다. 각 분배알고리즘의 의해 도출된 지형인자들로 인한 흐름발생 공간적 분포특성을 비교하였다. 이는 합리적인 토양수분 측정시스템을 구축하는데 중요한 의사결정 수단으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.36 no.2
• /
• pp.263-271
• /
• 2003

The wetness index has been frequently used to describe the spatial distribution of the hydrologic status on the platform of the grid based model such as TOPMODEL and THALES. The statistical and spatial distributions of the wetness index are primarily depend upon the flow determinatin algorithm. The comparison among various algorithms and the decision making of the application algorithms are desirable. The entropy is used to evaluate the information transfer patterns of the various flow determination algorithm. The Holmgren's H algorithm and the SDFAA algorithm were found to be the better scheme than the other approaches to maximize the information contents of the wetness index.

• Journal of KIISE:Software and Applications
• /
• v.31 no.4
• /
• pp.516-524
• /
• 2004

In this paper, the initial value problem in clustering using K-means or Fuzzy-c-means is considered to reduce the number of iterations. Conventionally the initial values in clustering using K-means or Fuzzy-c-means are chosen randomly, which sometimes brings the results that the process of clustering converges to undesired center points. The choice of intial value has been one of the well-known subjects to be solved. The system of clustering using K-means or Fuzzy-c-means is sensitive to the choice of intial values. As an approach to the problem, the uniform partitioning method is employed to extract the optimal initial point for each clustering of data. Experimental results are presented to demonstrate the superiority of the proposed method, which reduces the number of iterations for the central points of clustering groups.

• The Transactions of the Korea Information Processing Society
• /
• v.3 no.3
• /
• pp.439-448
• /
• 1996

Extraction and selection of the informative features play a central role in pattern recognition. This paper describes a modified back-propagation algorithm that performs selection of the informative features and trains a neural network simultaneously. The algorithm is mainly composed of three repetitive steps : training, connection pruning, and input unit elimination. Afer initial training, the connections that have small magnitude are first pruned. Any unit that has a small number of connections to the hidden units is deleted,which is equivalent to excluding the feature corresponding to that unit.If the error increases,the network is retraned,again followed by connection pruning and input unit elimination.As a result,the algorithm selects the most im-portant features in the measurement space without a transformation to another space.Also,the selected features are the most-informative ones for the classification,because feature selection is tightly coupled with the classifi-cation performance.This algorithm helps avoid measurement of redundant or less informative features,which may be expensive.Furthermore,the final network does not include redundant parameters,i.e.,weights and biases,that may cause degradation of classification performance.In applications,the algorithm preserves the most informative features and significantly reduces the dimension of the feature vectors whiout performance degradation.