• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2006.06a
• /
• pp.47-51
• /
• 2006

본 실험은 한국어 심성어휘집의 표상 정보가 음운정보로 이루어져 있는지, 철자정보로 이루어져 있는지 알아보기 위해 실시되었다. 실험자극은 한국어의 2음절 단어 중 음운변화(자음동화)를 겪는 단어(예: 국민)를 사용하였으며, 각 조건은 철자이웃이 크며 음운 이웃이 큰 단어 조건(O+P+), 철자이웃이 크고 음운이웃은 작은 단어 조건(O+P-), 철자이웃은 작고 음운이웃이 큰 단어 조건(O-P+), 철자이웃과 음운이웃 모두가 작은 조건(O-P-)이었다 실험 1에서 어휘판단 과제를 실시한 결과, 음운이웃 크기와 철자이웃 크기간의 상호작용이 나타났다. 실험2는 동일한 실험자극을 사용한 fMRI 연구를 수행하였다. 실험2 결과 음운처리에 관련된 뇌영역의 활성화가 나타났다. 본 연구결과는 한국어의 경우 심성어휘집이 음운정보로 이루어져 있음을 시사한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04d
• /
• pp.7-9
• /
• 2003

애드혹 네트워크 상의 노드들이 서로의 분산된 데이터를 주고 받는 어플리케이션은 멀티 홉 무선 통신의 오버헤드로 인하여 효율성이 떨어진다. 이것을 극복하기 위해서 본 논문은 이웃 캐싱기법을 제안하고, 이 방법이 노드들의 독립적인 캐싱 방법보다 효율적이라는 것을 보이고 있다. 이웃 캐싱은 쉬고 있는 이웃 노드의 저장 공간을 잠시 빌려 봄으로써 캐싱 공간을 확대하고 먼 거리에서 데이터를 가져오는 멀티 홉 무선 통신의 단점을 극복하는 방법이다. 이와 항껜 본 논문에서는 이웃 캐싱을 할 때 노드들 중에서 최적의 이웃 노드를 선별해 내는 우선순위에 근거한 예측기법을 제안하였다. 우선순위에 근거한 예측 기법을 통해 데이터가 가장 오랫동안 보관될 가능성이 높은 이웃 노드를 선별해내고 우선순위가 낮은 데이터를 이웃 캐싱 하지 않을 수 있어서 이웃 캐싱의 효율성을 높일 수 있다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2003.05a
• /
• pp.429-434
• /
• 2003

본 논문은 작업일정계획에서 부하평준화 문제를 효율적으로 해결하기 위하여 tabu 탐색을 적용함에 있어서 확률적 선별에 기반하여 이웃해를 생성하는 방법을 제시한다. 이웃해 생성은 부하평준화를 위해 일정을 조정할 대상 작업을 선택하는 단계와 선택된 작업에 대해 일정 조정의 방향을 결정하는 단계로 구분된다. 확률적 선별에 기반한 이웃해 생성은 우선 무작위로 추출된 작업에 대해서 탐색의 질을 개선시킬 수 있는 가능성에 대한 추정치에 따라 확률을 부여하고, 이 확률에 기반하여 선택여부를 결정함으로써 이웃해를 선별하는 방법이다. 실제 현장의 부하평준화 문제를 대상으로 이웃해 생성 방법으로 무작위 방법, 그리디(greedy) 방법과의 비교 실험을 통해 확률적 선별에 기반한 이웃해 생성 방법의 성능을 검증하였다.

• The Korean Journal of Applied Statistics
• /
• v.31 no.4
• /
• pp.507-516
• /
• 2018

Widely used among the various single imputation methods is k-nearest neighbors (KNN) imputation due to its robustness even when a parametric model such as multivariate normality is not satisfied. We propose a weighted adaptive nearest neighbors imputation method that combines the adaptive nearest neighbors imputation method that accounts for the local features of the data in the KNN imputation method and weighted k-nearest neighbors method that are less sensitive to extreme value or outlier among k-nearest neighbors. We conducted a Monte Carlo simulation study to compare the performance of the proposed imputation method with previous imputation methods.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.27-31
• /
• 2009

본 연구는 웹상에서 거래되는 아이템을 고객에게 추천하는 추천시스템에서 추천대상 고객의 정보와 이웃 고객의 정보를 이용한 협력적 필터링 추천기법에서 선호도 예측을 위해 필요한 이웃의 수가 선호도 예측 정확도에 영향을 주고 있음을 제시하고 이를 이용한 선호도 예측치의 보정 방법에 대하여 제안한다. 본 연구의 제안을 위하여 이웃 기반의 협력적 필터링 알고리즘과 대응평균 알고리즘을 이용하여 MovieLens 1 million dataset에 대하여 선호도 예측 정확도를 분석하고 분석결과를 토대로 개별 선호도 예측에 소요된 이웃의 수와 예측 정확도의 관계를 분석하였다. 분석결과를 이용하여 이웃 수에 따라 선호도 예측 결과를 다수의 집단으로 구분하여 각 집단에서 이웃의 수를 이용한 선호도 예측 정확도 향상에 대한 방법을 제안한다. 본 연구의 제안을 통하여 기존 선호도 예측 알고리즘으로 생성된 예측 결과에 선호도 예측 과정에서 부가적으로 발생한 정보를 추가하여 최종 예측 결과를 향상시킬 수 있을 것으로 기대한다.

• Information and Communications Magazine
• /
• v.25 no.7
• /
• pp.16-23
• /
• 2008

텔레매틱스에서 위치 정보 서비스를 효과적으로 제공하기 위해 이동 객체와 더불어 시설물과 같은 정적 객체에 대한 위치 정보를 효과적으로 관리하는 데이터베이스 기술들이 요구된다 본 논문에서는 도로 네트워크 데이터베이스를 위한 인덱싱 및 질의 처리 기술 현황에 대하여 고찰한다. 텔레매틱스에서는 영역 질의, k-최근접 이웃 질의, 연속 k-최근접 이웃 질의, 공간 조인 질의 등이 발생하며, 이 중 k-최근접 이웃 질의가 빈발하게 발생한다. k-최근접 이웃 질의를 처리하기 위한 효과적인 방안으로 IER, INE, $VN^3$, 근사 인덱싱 기법 등이 있다. 본 논문에서는 각 기법의 개념, 알고리즘, 장단점에 대하여 고찰한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.532-534
• /
• 1998

본 논문에서는 칼라공간상의 거리와 이웃정보를 이용한 클러스터링을 통한 칼라영상 분할 방법을 제안한다. 영상의 픽셀들을 이웃관계를 유지하여 칼라공간으로 매핑한다. 칼라공간상에서 이웃하는 픽셀들을 클러스터링하여 영상의 세그먼트들을 찾는다. 클러스터링 방법으로서 인력을 모방하는 클러스터링(gravitational clustering)을 사용하였다. 이 방법으로 클러스터의 중심값과 클러스터 수를 미리 정해주지 않아도 자동적으로 결정할 수 있는 장점이 있다. gravitational 클러스터링에서 찾은 클러스터 수를 가지고 다른 클러스터링 방법에 입력으로 주어 결과를 비교해 본다. 본 논문에서는 이웃관계를 따라 클러스터링하는 것이 정확한 경계선을 찾는데 효과적임을 보여준다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2013.08a
• /
• pp.19-22
• /
• 2013

네트워크 분석이 확산되면서 여러 분야에서 다양한 중심성 척도가 개발되어 활용되고 있으나 가중 네트워크에서 지역중심성을 측정할 수 있는 척도로는 최근접이웃중심성 이외에는 거의 알려져 있지 않다. 최근접이웃중심성 척도는 동률값이 흔히 나타나므로 변별력이 낮다는 단점을 가지고 있다. 이 연구에서는 최근접이웃중심성 척도를 일반화한 이웃중심성 척도를 제안하고 가상 자료 및 실제 자료에 대해 적용하여 검증해보았다.

• The Korean Journal of Applied Statistics
• /
• v.24 no.6
• /
• pp.1249-1257
• /
• 2011

In this paper, we propose a Sequential Adaptive Nearest Neighbor(SANN) imputation method that combines the Adaptive Nearest Neighbor(ANN) method and the Sequential k-Nearest Neighbor(SKNN) method. When choosing the nearest neighbors of missing observations, the proposed SANN method takes the local feature of the missing observations into account as well as reutilizes the imputed observations in a sequential manner. By using a Monte Carlo study and a real data example, we demonstrate the characteristics of the SANN method and its potential performance.

• Journal of KIISE:Information Networking
• /
• v.30 no.5
• /
• pp.631-640
• /
• 2003

Because of multi-hop wireless communication, P2P applications in ad hoc networks suffer poor performance. We Propose neighbor caching strategy to overcome this shortcoming and show it is more efficient than self caching that nodes store data in theirs own cache individually. A node can extend its caching storage instantaneously with neighbor caching by borrowing the storage from idle neighbors, so overcome multi-hop wireless communications with data source long distance away from itself. We also present the ranking based prediction that selects the most appropriate neighbor which data can be stored in. The node that uses the ranking based prediction can select the neighbor that has high possibility to keep data for a long time and avoid caching the low ranked data. Therefore the ranking based prediction improves the throughput of neighbor caching. In the simulation results, we observe that neighbor caching has better performance, as large as network size, as long as idle time, and as small as cache size. We also show the ranking based prediction is an adaptive algorithm that adjusts times of data movement into the neighbor, so makes neighbor caching flexible according to the idleness of nodes