• Annual Conference of KIPS
• /
• 2002.11a
• /
• pp.373-376
• /
• 2002

K-Means 알고리즘은 재배치 기법의 일종으로 K 개의 초기 클러스터중심(centroid)를 중심으로 K 개의 클러스터가 될 때까지 클러스터링을 반복하는 것이다. K-Means 알고리즘은 특성상 초기 클러스터 중심과 새롭게 생성된 클러스터 중심에 따라 클러스터링 결과가 달라진다. 본 논문에서는 K-Means Algorithm 의 초기 클러스터중심 선택 방법과 새로운 클러스터 중심 결정 방법을 개선한 변형 K-Means Algorithm을 제안한다. SMART 시스템에서 제안한 16가지 가중치 계산 방식에 의하여 두 알고리즘의 성능을 평가한 결과 제안한 변형 알고리즘이 재현률과 F-Measure 에서 20%이상 향상된 결과를 얻을 수 있었으며 특정 주제 아래 문서가 할당되는 클러스터링 성능이 우수하였다.

• Annual Conference of KIPS
• /
• 2014.11a
• /
• pp.750-752
• /
• 2014

K-Means 알고리즘은 구현이 쉽고, 패턴수가 n일 때 시간 복잡도가 O(n)인 장점을 가져 대용량 데이터에서 널리 이용된다. 그러나, K-Means 알고리즘은 초기 클러스터 중심을 어떻게 선정하는가에 따라 할당-재계산 횟수, 클러스터링 결과를 결정짓는다. 본 논문에서는 K-Means 알고리즘에서 클러스터 초기 중심 선정 연구를 살펴보고 계통임의추출법을 적용하여 K-Means 초기 중심 선정 방법을 제안한다. 제안한 방법은 대용량 데이터의 클러스터링 시간을 감소하고 정확도를 향상시킬 수 있다.

• The Bulletin of The Korean Astronomical Society
• /
• v.37 no.1
• /
• pp.60.2-60.2
• /
• 2012

Sco OB1의 핵심성단 NGC 6231를 호주 Siding Spring 천문대 1m 망원경을 사용하여 -40'${\times}$40' 영역을 관측하였다. 측광자료를 바탕으로 성단의 반경, 성간소광 법칙, 나이 및 초기질량함수를 결정하였다. 성단의 반지름은 구성원의 질량에 상관없이 거의 10' ($R{\approx}4.6pc$)으로 동일한 값을 보였다. 전체적으로는 정상적인 성간소광 법칙을 따르지만, 성단의 중심으로 갈수로 큰 $R_V$를 보여주며, 이는 과거에 있었을 것으로 추정되는 초신성의 효과로 추정된다. 질량이 큰 별과 X-선으로 선택된 성단의 전주계열성은 비슷한 평균나이를 보이지만 전주계열성은 훨씬 큰 나이분산을 보였다. 성단전체 초기질량함수의 기울기는 Salpeter 초기질량함수의 기울기와 매우 유사한 ${\Gamma}$=-1.1${\pm}$0.1을 보였으며, 성단 중심거리에 따른 초기질량함수의 기울기는 -1.0${\pm}$0.2에서 -1.8${\pm}$0.5까지 체계적으로 변화를 하였다. 질량이 큰 O형 별의 쌍성비율이 중심거리에 따른 변화를 보이지 않음에 비추어 볼 때, NGC 6231의 질량분리 양상은 역학적 진화의 결과가 아니라 원초적 질량분리현상으로 결론을 내릴 수 있다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.12
• /
• pp.1219-1223
• /
• 2010

This paper proposes a fast motion estimation algorithm based on motion speed and multiple initial center points. The proposed method predicts initial search points by means of the spatio-temporal neighboring motion vectors. A dynamic search pattern based on the motion speed and the predicted initial center points is proposed to quickly obtain the motion vector. Due to the usage of the spatio-temporal information and the dynamic search pattern, the proposed method greatly accelerates the search speed while keeping a good predicted image quality. Experimental results show that the proposed method has a good predicted image quality in terms of PSNR with less searching time comparing with the Full Search, New Three-Step Search, and Four-Step Search.

• The Bulletin of The Korean Astronomical Society
• /
• v.37 no.2
• /
• pp.175.1-175.1
• /
• 2012

본 논문은 위성이 발사된 이후 수행된 초기 시스템 운영 점검을 내용으로 한다. 위성이 발사된 이후 위성 상태 및 기능에 대한 점검이 수행된다. 위성체 초기 점검은 위성체 개발자 관점에서 수행되며 준비된 위성 명령 중심으로 수행되며 이를 지원하기 위하여 지상국 일부가 사용된다. 하지만 검보정 기간의 촬영 및 정상 운영에서는 지상국 전체 시스템이 사용되어 영상 촬영 및 수신 중심으로 위성 명령이 생성된다. 이러한 배경에 의해 위성체 초기 점검과 정상 운영의 차이를 극복하기 위해 초기 시스템 운영 점검이 수행되었다. 초기 시스템 운영 점검을 위해서 촬영 시나리오가 도출되었고, 촬영 시나리오에 대한 상세 절차가 수립되었다. 발사전 리허설을 통해 사전 점검이 수행되었고, 위성이 우주로 발사된 이후 실제 지상국 시스템을 이용하여 지상국 운영을 확인하였다. 초기 시스템 운영 점검이 완료된 이후 위성체에 대한 검보정이 수행되었다. 본 연구 결과는 저궤도 위성 시스템 개발에 있어서 유용하게 응용될 수 있을 것으로 예상된다.

• The Bulletin of The Korean Astronomical Society
• /
• v.42 no.1
• /
• pp.33.3-33.3
• /
• 2017

현재 관측되는 대부분의 성단들은 구형의 구조를 보이는 반면, 별탄생 지역은 구형의 구조와는 다른 프랙털(fractal) 구조를 보이고 있다. 본 연구에서는 초기에 프랙털 구조를 가지는 성단이 우리 은하 중심부근에서 어떻게 진화하는지 N-body 시뮬레이션을 이용해 연구하였다. 그 결과, 프랙털 구조의 성단이 우리 은하 중심부근의 강력한 조석력장 내에서 살아남기 위해서는 초기 밀도가 높아야 한다는 것을 발견하였다. 성단의 초기 밀도가 높기 때문에 프랙털 구조의 성단은 빠른 역학적 진화를 보이며 구형의 성단으로 진화한다. 플러머 (Plummer) 구조의 성단도 프랙털 구조의 성단과 같이 초기 밀도가 높아야 살아남지만 프랙털 구조보다는 역학적인 진화가 느렸다. 이러한 결과들은 Arches 성단처럼 우리 은하 중심부근에서 관측되는 성단들의 형성과 진화에 제약조건을 줄 수 있을 것으로 예상된다.

• Annual Conference of KIPS
• /
• 2010.11a
• /
• pp.173-174
• /
• 2010

본 논문에서는 계층적 클러스터링의 확장성(scalability)을 향상시키기 위한 방안으로 새로운 초기 클러스터링 기법을 제안한다. 본 논문에서는 k-NN 그래프를 구축하여 초기 클러스터의 중심이 될 객체를 찾고, 이 객체를 중심으로 유사한 다른 객체들을 초기 클러스터에 포함시키는 방법을 제안하고, 실험을 통해 제안하는 방법의 성능 개선 효과를 규명하였다.

• The KIPS Transactions:PartB
• /
• v.11B no.7 s.96
• /
• pp.867-874
• /
• 2004

K-Means algorithm is a non-hierarchical (plat) and reassignment techniques and iterates algorithm steps on the basis of K cluster centroids until the clustering results converge into K clusters. In its nature, K-Means algorithm has characteristics which make different results depending on the initial and new centroids. In this paper, we propose the modified K-Means algorithm which improves the initial and new centroids decision methodologies. By evaluating the performance of two algorithms using the 16 weighting scheme of SMART system, the modified algorithm showed $20{\%}$ better results on recall and F-measure than those of K-Means algorithm, and the document clustering results are quite improved.

• Journal of Internet Computing and Services
• /
• v.13 no.6
• /
• pp.1-8
• /
• 2012

Clustering method is divided into hierarchical clustering, partitioning clustering, and more. K-Means algorithm is one of partitioning clustering and is adequate to cluster so many documents rapidly and easily. It has disadvantage that the random initial centers cause different result. So, the better choice is to place them as far away as possible from each other. We propose a new method of selecting initial centers in K-Means clustering. This method uses triangle height for initial centers of clusters. After that, the centers are distributed evenly and that result is more accurate than initial cluster centers selected random. It is time-consuming, but can reduce total clustering time by minimizing the number of allocation and recalculation. We can reduce the time spent on total clustering. Compared with the standard algorithm, average consuming time is reduced 38.4%.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.8B
• /
• pp.1141-1151
• /
• 2001

본 논문에서는 효과적으로 선택된 초기 탐색 위치를 이용한 움직임 추정의 고속 알고리즘을 제안하였다. 제안된 알고리즘에서는 2$\times$2화소 블록 평균으로 부표본화 영상에서 움직임 벡터를 얻어 원영상 비율로 확대하고, 주위 블록의 움직임으로부터 예측 움직임 벡터를 구하여, 이 중에서 정합오차가 작은 것을 초기 탐색 위치로 선택한다. 그리고 선택된 초기 탐색 위치를 중심으로 회전 탐색을 시작하여, 연속 소거 알고리즘으로 탐색할 후보 블록을 선택하고, 부분 정합 왜곡 소거법을 사용하여 블록간 정합오차 계산량을 줄이면서, 고속으로 움직임 벡터를 추정한다. 알고리즘의 실제 적용에 있어서는 선택된 초기 탐색 위치를 중심으로 회전 탐색 패턴의 탐색 범위를 조절하거나, 매크로 블록 당 복잡도를 제한하여 계산량을 줄일 수 있다. 실험 결과, 제안된 알고리즘은 전역탐색 블록정합 알고리즘에 대하여 0.2dB 이하의 미소한 평균 PSNR 저하만을 발생하면서, FBMA 복잡도의 3% 이하의 평균 복잡도를 소요하였다. 이것은 3단계 탐색법에 대하여 40% 이하의 계산량이다. 그리고 실험 영상들의 각 프레임에 대해서도 비슷한 성능을 보임을 확인하였다.