• 한국통신학회논문지
• /
• 제38B권6호
• /
• pp.446-453
• /
• 2013

무선 센서네트워크에서 클러스터링 기법은 네트워크 확장성과 네트워크 수명 연장에 효율적이라고 인정받고 있다. 본 논문에서는 클러스터 기반 센서 네트워크에서 multi-hop to one-hop 전송 환경을 고려하여 에너지 효율성에 최적인 클러스터 비율(cluster ratio, CR)을 분석하는데 초점을 둔다. 본 논문에서는 지정한 클러스터 비율을 통한 시스템 홉 수(hop-count) 최소화와 노드 간 패킷수신율(packet reception ratio, PRR) 최대화 사이의 이해득실(trade-off) 관계를 분석하고 이 두 요소를 종합적으로 고려하여 목표함수를 유도한다. 제안한 목표함수를 통하여 얻은 최적의 클러스터 비율은 네트워크에서 패킷 전송에 드는 비용뿐만 아니라 노드 간 재전송 오버헤드를 줄여줌으로써 에너지 효율성을 향상시킨다. 본 논문에서 제안한 기법은 최소 홉 수 클러스터링 방안과 비교되며 시뮬레이션을 통하여 향상된 에너지 효율성을 검증하였다.

• 대한전자공학회논문지TC
• /
• 제46권2호
• /
• pp.27-37
• /
• 2009

센서 네트워크를 구성하는 센서 노드들은 제한된 배터리 용량을 가지고 있으며 한번 배치되면 추가적인 에너지 공급이 어렵기 때문에 노드의 소비 전력을 최소화하기 위한 연구가 중요하다. 많은 연구 중 클러스터링 기법은 센서 네트워크에서 에너지 소비를 줄이기 위한 효과적인 기법중의 하나로 각광 받아왔다. 하지만, 클러스터링 기법은 클러스터의 수와 크기, 데이터전송에 참여하는 노드간의 거리등에 따라 에너지 절감 효과가 달라진다. 따라서 이러한 요인들을 최적화해야 클러스터링에 의한 에너지 절감 효과를 최대화할 수 있다. 본 연구에서는 확률적 최적해 탐색 기법인 유전자 알고리즘을 사용하여 센서 노드의 에너지 소비를 줄일 수 있는 최적의 클러스터를 찾는 것을 목적으로 한다. 유전자 알고리즘은 클러스터를 구성할 수 있는 수많은 경우의 수중에서 최적의 클러스터를 찾기 위해 진화의 과정을 거쳐 탐색을 수행한다. 따라서 진화 과정이 없는 LEACH와 같은 클러스터링 알고리즘보다 효과적일 수 있다. 본 연구에서 제안하는 2차원 염색체 유전자 알고리즘은 염색체내에 존재하는 각 노드에게 고유한 위치정보를 부여함으로써 기존 유전자 알고리즘보다 효율적인 유전자 진화를 수행할 수 있다. 그 결과, 센서 네트워크의 수명을 최대화 할 수 있는 최적의 클러스터를 빠르고 효과적으로 찾을 수 있다.

• 한국지능시스템학회논문지
• /
• 제14권3호
• /
• pp.369-374
• /
• 2004

Convex한 클러스터간의 최적의 거리와 Fuzzy Convex Clustering(FCC) 방법에 의한 효과적인 클러스터 결합 알고리즘을 제시하였다. 또한 두 convex한 클러스터간의 거리 측정 방법의 문제점인 정확성과 수행속도 개선하기 위하여 Support Vector Machines(SVM) 을 이용한 빠르고 정확한 거리 측정 방법을 제시하였다. 따라서 데이터의 부적절한 표현 없이 클러스터들의 개수를 크게 더 줄일 수 있었다. 본 논문에서는 제시한 알고리즘의 타당성을 위하여 여러 데이터에 대한 실험결과를 보여주므로서 제시한 알고리즘을 실제 영상 분할에 적용하여 다른 클러스터링 방법의 결과와 비교분석한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.78-80
• /
• 2000

클러스터링이란 주어진 데이터들을 유사한 성질을 가지는 군집으로 나누는 것으로 많은 분야에서 응용되고 있으며, 특히 최근 관심의 대상인 데이터 마이닝의 중요한 기술로서 활발히 응용되고 있다. 클러스터링에 있어서 기존의 알고리즘들은 지역적 최적해에 수렴하는 것과 사전에 클러스터 개수를 미리 결정해야 하는 문제점을 가지고 있다. 본 논문에서는 병렬 탐색을 통해 최적해를 찾는 진화알고리즘을 사용하여 지역적 최적해에 수렴되는 문제점을 개선하였으며, 자동으로 적절한 클러스터 개수를 결정할 수 있게 하였다. 또한 진화알고리즘의 단점인 탐색공간의 확대에 따른 탐색시간의 증가는 휴리스틱 연산을 정의하여 개선하였다. 제안한 알고리즘의 성능 및 타당성을 보이기 위해 가우시안 분포 데이터를 사용하여 제안한 알고리즘의 성능이 우수함을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 A
• /
• pp.194-195
• /
• 2006

미래의 전력 시스템은 환경과 기술적인 이유로 인해 더욱더 많은 분산전원을 이용하게 될 것이다. 분산전원은 서로 다른 특징을 가지고 있고 또한 배전계통에서 기존의 계통운영과는 다른 형태로 운전될 것이다. 이런 관점에서 다수의 분산전원을 모아 하나의 가상의 발전소로 운영하는 개념이 등장하게 되었는데, 이를 Virtual Power Plant(VPP)라고 한다. VPP는 매니지먼트 시스템이 관리하는 여러 클러스터들로 이루어져 있으며 이들 클러스터들은 각각 여러 종류의 분산전원으로 구성되어 있다. 본 논문에서는 클러스터를 이루는 분산전원을 어떻게 운영하는 것이 최적의 경제적 효율을 지닐 수 있을 지에 대해 논의하게 될 것이다. 디젤 발전기의 출력의 경우 그 소유자에 의해 제어가 가능하지만, 태양광 발전 시스템의 경우 기상 상태에 따라 그 출력이 결정된다. 따라서 이러한 각각의 특성을 고려하여 본 논문에서는 디젤, CHP(Combined Heat and Power), 보일러, 태양광발전으로 구성된 복합 시스템에서 각 시간별로 수용가의 전력 및 열 수요와 분산전원의 에너지 생산을 비교하여 VPP 최적 운영 계획을 구성하였다.

• 한국전자통신학회논문지
• /
• 제16권1호
• /
• pp.19-24
• /
• 2021

본 논문에서는 아파치 스파크를 이용하여 머신러닝을 분산 처리할 때의 성능 요인을 분석하고 효율적인 분산 처리를 위한 실행 환경을 실험을 통해 제시한다. 먼저, 분산 클러스터 환경에서 머신러닝을 수행할 때 고려해야 하는 성능 요인으로 클러스터의 성능, 데이터의 규모, 스파크 엔진의 속성으로 구분하여 분석한다. 그리고 하둡 클러스터에서 동작하는 스파크 MLlib을 이용하여 회귀분석을 수행할 때 노드의 구성과 스파크 Executor의 설정을 변화하면서 성능을 측정한다. 실험 결과 최적의 Executor 개수는 데이터의 블록의 수에 영향을 받으나 클러스터 규모에 따라 최대값, 최소값은 각각 코어의 수, 워커 노드의 수로 제한됨을 실증하였다.

• 정보처리학회논문지C
• /
• 제17C권3호
• /
• pp.291-298
• /
• 2010

무선 센서 네트워크에서 센서노드의 수명은 배터리에 의해 제한되므로 에너지는 가장 중요한 고려사항이다. 클러스터링은 네트워크의 에너지 소비를 효율적으로 관리하는데 사용되는 방법 중 하나이며, LEACH는 대표적인 클러스터링 알고리즘이다. LEACH는 센서 노드들의 에너지 소비를 공평하게 분산시키기 위해 에너지 소모적 기능을 하는 클러스터 헤드를 매 라운드마다 무작위로 순환시키는 방법을 사용하고 있다. 클러스터 헤드의 무작위 선정은 매 라운드 최적의 클러스터 헤드 수를 보장해주지 못한다. 그리고 밀도가 높은 클러스터에 위치한 클러스터 헤드는 과부하 상태가 된다. 본 논문에서는 클러스터 헤드의 수를 보장하기 위한 토큰 기반의 클러스터 헤드 선정 알고리즘과 균등한 밀도의 클러스터 형성을 위한 클러스터 선택 알고리즘을 제안한다. 시뮬레이션을 통하여 제안하는 알고리즘이 LEACH 보다 네트워크 수명이 9.3%정도 연장됨을 보여주었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.55-57
• /
• 2006

k-medoid 클러스터링 알고리즘은 고정된 클러스터 수(k)를 가지고 실험하기 때문에 데이터에 대한 사전 지식이 없으면 올바른 분석이 어렵고, 클러스터 수를 변경하면서 여러 번 반복 실험하여 실험 결과에 대한 타당성을 조사해야 하기 때문에 데이터의 크기가 커질수록 시간 비용이 증가하는 단점이 생긴다. 본 논문에서는 k-medoid 클러스터링 알고리즘 분석에 있어서 가장 어려운 문제 중 하나인 적절한 클러스터 수 k를 사회 네트워크 분석 방법 중 매개중심 값을 이용하여 찾는 새로운 방법을 제안하고 이를 실제 마이크로 어레이 데이터에 적용하여 유전자 알고리즘에 기반한 k-medoid 클러스터링을 수행함으로써 좀 더 정확한 클러스터링 결과를 보인다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2018년도 동계학술대회
• /
• pp.41-44
• /
• 2018

교육데이터마이닝은 다양한 교육 환경에서 생성되는 막대한 양의 데이터를 활용하여 학습자들의 학습 유형, 학습 진도를 분석, 예측하고 교육 성취를 효과적으로 향상시키는 것을 목적으로 한다. 효과적인 교육데이터마이닝 결과를 얻기 위해서는 교육데이터에 대한 정제 과정이 필요하며 DBSCAN 클러스터링을 통해 교육데이터에 포함된 노이즈 데이터를 제거하고 생성된 각 클러스터에서 동일한 비율로 데이터를 추출함으로써 편향되지 않은 표본 데이터를 생성할 수 있다. 하지만 DBSCAN은 두 개의 전역 매개변수에 의해 다양한 밀도분포를 가지는 클러스터를 생성할 수 없다는 문제점이 있으며 이는 교육 데이터를 정제함에 있어 치명적인 문제점이 될 수 있다. 본 논문에서는 DBSCAN의 문제점을 개선하고 클러스터링 정확도를 향상시키기 위해 고정된 매개변수를 사용하지 않고 각 밀도분포에 대해 최적의 입력 매개변수를 결정함으로써 다양한 밀도분포를 가지는 클러스터들을 효과적으로 생성하는 C-DBSCAN을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 추계학술발표논문집 (중)
• /
• pp.1209-1212
• /
• 2003

애드 혹 네트웍(Ad Hoc Networks)은 유선 기반 망을 배제한 완전한 모바일 네트웍이다. 이동성이 큰 애드 혹 네트웍 노드간에는 경로 설정을 위해서 주기적으로 라우팅 패킷이 전송된다. 라우팅 방법은 소스 전송 요구에 따른 요구 기반 라우팅과 주기적으로 라우팅 테이블을 갱신하는 테이블 기반 라우팅으로 나누어진다. 또한, 이 두가지 방법을 혼합한 라우팅을 사용할 수 있는데, 기존의 연구에서 동등한 노드의 자원과 역할을 가정하기 때문에, 실제 네트웍에 적용하는데 한계가 있다. 본 논문에서는 클러스터를 이용한 라우팅 방법을 제안한다. 단순한 클러스터를 이용한 노드 관리는 클러스터 구성에 따른 관리 오버헤드가 발생하게 된다. 따라서 클러스터 구성 노드의 적정 수준을 유지하고, 전파 자원이 충분한 글러스터 선출 방법을 제안함으로써, 네트웍 전체의 관리 오버헤드를 줄일 수 있다. 시뮬레이션은 NS2 [12]를 이용하여, 시뮬레이션 시간동안 노드가 잔여 전력에 따라 클러스터 멤버의 수와 Hello Packet 의 주기를 변화 시킴으로써 노드의 생존성을 보장하고, 최적을 클러스터 구성할 수 있는 노드 수를 측정하였다.