• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.598-600
• /
• 2000

영상에 존재하는 객체들을 인식하기 위해서는 먼저 영상의 영역 분할이 필요하다. 통계적 모델을 이용한 영상의 영역 분할은 미리서 분할하고자 하는 클러스터의 수를 결정한 후 이를 토대로 영상을 분할하게 된다. 그러나 영상마다 특성상 분할하고자 하는 클러스터 수가 다를 경우 이를 수동적으로 해주는 것은 비능률적이다. 따라서 본 논문은 영상의 영역 분할에 통계적 모델에서 미리 결정해줘야 하는 클러스터의 수 문제를 자동으로 검출하고 퍼지 c-Means 클러스터링 알고리즘을 통한 영상의 영역 분할 시 노이즈 문제를 이웃한 픽셀들의 멤버쉽 값을 평균화함으로써 해결하는 방법을 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04a
• /
• pp.337-339
• /
• 2001

최근에 클러스터링 기술이 발전함에 따라 병렬 및 분산처리 환경에서 클러스터링에 참여하는 서브노드의 환경 제어 및 감시 문제가 중요하게 대두되고 있다. 본 논문에서는 이러한 문제를 효율적으로 해결하기 위한 방안으로 노드의 감시 및 제어를 하는 응용과 노드의 정보전송 및 제어 값 설정을 하는 응용을 사용하여, 각 노드의 부하를 가급적으로 주지 않은 IP 레이어를 통한 노드 감시와 제어시스템의 설계에 관한 방법을 연구하였다. 또한 TCP 통신에 사용되는 통신 버퍼를 유동적으로 조절하여 시스템을 관리하는 방법을 제안하고, 시뮬레이션을 통하여 결과를 확인한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.706-709
• /
• 2015

영향력 전파 문제는 주어진 네트워크 환경에서 영향력을 최대화 할 수 있는 top-k 노드를 찾는 문제로 데이터 마이닝 분야에서 활발히 연구되어왔다. 본 논문에서는 그래프 클러스터링 기법을 사용하여 영향력을 전파하는 방법을 제안하고자 한다. 이러한 방법에는 두 가지 이점이 있는데 먼저 서로 다른 시드 사이에 영향력이 중복되는 블로킹 현상을 제거하여 수행시간을 단축시킬 수 있다. 다음으로는 유 방향 그래프인 경우 기존의 탐욕 알고리즘보다 더 많은 노드에 전파를 가능하게 한다.

• Journal of Intelligence and Information Systems
• /
• v.13 no.3
• /
• pp.31-45
• /
• 2007

Large data handling is one of critical issues that the data mining community faces. This is particularly true for computationally intense tasks such as data clustering. Random sampling of instances is one possible means of achieving large data handling, but a pervasive problem with this approach is how to deal with the noise in the evaluation of the learning algorithm. This paper develops a new optimization based clustering approach using an algorithm specifically designed for noisy performance. Numerical results show this algorithm better than the other algorithms such as PAM and CLARA. Also with this algorithm substantial benefits can be achieved in terms of computational time without sacrificing solution quality using partial data.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2003.08a
• /
• pp.95-103
• /
• 2003

목차 및 권말색인과 같은 인쇄형태의 정보내용에 대한 구조화된 접근방식에서 착안하여 전자 문서의 내용에 대한 새로운 형태의 접근방식을 개발할 수 있는데, 이를 위한 방안으로 용어 자동분류 기법이 있다. 본 연구에서는 용어의 의미모호성 문제를 해결하는 동시에 용어간 계층관계 표현이 가능한 자동분류 기법으로 퍼지 클러스터링 기법을 제안하고, 대표적인 퍼지 클러스터링 알고리즘인 퍼지 c-means 기법에 대해 분석하고자 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2012.05a
• /
• pp.289-291
• /
• 2012

수중 센서 네트워크에서는 물 속 이라는 환경적 특성으로 인해 네트워크 구성에 있어서 많은 어려움이 있다. 특히 에너지면 측면에서 지속적으로 공급받거나 충전시킬 수 없기 때문에 전체 센서 네트워크 연결을 방해하는 요소로 작용하게 되며, 효율적인 데이터 관리도 어렵다. 이러한 문제를 해결 할 수 있는 적합한 방법이 클러스터링이다. 따라서 본 논문에서는 수중이동 차량 그룹의 환경에 적합한 효율적인 클러스터링 프로토콜을 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.346-351
• /
• 2007

다중 전극으로 측정한 활동 전위의 분류(Multi-electrode spike sorting)는 단일 전극(single-electrode)보다 더 정확한 결과를 보여준다. 그러나 다중 전극에서 주어지는 활동 전위 크기들의 클러스터는 일반적으로 분류하기 쉴지 않은 문제이다. 이 논문에서는 고전적인 클러스터링 알고리듬 중의 하나인 Mountain method를 수정하여 다중 전극 활동전위의 분류에 적합한 알고리듬을 제안한다. 통상적인 데이터 클러스터링이 아닌 공간 분할을 통해 신경 데이터의 다양한 클러스터에 대해서 적응도가 높아지고 빠른 분류를 하게 된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.298-300
• /
• 2002

기존의 유전자 알고리즘은 우리가 원하는 최적해를 찾기 위해서 개체 집단의 크기를 가능한 크게 유지하여야 한다. 하지만 일반적인 문제들에 있어 개체의 적합도를 평가하는 젓은 어렵기 때문에 큰 집단의 로든 개체에 대하여 적합도를 평가하는 것은 커다란 시간과 비용을 소모한다. 이에 본 논문에서는 집단의 크기를 크게 유지하되 적합도 평가 과정을 줄이는 방안으로 클러스터링에 기반한 효율적인 유전자 알고리즘을 제시하고 체계적인 평가를 한다. 9개의 벤치마크 적합도 함수에 대하여 여러 클러스터링 방법을 적용하여 실험한 결과 제안한 방법의 유용성을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.70-72
• /
• 2003

주어진 현재의 문제를 해결하기 위해서 과거에 유사하게 수행된 사례를 유추하여 유추된 사례의 해를 이용하는 사례 기반 추론(case-base reasoning)은 털러 분야에 응용되고 있지만, 사례기반 추론 시 새로운 사례를 해결하기 위하여 사례베이스 내의 모든 사례를 검색해야 하기 때문에 수행시간이 증가되는 단정을 지니고 있다. 본 연구에서는 하드 클러스터링 방법으로 완전하게 분류하는 것이 불가능할 수도 있다는 문제점을 개선시키기 위하여 퍼지 클러스터링을 방법을 이용하여 사례베이스를 분류함에 의하여 시스템의 수행시간을 감소시키면서 정확성을 높이게 되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.548-550
• /
• 1999

최근 시스템 환경의 급격한 변화에 따라 기존 시스템의 유지보수와 재사용에 관련된 여러 가지 문제점이 발견되었다. 객체지향개념은 우리에게 재사용과 유지보수를 용이하게 해 줄 것으로 생각되었지만 기대만큼의 효과는 거두지 못하고 있다. 이러한 현실적인 문제를 해결하기 위해 많은 클래스들을 관련성을 이용해 패키지로 분류하는 클러스터링 기법들이 연구되었다. 대부분이 소프트웨어의 품질을 평가하기 위한 매트릭스를 기반으로 한 것이었지만, 실제 현장에서 개발자들의 경험에 의한 클러스터링 기법과는 많은 차이가 발생한다. 본 논문에서는 메트릭스를 이용한 Composition 방법과 개발자들의 경험을 이용한 Partition 방법을 혼합하여 정량화된 수치를 제공하며 개발자들의 경험을 충족시키는 방법을 제시하고자 한다.