• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (B)
• /
• pp.240-245
• /
• 2008

컴퓨터 그래픽스에서 많은 광원들을 포함하는 장면을 사실적으로 렌더링하기 위해서는, 많은 양의 조명 계산을 수행해야 한다. 다수의 광원들로부터 빠르게 조명 계산을 하기 위해 많이 사용되는 기법 중에 몬테 카를로(Monte Carlo) 기법이 있다. 본 논문은 이러한 몬테 카를로(Monte Carlo) 기법을 기반으로, 다수의 광원들을 효과적으로 샘플링 할 수 있는 새로운 중요도 샘플링 기법을 제안한다. 제안된 기법의 두 가지 핵심 아이디어는 첫째, 장면 내에 다수의 광원이 존재하여도 어떤 특정 지역에 많은 영향을 주는 광원은 일부인 경우가 많다는 점이고 두 번째는 공간 일관성(spatial coherence)이 낮거나 그림자 경계 지역에 위치한 픽셀들은 영향을 받는 주요 광원이 서로 다르다는 점이다. 제안된 기법은 이러한 관찰에 착안하여 특정 지역에 광원이 기여하는 정도를 평가하고 이에 비례하게 확률 밀도 함수(PDF: Probability Density Function)를 결정하는 방법을 제안한다. 이를 위하여 이미지 공간상에서 픽셀들을 클러스터링(clustering)하고 클러스터 구조를 기반으로 대표 샘플을 선정한다. 선정된 대표 샘플들로부터 광원들의 기여도를 평가하고 이를 바탕으로 클러스터 단위의 확률 밀도 함수를 결정하여 최종 렌더링을 수행한다. 본 논문이 제안하는 샘플링 기법을 적용했을 때 전통적인 샘플링 방식과 비교하여 같은 샘플링 개수에서 노이즈(noise)가 적게 발생하는 좋은 화질을 얻을 수 있었다. 제안된 기법은 다수의 조명과 다양한 재질, 복잡한 가려짐이 존재하는 장면을 효과적으로 표현할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 추계학술대회 논문집 학회본부 D
• /
• pp.821-823
• /
• 2000

전문가의 지식이 없거나 이를 이용하기가 힘든 상황에서 클러스터링과 GA를 이용하여 퍼지 시스템을 설계하는 방법에 관해 연구하였다. 클러스터링에 사용될 데이터의 획득을 위해 두 가지 상황을 고려하여 연구하였다. 먼저 기존의 제어기가 있는 상황에서 개선된 제어기를 설계하기 위해 기존 제어 시스템의 동작시 입출력에 관계된 상태를 샘플링하여 데이터를 획득하였으며, 다음으로 기존의 제어기가 없는 상황에서는 사람이 시스템을 최적으로 동작시키고 이때 시스템에 관계된 상태를 샘플링하였다. 획득된 데이터를 클러스터링하여 퍼지 시스템을 설계하고 이의 최적화에는 GA를 사용하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1014-1017
• /
• 2007

본 연구에서는 K-mean 알고리즘을 이용하여 수지조사지점을 클러스터링하고, 수질변화 특성을 비교 분석하였다. 현행 용담댐 저수지의 호내 수질조사점은 10개소를 운용하고 있으나, 샘플링의 경제성과 효율성을 위하여 수질변동 특성이 유사한 몇 개의 지점으로 클러스터링을 할 필요성이 있다. 군집의 개수를 3개, 4개, 5개로 변화해 가면서 알고리즘을 적용한 결과, 크게 3개의 영역으로 분류되었다. 즉, 지류의 유입부분과 용담호의 중류 지역 그리고 댐앞 지점으로 분류되었다. 지류로 부터의 오염부하 유입에 따른 영향을 직접적으로 받는 3번, 8번, 9번 조사지점은 수질변동 특성이 유사한 것으로 분석되었으나, 공간적으로 이격되어 있어 조사지점을 계속 유지하는 것이 바람직할 것으로 판단된다. 용담호의 중류에 해당하는 5번, 6번, 7번 지점은 하천과 호소의 중간적인 성격을 지닌 전이지대(transitional zone)에 해당하며, 수질변동특성이 유사하여 하나의 조사지점으로 통합하는 것이 적절할 것으로 판단된다. 1번, 2번, 4번 조사지점은 댐앞 지점으로써 호소의 성격이 강한 지점으로 볼 수 있으며, 하나의 조사지점으로 통합할 수 있다. 통합된 조사지점의 강우기 수질 변화는 매우 유사한 패턴을 보이고 있는 것을 확인할 수 있다.

• 터널과지하공간
• /
• 제26권1호
• /
• pp.46-58
• /
• 2016

본 연구는 LIDAR라고 불리는 레이져 스캐너를 이용하여 관악산 주변 암반 불연속면을 스캔하여 얻은 삼차원 점군 데이터로부터 삼각망을 구성하고 이로부터 암반 불연속면의 방향을 검출하는 내용을 다루고 있다. 각 불연속면의 방향정보를 획득하는 데 Ball Pivoting, Wrap 알고리즘 두 가지 방법을 사용하고 점군의 샘플링 간격을 원간격, 2, 5, 10 cm로 다운샘플링 하였을 때의 방향 검출 효율성을 확인하였고 각각으로부터 얻어지는 방향정보를 퍼지 K-평균 클러스터링 기법을 이용하여 평사투영망 위에서 비교 분석하였다. 투영방향에 의존적인 Delaunay 삼각망 구성방법보다 Ball Pivoting, Wrap 알고리즘이 암반 불연속면 정보 검출에 더 적합함을 확인하였고, 샘플링 간격이 5 cm일 때 Ball Pivoting, Wrap 알고리즘 모두 가장 많은 패치를 검출해내었고 또한 가장 넓은 패치들의 면적을 검출해냄을 확인하였다.

• EDISON SW 활용 경진대회 논문집
• /
• 제4회(2015년)
• /
• pp.32-39
• /
• 2015

최근 펩티드를 포함한 다양한 물질들의 자기조립 (self-assembly) 나노구조체에 대한 연구들이 많이 진행되고 있다. 이는 이러한 분자들로 구성된 구조체들이 환경친화적이며, 생체 나노구조체를 묘사함을 통해 세포소기관의 기능 역시 모방할 수 있다고 기대되기 때문이다. 만약 분자 수준에서 자기조립을 형성하는 단위체를 살펴본다면 자기조립 나노 구조를 개발하는 방법에 대한 통찰을 얻을 수 있을 것이다. 본 연구에서는 최근에 Wen Li 그룹에서 개발한 쉽게 합성할 수 있는 자기조립 펩티드의 적합성을 분자 수준에서 규명하였다. 이를 위해 복제계-맞바꿈 분자 동역학 시뮬레이션 (replica exchange molecular dynamics simulation)을 통해 구조를 샘플링 (sampling)하였고, 얻어진 구조들을 평균 제곱근 편차 (root mean square deviation, RMSD)를 기준으로 클러스터링하였다. 그 결과로 매우 우세한 상대빈도를 보이는 하나의 구조를 얻었으며, 그 구조가 탄소 골격과 잔기의 배열의 측면에서 자기조립 펩티드로 사용되기에 적합함을 규명하였다.

• 한국지능시스템학회논문지
• /
• 제14권2호
• /
• pp.136-141
• /
• 2004

소매점 거래 데이터와 단백질 시퀀스, 웹 로그 등과 같은 상업적이거나 과학적인 데이터의 폭발적인 증가를 볼 수 있다. 이런 데이터들은 순서적인 면을 가지고 있는 시퀀스 데이터들이다. 그러나, 순서적인 면을 고려한 클러스터링 알고리듬은 소수이다. 따라서, 본 연구에서는 시퀀스 데이터들을 클러스터링 하는 방법을 연구한다. 시퀀스들 간의 유사도를 계산하기 위한 새로운 유사도를 제안한다. 또한, 유사도를 효율적으로 계산하기 위한 방법과 클러스터링 방법도 제안한다. 계층적 클러스터링 알고리듬은 높은 계산량을 가지고 있기에, 새로운 클러스터링 방법이 요구된다. 그러므로, 본 연구에서는 샘플링과 k-nn 방법을 이용한 확장성 있는 클러스터링 방법을 제안한다. 실제 데이터 셋과 합성 데이터 셋을 이용하여, 본 연구에서 제안하는 방법이 기존 방법보다 성능이 우수함을 보여준다.

• 정보처리학회논문지B
• /
• 제16B권3호
• /
• pp.247-256
• /
• 2009

대부분의 잠정적 적합피드백기법들은 질의에 대해 검색된 상위검색문서들이 적합하다고 가정하고, 그 문서들을 질의 확장을 위한 피드백 문서로 이용하고 있다. 그러나 초기검색결과에는 상당한 양의 부적합 문서를 포함하고 있는 것이 현실이다. 이 논문에서는 보다 좋은 피드백 문서를 선택하기 위해서 중첩클러스터를 이용한 피드백문서의 재샘플링 기법을 제안한다. 주요 아이디어는 질의 중심적인 초기검색문서집합에 대해서 중첩이 허용된 문서클러스터를 이용하여 문서들 사이의 관계를 반영하여 질의에 핵심역할을 하는 지배적 문서를 찾고, 이 문서들을 반복적으로 피드백 하여 질의가 내포하는 핵심 주제를 강조하는 것이다. 대규모 실험집합인 TREC GOV2와 WT10g에 대한 실험비교에서, 최근 잠정적 적합피드백 기법들 중에서 가장 좋은 성능을 보이고 있는 적합모델보다 재샘플링기법이 우수한 성능향상을 보였다. 제안기법에 대한 검증을 위해서 피드백문서에 포함된 적합문서의 정도를 나타내는 적합밀도를 측정하였다. 재샘플링 기법이 TREC 실험집합에 대해서 적합모델에 비해 높은 적합밀도를 보였고, 이 결과 적합피드백에서 검색성능을 향상시키게 되었다. 이는 제안 기법이 잠정적 적합피드백에서 유효한 방법임을 알 수 있다.

• 지능정보연구
• /
• 제13권3호
• /
• pp.31-45
• /
• 2007

대용량의 데이터 처리에 관한 문제는 데이터 마이닝 내 중요한 이슈 중의 하나이다. 특히 데이터 클러스터링과 같이 컴퓨터 시뮬레이션으로 인한 부하가 큰 경우 더더욱 그러하다. 그러나 대개 이러한 문제는 Random sampling 으로 어느 정도 해결이 가능하다. 문제는 이런 샘플링을 통해서 발생하는 noise의 해결이다. 본 논문에서는 그러한 noise문제를 극복할 수 있도록 설계된 새로운 데이터클러스터링 알고리즘을 소개한다. 기존의 데이터 클러스팅 알고리즘과의 컴퓨터 비교 실험을 통해 본 알고리즘의 우수성을 밝혔으며 아울러 더 나아가 데이터 set의 일부만을 사용한 시뮬레이션 결과를 통해, 해의 정확도와 상관없이 실험 시간 또한 단축되었음을 보여주고 있다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.744-749
• /
• 2007

물체 추적시스템은 비디오 감시 시스템, 화상회의 시스템과 같은 다양한 비전 응용 분야에서 점점 비중이 높아지고 있다. 이 시스템에서 가장 널리 사용되고 있는 방법 중 하나로 Particle-Filter를 들 수 있다. 하지만, 이 Particle-Filter의 단점은 유사한 여러 물체를 추적할 때에 그 물체들이 겹치거나 사라질 경우 정확한 추적을 하기 어렵다는 것이다. 이 단점을 극복하기 위해 많은 연구가 진행되고 있으며, 본 논문에서는 이 문제를 극복하기 위한 새로운 방법을 제안하고자 한다. 다중 물체 추적에서 빈번히 일어나는 문제는 두 가지로 요약할 수 있는데, 동일한 다중 물체가 부분적으로 엇갈리거나 다른 객체에 완전히 겹친 후 떨어질 때 한 물체를 중복하여 추적하는 문제(merge and split problem)와 이 때 분리되어 추적은 됐지만, 물체를 혼동하여 추적하는 문제(Labeling problem)이다. 본 논문에서는 이 러한 문제들을 풀기 위해 이미지 필드에서 보다 정확한 확률분포를 만들고, 이 확률분포의 신뢰성을 높이기 위해서 물체의 특징정보를 표현하는 몇 가지 방법을 제안한다. 전자의 문제는 두 가지 문제로 나누어 생각해 보았다. 첫째, 복잡환 환경에서의 분포를 찾아내는 것과 둘째, 추적 중인 물체를 잃어버릴 경우 새로운 샘플을 생성함으로써 나누어 보았다. 이 문제 중 첫번째는 K-means 클러스터링을 이용하여 유사한 물체가 주변에 퍼져 있을 때, 하나의 후보 위치가 아닌, K개의 후보 위치들을 만들어 내어 보다 정확한 추적이 가능하게 하였으며, 두 번째 문제는 추적 중인 물체가 다른 커다란 물체에 가려질 경우이다. 이 상황에서 샘플을 생성하는 방법은 지금까지 해왔던 간단한 환경에서의 생성 범위와는 다르게 넓게 해야 생성시켜야 한다. 이 때 샘플링의 수를 늘리지 않으면서, 최대한 정확하게 추적하기 위해서 동영상에서 물체의 모션을 이용한 모션 히스토그램을 얻어내고, 그 정보를 이용하여 샘플을 생성하는 위치를 조절함으로써 이 문제를 풀어 보았다. 그리고, 후자의 문제인 이미지 필드상에서 확률분포의 신뢰성을 높이기 위한 특징 정보는 기존에 많이 사용하던 칼라 히스토그램에 공간정보의 의미를 부여하는 칼라 히스토그램을 분할하는 방법과 SIFT에서 사용하는 방향정보와 크기정보를 사용했다. 이것들을 사용하여 보다 정확한 물체추적시스템을 다음과 같이 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (상)
• /
• pp.23-26
• /
• 2000

정보기술이 발달하면서 자료의 흔적들이 체계화된 데이터베이스에 저장이 되고, 더불어 데이터베이스의 규모는 점점 커지고 있다. 데이터 마이닝은 이런 방대한 자료의 분석을 통해, 그 속에 숨어있는 의미를 찾는 과정이라고 볼 수 있다. 본 논문에서는 대용량 데이터베이스에 존재하는 여러 유용한 지식을 추출하는 방법으로서 데이터 마이닝을 분류화, 클러스터링, 요약규칙, 시간에 따른 분석 및 예측등으로 분류하여 요약, 제시하였고, 이렇게 추출된 패턴, 정보, 지식들의 유용성을 측정하는 지표를 정리하였다. 개발된 XM-Tool/Miner은 문제 중심적 마이닝 도구를 목표로 하였으며, 대표적인 마이닝 알고리즘을 적용하였고, 또한 사용의 편이성에 초점을 맞추었다. 더 나아가 데이터 마이닝 기법뿐만 아니라 데이터의 샘플링과 성능향상을 통하여 방대한 데이터로부터 다양한 지식탐사가 가능해지고, 발견된 규칙 또는 지식의 유용성 측정을 통하여 업무 분야의 특성에 따라 효과적으로 반영되며 의사결정 및 CRM 마케팅, 동향분석 및 예측 등에 유용한 정보를 추출하는 도구로 사용할 수 있을 것이다.