• 한국결정학회지
• /
• 제14권1호
• /
• pp.16-23
• /
• 2003

β-MnO₂ 전자상태와 화학결합을 하트리-폭-슬레이터 근사를 사용하는 제 1원리 분자 궤도법의 일종인 DV-X/sub α/ 법에 의해 이론적으로 조사하였다. 벌크상의 β-MnO₂에 대한 상태를 해석하기에 적합한 클러스터 모델을 결정하기 위하여, 여러 가지 다른 크기를 지닌 수종의 클러스터 모델들에 대한 계산을 행하였다. 실험적으로 측정된 XPS와 이론적으로 계산된 XPS를 비교함으로써, Mn/sub 15/O/sub 56/ 모델이 β-MnO₂의 전자 상태와 화학 결합을 계산하기에 가장 적합한 모델임을 결정하였다. 이 모델을 사용하여 에너지 준위, 상태 밀도, 유효 공유 결합 전하, 유효 전하, 전자 밀도 분포를 구하고, 이에 대한 고찰을 행하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제43차 동계학술발표논문집 19권1호
• /
• pp.85-88
• /
• 2011

Fuzzy C-Means (FCM) 알고리듬은 가장 널리 사용되는 군집화 알고리듬 중 하나로 다양한 응용 분야에서 사용되고 있다. 하지만 FCM은 여러 가지 문제점을 가지고 있으며 초기 원형 설정이 그 중 하나이다. FCM은 국부 최적해에 수렴하므로 초기 원형 설정에 따라 클러스터링 결과가 달라진다. 이 논문에서는 이러한 FCM의 초기 원형 설정 문제를 개선하기 위하여 커널밀도 추정 (kernel density estimation) 기법을 활용하는 방법을 제안한다. 제안한 방법에서는 먼저 커널 밀도 추정을 수행한 후 밀도가 높은 지역에 클러스터의 초기 원형을 설정하고 원형이 설정된 영역의 밀도를 감소시키는 과정을 반복함으로써 효율적으로 초기 원형을 설정할 수 있다. 제안된 방법이 일반적으로 사용되는 무작위 초기화 방법에 비해 효율적이라는 사실은 실험결과를 통해 확인할 수 있다.

• 대한화학회지
• /
• 제59권5호
• /
• pp.387-396
• /
• 2015

HOOO-(H₂O)_n (n=1~5) 클러스터에 대해서 다양한 기저집합과 밀도 범함수 이론(DFT) 및 순 이론(ab initio) 방법을 사용하여 가능한 여러 구조를 최적화하고 결합에너지와 조화진동수를 계산하였다. HOOO 단량체의 경우에는 CCSD(T) 이론 수준에서 trans 구조가 cis 구조보다 열역학적으로 더 안정한 것으로 계산되었다. HOOO-(H₂O)_n 클러스터에 대해서는 B3LYP/aug-cc-pVTZ와 CAM-B3LYP/aug-cc-pVTZ 이론 수준에서 분자 구조를 최적화하고 열역학적으로 가장 안정한 분자구조를 예측하였다. HOOO-H₂O 클러스터의 결합에너지는 MP2//CAM-B3LYP 한 점 에너지 계산에서 영점 진동에너지(ZPVE)와 바탕 집합 중첩에러(BSSE)까지 모두 보정한 후 6.05 kcal/mol로 계산되었으며, n=2-5의 경우에는 물 분자의 수가 증가 할수록 물분자 1개 당 평균 결합에너지는 증가하여 약 7.2 kcal/mol의 값으로 수렴하였다.

• 정보처리학회논문지C
• /
• 제17C권5호
• /
• pp.427-432
• /
• 2010

계층적인 센서네트워크에서는 클러스터 헤더의 선출이 네트워크의 수명에 중요한 영향을 미치기 때문에 효율적인 클러스터 헤더 선출이 중요하다. 따라서 최근 연구에서는 전체 네트워크의 수명을 늘리기 위해 효율적인 클러스터 헤더 선출 기법에 대해 다양한 연구 활동이 진행되고 있다. 본 논문에서는 Sink와의 거리를 고려하여 클러스터를 Group으로 분할하고 노드 밀도에 의해서 클러스터 헤더를 선출하는 방식을 제안한다. 또한 제안하는 기법의 성능을 평가하여 Zigbee 환경에서 네트워크 수명이 향상됨을 보이고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.37-39
• /
• 2005

본 논문에서는 기존의 밀도 기반 전지 클러스터링 알고리즘의 성능을 개선한 밀도 기반 클러스터링의 근사적 접근법을 제안한다. 기존의 밀도 기반 전지 알고리즘은 다차원 색인의 많은 검색 공간을 빠르게 전지하면서도 원하는 클러스터를 정확히 찾아내는 특징을 가지고 있다. 그러나 기존 알고리즘은 전지를 위한 한계 값 설정을 위하여 단말 영역들의 밀도 값을 사용함으로써, 내부 영역에 속한 단말 영역들 간의 밀도 편차가 큰 경우 전지 여부에 대한 판별이 빨리 이루어지지 않는다. 또한, 최악의 경우에는 모든 단말 페이지를 검색하여야 하고, 이에 따라 성능이 저하될 수 있다. 반면에 제안하는 근사적 접근법에서는 한계 값 설정을 위해 단말 영역이 아닌 내부 영역의 밀도 값을 사용한다. 일반적으로, 내부 영역들 간의 밀도 편차는 단말 영역들 간의 밀도 편차보다 크지 않으므로, 근사 밀도 기반 전지 알고리즘에서는 더욱 많은 검색 공간의 전지 여부의 빨리 판별할 수 있게 된다. 성능 평가 실험을 수행한 결과, 제안한 알고리즘은 기존의 알고리즘과 비교하여 정확성 측면에서는 큰 차이가 없는 반면 수행 시간 측면에서는 최대 $17\%$의 성능 향상 효과가 있는 것으로 나타났다.

• 한국자기학회지
• /
• 제19권5호
• /
• pp.157-160
• /
• 2009

Ge 원자로 구성된 1차원 체인형태의 나노클러스터에 자성전이금속 Cr 및 Mn 원자를 치환 하였을 때 자성전이금속 원자사이의 자기적 상호작용을 제1원리의 범밀도함수법을 이용하여 계산하였다. 그 결과 Ge 원자와 전이금속 원자는 반강자성적인 상호작용을 하고 있으며, Ge-Ge원자 또한 반강자성 경향을 나타내었다. 이러한 자기 교환상호작용은 Ge 원자 여러 원자 층을 자화시켜 일어나고 있으며, 그 크기도 작지 않았다. 또한 자기 교환상호작용은 Ge 원자 수에 크게 의존하였다.

• 한국지능시스템학회논문지
• /
• 제10권4호
• /
• pp.285-292
• /
• 2000

자료 분석 과정을 살펴 보면 1) 자료가 갖는 경향 평가, 2) 클러스터 분석, 3) 클러스터의 타당성 조사라는 과정을 거쳐 이루어진다. 이 분석법은 2) 및 3) 단계의 반복 수행으로 인하여 많은 계산 시간이 소요되므로 비효율적인 방법이라 할 수 있다. 본 논문에서는, 이와 같은 단점을 보완하기 위하여 자료가 갖는 개략적 특성을 파악하여 자료 속에 존재하는 클러스터의 근사적 개수 및 중심을 정한 후, 이 정보를 기존의 일반적인 퍼지 클러스터링 알고리즘에 입력하여 클러스터링을 수행하는 밀도함수를 이용한 계층적 구조의 근사적 클러스터링 알고리즘을 제안하고, 예제를 통하여 제안된 알고리즘의 타당성을 보인다.

• 한국전자통신학회논문지
• /
• 제9권11호
• /
• pp.1241-1248
• /
• 2014

사물인터넷의 하위 구조인 센서 네트워크는 센서 노드의 효율적인 배터리 사용이 중요한 요소이다. 센서노드의 배터리 사용 시간을 최대화할 수 있으면 센서 네트워크의 생존 시간도 늘어나고 사물인터넷의 신뢰도도 향상될 것이다. 이 문제에 대한 기존의 해결들은 주로 후보 노드들의 에너지 잔량에 기반하여 클러스터 헤드의 주기적 교체에 중점을 두었다. 본 연구에서는 헤드 교체 주기를 효율적으로 관리하여 네트워크의 생존 시간을 최대화하고자 한다. 제안하는 기법은 센서노드의 에너지 잔량, 위치, 밀도 등을 고려한 임계치에 기반하여 헤드를 교체하고 최초로 소멸되는 노드의 시각과 최후로 소멸되는 노드의 시각 사이의 시간을 최소화 한다. 실험 결과 제안하는 기법은 노드간의 에너지 균형과 네트워크의 생존시간을 최대화하는 것을 확인할 수 있었다.

• 융합신호처리학회논문지
• /
• 제15권4호
• /
• pp.155-161
• /
• 2014

본 논문에서는 비교적 밀도가 높게 전개되는 무선 센서네트워크에서 센서노드들의 에너지를 균형있게 소비할 수 있는 클러스터-기반 에너지 소비 균형을 위한 라우팅 프로토콜을 제안하였다. 본 프로토콜은 계층적 구조를 가지는 클러스터-기반으로 구현된다. 클러스터는 위치적으로 가까운 거리에 있는 센서노드들로 형성되며, 해당 클러스터 멤버들 중에서 잔류 에너지가 가장 높은 노드가 헤드노드로 선정된다. 경로 선정에서, 이웃하는 클러스터와 통신의 범위가 중첩되게 하여 그 공통영역 내에 있는 하나의 노드를 중계노드로 선택하여, 통신에너지 소비의 균형을 고려하여 노드들의 수명을 연장할 수 있게 하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.235-238
• /
• 2003

Fuzzy C-Means(FCM) 알고리즘은 초기 군집 중심의 개수와 위치에 따라 군집 결과의 성능차이가 많이 나타난다. 하지만 일반적인 경우에 군집 중심의 개수는 분석가의 주관에 의해 결정되고, 임의적으로 결정되기 때문에 원래 데이터의 구조와는 무관하게 수행되어 최적화된 군집화 수행을 실행하지 못하는 경우가 발생하게 된다. 따라서 본 논문에서는 원래의 데이터의 구조에 좀더 근접한 퍼지 군집화를 수행하기 위하여 격자를 바탕으로 한 데이터의 밀도를 이용한 FCM을 제안하고, 이러한 밀도 기반 FCM에 의해 결정된 군집의 합병 기법을 제안하였다. N-차원의 데이터 공간을 N-차원의 격자로 나누고, 초기 군집 중심의 개수와 위치는 각 격자의 밀도를 바탕으로 결정된다. 초기화 이후에 각 격자 내부에서 FCM을 이용하여 군집화를 수행하고, 계속해서 이웃 격자의 군집결과에 대하여 군집간의 유사도 측도를 이용하여 군집 합병을 수행함으로써 데이터의 자연적인 구조에 근접한 군집화를 수행하였다. 제안된 군집화 합병 기법의 향상된 성능은 UCI Machine Learning Repository 데이터를 이용하여 확인하였다.