• 한국콘텐츠학회논문지
• /
• 제16권10호
• /
• pp.617-626
• /
• 2016

이 연구는 간호학과 학부 과정에서 경험한 시뮬레이션 학습이 신규간호사의 문제해결과정과 임상수행능력에 미친 영향을 파악하기 위한 서술적 조사연구이다. 연구 대상자는 학부과정에서 시뮬레이션 학습 경험이 1회 이상 있으며 임상 경력 12개월 미만의 신규간호사 202명이다. 연구를 통해 학부에서 경험한 시뮬레이션 학습의 횟수와 신규간호사의 문제해결과정 및 임상수행능력에 미친 영향 간에는 유의미한 상관관계가 없었으며, 시뮬레이션 학습의 설계와 문제해결과정 및 임상수행능력에 미친 영향 간에는 유의미한 양의 상관관계가 있는 것으로 나타났다. 연구 대상자들이 경험한 시뮬레이션 학습의 설계를 군집분석으로 유형화하여 문제해결과정 및 임상수행능력에 미친 영향의 차이를 분석한 결과에서도 유의미한 차이를 나타냈다. 이 연구를 통해 학습의 효과를 향상하기 위해서 시뮬레이션 학습의 설계가 중요하다는 점을 확인하였으며, 효과적인 운영을 위한 기초 자료로 활용할 수 있을 것으로 기대한다. 추후 학부 과정의 시뮬레이션 학습이 간호사의 임상 능력에 미치는 영향에 대하여 보다 면밀한 평가가 이루어질 필요가 있다.

• 한국지능시스템학회논문지
• /
• 제25권3호
• /
• pp.217-222
• /
• 2015

클러스터링 기법은 탐색적 자료 분석 기법으로 알려진 중요한 데이터마이닝 기법 중 하나로서 패턴 인식, 원격 탐사 등의 분야에 사용되고 있다. 이 방법을 이용하여 데이터의 기본 구조를 추출하고, 개체의 군집화 혹은 군집의 계층을 조직한다. 기상 레이더는 대기 중에 존재하는 물체에서 반사되는 신호를 이용하여 관측을 수행하고, 해당 좌표에 데이터를 저장하는 원리로 동작하는데, 이를 분석하기 위해서는 흩어져있는 레이더 데이터를 유사도를 바탕으로 강수에코와 비강수에코를 구분하여 군집화 할 필요가 있다. 따라서 본 논문에서는 클러스터링 기법을 레이더 데이터에 적용하는 방법에 대한 연구를 수행하였다. 또한, 강수에코와 비강수에코가 인접해 있을 경우 발생할 수 있는 문제를 해결하기 위하여 퍼지 로직과 계층적 클러스터링 기법을 접목하여 유사도를 판별하는 방법에 대한 연구를 수행하였다. 실제 사례를 바탕으로 본 논문에서 제안한 클러스터링 기법을 적용한 결과, 강수에코와 비강수에코가 인접해 있는 경우 기존 기법보다 좋은 결과를 도출하는 것을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제12권6호
• /
• pp.2815-2822
• /
• 2011

무선 센서 네트워크에서 클러스터링 기법은 클러스터를 형성하여 데이터를 병합한 후 한 번에 전송해서 에너지를 효율적으로 사용하는 기법이다. 본 논문에서는 클러스터 그룹 모델을 이용한 계층적 불균형 클러스터링 기법을 제안한다. 이 기법은 전체 네트워크를 두 개의 계층으로 나누어 클러스터 그룹으로 형성된 2계층의 데이터를 병합해서 1계층으로 보내고, 다시 1계층에서 데이터를 병합하여 기지국으로 보낸다. 이와 같이 제안된 기법은 다중 홉 통신 구조와 클러스터 그룹 모델을 같이 이용함으로써 전체 에너지 소모량을 줄인다. 이러한 방식은 다중 홉 통신이지만 불균형 클러스터를 구축하여 핫 스팟 문제를 어느 정도 해결하고 있다. 실험을 통하여 제안된 계층적 불균형 클러스터링 기법이 이전의 클러스터링 기법보다 네트워크 에너지 효율이 향상되었음을 보였다.

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.517-524
• /
• 2004

1960년대 퍼지 이론이 소개된 이후 데이터 마이닝을 포함한 기계 학습 분야의 군집화 작업에서 퍼지 이론이 폭넓게 사용되었다. 퍼지 C-평균 알고리즘은 가장 많이 사용되는 퍼지 군집화 알고리즘이다. 이 알고리즘은 하나의 데이터 개체가 서로 다른 소속 정도를 가지고 각 군집에 할당될 수 있도록 한다. 퍼지 C-평균 알고리즘도 K-평균 알고리즘과 같은 일반적인 군집화 알고리즘과 마찬가지로 초기 군집수와 군집 중심의 위치에 의해 최종 군집 결과의 성능 차이가 나타난다. 군집화를 위한 이러한 초기 설정은 주관적이며 이 때문에 적절치 못한 결과를 얻게 될 수도 있다. 본 논문에서는 이 문제를 해결할 수 있는 방법으로 주어진 학습 데이터의 속성을 기반으로 한 초기 군집수와 군집 중심을 결정하는 개선된 밀도 기반의 퍼지 C-평균 알고리즘을 제안하였다. 제안 방법은 격자를 사용하여 초기 군집 중심의 위치와 군집수를 결정하였다. 기존에 많이 이용되었던 객관적인 기계 학습 데이터를 이용하여 제안 알고리즘의 성능비교를 수행하였다.

• 한국음향학회지
• /
• 제35권4호
• /
• pp.303-309
• /
• 2016

본 논문은 자기부호화기를 이용한 음향신호 분리방법을 제안한다. 사용된 복층구조 신경망 자기부호화기는 입력 신호의 효율적인 표현방법을 자동으로 학습하며, 유사한 특징을 가지고 있는 요소신호들을 군집함으로써 다른 특징의 신호들을 분리할 수 있다. 시간영역과 주파수영역의 변이특성을 추출하기 위하여 단구간푸리에변환(Short-Time Fourier Transform, STFT)을 수행하였으며, 정해진 크기의 사각형 창을 모든 가능한 위치에 적용하여 얻은 단구간 주파수 스펙트럼을 자기부호화기의 입력으로 사용하였다. 자기부호화기의 부호노드들의 값을 이용하여 유사한 스펙트럼 창들을 군집하고, 이를 이용하여 원래의 음원들로 분리해 낼 수 있었다. 분리된 원음들은 원래의 입력신호의 특징을 확실히 나타내었으며, 기존의 비음수 행렬분해(Non-negative Matrix Factorization, NMF) 결과와 주파수 스펙트럼 비교를 통해 그 유효성을 보일 수 있었다.

• 한국전자거래학회지
• /
• 제8권2호
• /
• pp.77-98
• /
• 2003

최근의 정보시스템은 웹기반 정보시스템이며 이의 개발과 유지보수 시에 "웹 위기" 현상이 발생하고 있다. 이를 해결하기 위해, 웹 공학 기술 중 웹기반 어플리케이션에 대한 소프트웨어 클러스터링 기술이 필요하다. 본 논문에서는 웹기반 정보시스템의 내부시스템 재구성을 위한 폼 클러스터링 알고리즘을 제시한다. 폼 클러스터링 알고리즘은 웹기반 정보시스템의 다양한 구조모델 중에서 웹의 특징이라 할 수 있는 페이지 모델에 초점을 맞춘다. 특히, 그래프 형태의 항해구조를 분석이 용이한 계층구조로 분석하기 위해 거리 척도 개념을 응용하고, 부하가 큰 핵심 기능객체를 파악하기 위하여 웹 로그분석 기술을 적용한다. 또한,2단계에 걸친 클러스터링 과정을 통해 재사용 성을 극대화하고 부하 균형화를 위한 하드웨어 할 당시에 사용할 수 있는 웹 소프트웨어 구조를 생성한다. 본 논문에서 제시한 폼 클러스터링 알고리즘은 웹기반 정보시스템의 신규 개발 또는 유지보수 시에 재사용 가능한 웹 컴포넌트 개발 및 부하균형화를 위한 하드웨어 할당 시에 적용할 수 있다.

• 한국정보과학회논문지:시스템및이론
• /
• 제33권7호
• /
• pp.399-412
• /
• 2006

서버들이 서로 다른 데이타를 저장하고 있는 협동성 캐슁을 사용하는 클러스터링 기반의 무선 인터넷 프록시 서버에서는 Hot-Spot 혹은 임의의 입력 요청 패턴이 발생하면 일부 서버만 과부하가 되어 전체적인 성능이 떨어지는 문제점을 가진다. 본 논문에서는 기존 클러스터링이 가지는 Hot-Spot 및 임의의 입력 요청 패턴을 반영하지 못하는 문제점을 해결하기 위해 새로운 자체 학습 기반의 적응적 클러스터링 기법을 제안한다. 제안된 방법에서는 요청을 처리하는 일부 서버들이 과부하가 되면 해당 요청을 다른 서버들로 재 분산한다. 이러한 재 분산은 자체 학습 알고리즘에 의해 수행되고, 다양한 입력 패턴 혹은 서로 다른 성능의 서버들을 가지는 클러스터에도 적용이 가능하다 제안된 방법들은 16대의 컴퓨터와 부하 분산기를 가지고 클러스터링 환경에서 실험되었고, 실험 결과는 기존 방법들에 비해 54.62% 성능이 향상되었음을 보여준다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.45-52
• /
• 2012

본 논문은 군집 중요 용어들과 위키피디아(Wikipedia)의 동음이의어를 이용하여 문서군집의 성능을 향상시키는 새로운 방법을 제안한다. 제안된 방법은 비음수행렬분해의 의미특징을 이용하여 군집 중요 용어들을 선택함으로서 군집을 대표할 수 있는 군집 주제(topic)의 개념을 잘 표현할 수 있으며, 군집의 중요 용어에 위키피디아의 동음이의어를 사용하여 확장함으로써 문서와 군집 간의 의미관계를 고려하지 않는 용어집합(bag-of-words) 문제를 해결할 수 있다. 또한 확장된 군집의 중요 용어를 이용하여 문서집합을 재 군집하여 초기 군집을 정제함으로써 군집방법의 성능을 높일 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 다른 문서군집 방법에 비하여 좋은 성능을 보인다.

• 디지털콘텐츠학회 논문지
• /
• 제14권1호
• /
• pp.51-57
• /
• 2013

플래시 메모리 기반의 저장 장치는 고성능, 저전력, 내구성과 경량 등의 특징을 가지고 있어 기존에 사용되고 있던 저장장치를 빠르게 대체하고 있다. 플래시 메모리 기반의 저장 장치는 기존 저장장치인 블록 저장 장치로 가상화하기 위한 계층인 FTL (Flash Translation Layer) 을 가지고 있다. 가비지 컬렉션(Garbage Collection)은 FTL의 주요한 기능으로서 플래시 메모리의 수명과 성능에 큰 영향을 끼친다. 플래시 메모리의 수명은 가비지 컬렉션에 의해 발생되는 지우기의 횟수와 마모도의 영향을 받는다. 본 논문에서는 마모도 평준화 개선을 위해 File 정보를 알 수 있는 환경에서 File Clustering 알고리즘을 제시한다. File Clustering은 같은 File에서의 요청이 또다시 같이 호출 될 것을 기대하여 같은 File로부터 온 요청을 같은 블록에 할당하는 알고리즘이다. 이를 위해 FTL의 기능 중 페이지 할당 정책을 제안하였고, 최소한의 마모도 평준화를 보장하기 위해 MIN-MAX GAP을 사용하였다. 본 논문에서 제안하는 알고리즘을 검증하기 위해 TPC 벤치마크를 이용하였고 이를 통해 마모도 평준화 하지 않은 분산보다 690%이상 값이 개선되었고, 기존에 연구되던 Hot/Cold보다도 좋은 분산을 갖는 것을 보였다.

• 한국군사과학기술학회지
• /
• 제26권5호
• /
• pp.384-391
• /
• 2023

In modern electronic warfare, a number of radar emitters are in operation, causing radar receivers to receive high-density signal pulses that occur simultaneously. To analyze the radar signals more accurately and identify enemies, the sorting process of high-density radar signals is very important before analysis. Recently, machine learning algorithms, specifically K-means clustering, are the subject of research aimed at improving the accuracy of radar signal sorting. One of the challenges faced by these studies is that the clustering results can vary depending on how the initial points are selected and how many clusters number are set. This paper introduces a repeated K-means clustering algorithm that aims to accurately cluster all data by identifying and addressing false clusters in the radar sorting problem. To verify the performance of the proposed algorithm, experiments are conducted by applying it to simulated signals that are generated by a signal generator.