• 전기학회논문지
• /
• 제57권7호
• /
• pp.1123-1128
• /
• 2008

The necessity of online dynamic security assessment is getting apparent under Electricity Market environments, as operation of power system is exposed to more various operating conditions. For on-line dynamic security assessment, fast transient stability analysis tool is required for contingency selection. The TEF(Transient Energy Function) method is a good candidate for this purpose. The clustering of critical generators is crucial for the precise and fast calculation of energy margin. In this paper, we propose a new method for fast decision of mode of instability by using stability indices and energy margin. The method is a new version of our previous paper.[1] Case studies are showing very promising results.

• 한국컴퓨터정보학회논문지
• /
• 제13권7호
• /
• pp.139-148
• /
• 2008

센서네트워크는 다양한 분야에서 활용되고 있다. 센서네트워크 노드들이 모바일 환경으로 진화함에 따라 클러스터를 구축하고 클러스터 헤더를 선정함에 있어 이에 적합한 방법으로 구축해야 한다. 본 논문에서는 동적 스카이라인 질의 속성 중 방향, 앵글, 홉을 메트릭스로 이용한 동적 예측클러스터링 알고리즘을 제안한다. 제안 알고리즘은 이동 센서노드를 중심으로 클러스터를 형성하고 클러스터 헤더를 선정하는 알고리즘이다. 제안 알고리즘에서는 "Adv"메시지 발생으로 이동 센서노드의 불필요한 에너지 낭비를 줄이고 효율적인 클러스터링을 위한 센서노드의 밀집도에 따라 동적 클러스터를 형성하여 센서노드의 평균 에너지를 2.9배 줄여 네트워크 생명주기를 연장해 준다. 또한 동적 클러스터를 유지함으로 클러스터 내 홉 수를 최적화하여 노드의 평균 에너지 소비율이 14% 감소하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.1371-1373
• /
• 1996

A clustering algorithms with dynamic adjustment of learning rate for GBFCM(Gradient Based FCM) is proposed in this paper. This algorithm combines two idea of dynamic K-means algorithms and GBFCM : learning rate variation with entropy concept and continuous membership grade. To evaluate dynamic GBFCM, we made comparisons with Kohonen's Self-Organizing Map over several tutorial examples and image compression. The results show that DGBFCM(Dynamic GBFCM) gives superior performance over Kohonen's algorithm in terms of signal-to-noise.

• 정보처리학회논문지C
• /
• 제14C권6호
• /
• pp.519-524
• /
• 2007

제한된 자원을 가진 센서 노드들로 구성된 센서 네트워크에서 가장 중요한 이슈 중 하나는 주어진 에너지를 최대한 활용하여 네트워크 수명을 연장하는 것이다. 네트워크 수명을 연장하는 가장 대표적인 방법은 클러스터링 방법이며, 이는 단일홉 모드와 다중홉 모드로 분류된다. 단일홉 모드는 클러스터 내의 모든 센서 노드들이 CH(Cluster Head)와 단일홉 통신을 하는 것을 말하며, 반면 다중홉 모드는 중간 노드들의 중계를 통하여 센서 노드와 CH가 통신하는 방식을 말한다. 기존의 다중홉 클러스터링 방식에서 성능 상 가장 중요한 영향을 미치는 요소는 클러스터 크기이며, 노드의 분포가 균일하다고 가정하였다. 그러나 실제 네트워크에서의 노드 분포는 균일하지 않을 수 있으므로 이러한 환경에서의 최적의 클러스터 크기 계산은 아주 어렵다. 본 논문에서는 싱크 주변의 CH에 대한 트래픽 부하를 줄이기 위하여 싱크로부터의 거리를 기반으로 클러스터 크기를 동적으로 변화시키는 다중홉 클러스터링 방법을 제안한다. 또한 수학적 분석과 시뮬레이션을 통하여 제안된 동적크기 클러스터링 방식이 기존의 고정크기 클러스터링 보다 더 나은 성능을 가짐을 보였다.

• Smart Structures and Systems
• /
• 제21권4호
• /
• pp.421-433
• /
• 2018

Carbon fiber reinforced polymer (CFRP) cable has good mechanical properties and corrosion resistance. However, the anchorage of CFRP cable is a big issue due to the anisotropic property of CFRP material. In this article, a high-efficient bonding anchorage with novel configuration is developed for CFRP cables. The acoustic emission (AE) technique is employed to evaluate the performance of anchorage in the fatigue test and post-fatigue ultimate bearing capacity test. The obtained AE signals are analyzed by using a combination of unsupervised K-means clustering and supervised K-nearest neighbor classification (K-NN) for quantifying the performance of the anchorage and damage evolutions. An AE feature vector (including both frequency and energy characteristics of AE signal) for clustering analysis is proposed and the under-sampling approaches are employed to regress the influence of the imbalanced classes distribution in AE dataset for improving clustering quality. The results indicate that four classes exist in AE dataset, which correspond to the shear deformation of potting compound, matrix cracking, fiber-matrix debonding and fiber fracture in CFRP bars. The AE intensity released by the deformation of potting compound is very slight during the whole loading process and no obvious premature damage observed in CFRP bars aroused by anchorage effect at relative low stress level, indicating the anchorage configuration in this study is reliable.

• 산업경영시스템학회지
• /
• 제46권4호
• /
• pp.63-73
• /
• 2023

This study explores modern portfolio theory by integrating the Black-Litterman portfolio with time-series clustering, specificially emphasizing K-shape clustering methodology. K-shape clustering enables grouping time-series data effectively, enhancing the ability to plan and manage investments in stock markets when combined with the Black-Litterman portfolio. Based on the patterns of stock markets, the objective is to understand the relationship between past market data and planning future investment strategies through backtesting. Additionally, by examining diverse learning and investment periods, it is identified optimal strategies to boost portfolio returns while efficiently managing associated risks. For comparative analysis, traditional Markowitz portfolio is also assessed in conjunction with clustering techniques utilizing K-Means and K-Means with Dynamic Time Warping. It is suggested that the combination of K-shape and the Black-Litterman model significantly enhances portfolio optimization in the stock market, providing valuable insights for making stable portfolio investment decisions. The achieved sharpe ratio of 0.722 indicates a significantly higher performance when compared to other benchmarks, underlining the effectiveness of the K-shape and Black-Litterman integration in portfolio optimization.

• 전자공학회논문지
• /
• 제50권4호
• /
• pp.252-258
• /
• 2013

WSN (Wireless sensor network)은 에너지 제한적인 네트워크이기에 노드의 에너지 효율성이 중요한 문제이다. 라운드 단위로 동작하는 클러스터링은 노드의 먼 거리 통신을 피할 수 있기에 네트워크 수명을 증가시키는 효율적인 방법이며 그 성능은 라운드 시간에 좌우된다. 짧은 라운드 시간은 잦은 클러스터 재구성을 발생시키고 반면 긴 라운드 시간은 클러스터 헤드의 에너지 소비를 증가시킨다. 그래서 현존하는 클러스터링 기법들은 네트워크 초기 변수들을 기반으로 적절한 라운드 시간을 결정한다. 하지만 무선 센서 네트워크는 운용 특성 상 노드가 추가될 수도 혹은 사라질 수도 있는 동적인 네트워크이기에 네트워크 전체 수명에 대해 네트워크 구성 초기 파라미터를 계속 적용하는 것은 적절치 못하다. 본 논문에서는 현재 필드에 살아있는 노드의 수를 기반으로 라운드 시간을 계산하는 방법을 제안하여 노드 수가 변화할 수 있는 동적인 네트워크에 적응하도록 하였다. 성능 분석 결과 기존에 비해 노드의 에너지 소비량이 감소하였으며 수신되는 데이터 손실도 감소함을 확인하였다.

• 한국정보통신학회논문지
• /
• 제20권5호
• /
• pp.942-948
• /
• 2016

WSN은 센서 노드에 의해 구성된 네트워크로, 센서 노드는 한번 배치되면 재충전하거나 위치적으로 재배치가 불가능하다. 또한 센서노드들은 제한된 에너지를 가지고 통신에 참여하게 된다. 그러나 기존 제안되었던 클러스터링 기법들은 불균일한 분포로 배치된 WSN환경에 적용 시 지역적 특징으로 통신 단절이 발생되는 문제점으로 네트워크의 신뢰성에 문제점을 갖는다. 따라서 제안 알고리즘에서는 WSN환경에서 센서노드의 불균형 배치를 고려해 센서필드를 분할하고 분할영역의 센서노드 밀집도에 따라 고정, 정적, 동적 클러스터링 알고리즘을 선별적으로 적용함으로 센서노드의 통신 참여율을 25% 향상시켰다. 그리고 전체 네트워크 생명주기는 14%연장하여 네트워크의 신뢰성을 보장하였다.

• 융합신호처리학회논문지
• /
• 제12권1호
• /
• pp.38-43
• /
• 2011

센서 네트워크에서 사용되는 동적 클러스터링 방식은 주기적으로 클러스터 구조가 바뀌는 셋업과정으로 인한 에너지 소모가 크다. 셋업과정은 보안적용을 해야 할 경우 보안 키가 주기적으로 재 생성되는 등 클러스터 구성 이외에 추가적인 에너지 낭비가 발생한다. 본 논문은 최초에 구성된 클러스터 알고리즘과 이후 반복적으로 발생되는 클러스터 재셋업 알고리즘을 달리하는 하이브리드 방식을 제안한다. 재 셋업에서는 고정된 클러스터 내에서 순환적으로 클러스터 헤드노드를 선출하는 순환적 클러스터 헤드선정(RRCH: Round-Robin Cluster Header)방식을 이용하여 에너지 소모를 줄인다. 보안키 생성 및 적용으로 추가되는 에너지 소모는 클러스터가 지속적으로 고정되기 때문에 최초 클러스터 형성 때 사전 배포하는 방식으로 해결된다. 본 논문에서 제안한 방식의 타당성을 확인하기 위해 모의실험을 실시하였다. 라운드 구간을 100번 반복하여 클러스터 구성과 데이터 전송을 포함한 전체 에너지 소모량을 측정하였다. 결과는 제안한 방식이 LEACH방식보다 평균 26.5%, HEED방식보다 평균 20% 적게 소모되는 것을 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권4호
• /
• pp.482-486
• /
• 2010

최근 모바일기기에 탑재된 가속도 센서가 제스처기반 모바일 사용자 인터페이스에 활용됨에 따라 동적시간정합(Dynamic Time Warping, DTW)기반 인식기에 대한 연구가 활발하다. DTW는 학습샘플을 매칭 템플릿으로 사용하기 때문에 별도의 학습과정이 없다. 하지만 인식시 입력 데이터를 모든 템플릿과 비교해야하기 때문에 계산복잡도로 인하여 모바일환경에 적용하기 어렵다. 본 논문에서는 이러한 문제를 해결하기 위해 지역화된 소수의 템플릿을 사용하는 DTW기반 제스쳐 인식기를 제안한다. 지역화된 템플릿은 k-평균 클러스터링(k-means clustering)알고리즘을 사용하여 학습 제스처 셋의 유사한 패턴들을 k개의 그룹으로 묶고, 각 그룹의 중심(centroid)에 가까운 패턴을 DTW인식기의 템플릿으로 선택한다. 이러한 방법으로 템플릿수를 줄여 인식속도를 향상하고, 템플릿의 다양성을 유지하여 인식성능저하를 최소화한다. 실험 결과 제안하는 방법이 학습 템플릿을 전부 사용하는 DTW보다 약 5배 빠른 인식속도를 보였으며, 템플릿을 임의로 선택한 경우보다 안정적인 성능을 보임을 확인했다.