• 한국멀티미디어학회논문지
• /
• 제12권2호
• /
• pp.272-280
• /
• 2009

모바일 기술의 발전으로 오프라인 컨텐츠가 아닌 온라인 매체로 다양한 영상 컨텐츠를 제공받는 수요층이 늘어나고 있다. 그러나 모바일 단말기의 작은 화면에 맞게 수작업으로 편집/수정하기 위해서는 비용과 노력이 많이 드는 단점이 있다. 따라서 본 논문에서는 영상 컨텐츠 가운데 가장 다양한 형태를 지닌 인쇄 만화를 모바일 단말기 환경에 맞게 자동 변환하는 Automatic Comics Conversion(ACC) 시스템을 제안한다. 모바일 단말기 화면에 적합한 형태로 기존 오프라인 만화책 각 한 면의 프레임으로 분할하기 위해 다층신경망(MLP: Multi-Layer Perceptorn)을 이용하였으며, 각 프레임은 영상의 의미 구조 (Semantic Structure)의 손실을 최소화하여 적합한 크기로 분할된 영상들을 자동 변환하여 제공한다. 또한 동적인 만화 영상을 애니메이션으로 제공하기 위하여 텍스처 분석 연구를 더 했다. 이에 본 연구는 만화뿐만 아니라 프레임 단위로 되어있는 사진, 웹사이트, 다양한 영상 등을 언제 어디서나 제공받을 수 있도록 모바일 단말기에 제공함으로써 효율성을 검증한다. 또한 오프라인의 정지 영상을 분할된 영상 프레임 정보를 통해 움직이는 영상으로 제공할 수도 있다.

• 생태와환경
• /
• 제54권4호
• /
• pp.390-397
• /
• 2021

본 연구에서는 호소의 환경 특성 및 시간에 따른 동물 플랑크톤 윤충류 군집 변동 특성을 분석하기 위해, 전라남도에 위치하여 유사한 기상 조건을 가지나 규모와 수질 환경이 서로 다른 29개 호소를 선정, 2008년부터 2016년까지 분기별 윤충류 출현 개체수 및 종 수의 시계열 자료를 수집하였다. 조사기간 중 각 호소의 윤충류 출현 개체수 및 종 수의 범위, 이상치 및 변동계수(CV)를 비교하였으며, 동적 시간 워핑(dtw) 분석을 통해 각 호소의 윤충류 군집 시계열 경향을 비교하여 유사 정도를 바탕으로 분류(clustering)하고, 주성분 분석을 통해 분류된 호소의 환경 특성과의 관계를 분석하였다. 윤충류 개체수에서 보다 빈번한 이상치 출현과 높은 변동성을 보인 호소에는 상대적으로 저수용량이 적은 소규모 호소가 많았던 반면, 출현종 수에서는 뚜렷한 경향이 관찰되지 않았다. 타 호소들과 윤충류 개체수의 시간적 변동 경향이 상이하게 나타난 일부 호소들에서 화학적 산소 요구량(COD)과 양의 상관관계를, 식물플랑크톤 현존량 변동 및 지각류 상대풍부도 변동과 음의 상관관계를 갖는 것으로 나타나 윤충류 출현 개체수의 시계열 경향에 영향을 미치는 잠재적인 요인으로 분석되었다.

• 한국멀티미디어학회논문지
• /
• 제11권8호
• /
• pp.1082-1092
• /
• 2008

무선 센서 네트워크에서 LEACH와 같은 클러스터링 프로토콜은 전체 네트워크의 수명을 연장시키는 효율적인 방법이지만 클러스터 헤드 노드에 높은 부하를 주게 되어 급격한 에너지 소모를 유발하는 문제가 있다. 따라서 클러스터의 구성과 클러스터 헤드 노드의 역할을 주기적으로 교체하여 네트워크의 수명을 연장시켰다. 그러나 이 방법은 클러스터를 구성하는 과정에서 상당한 량의 에너지 소모를 보인다. 따라서 본 논문은 소모되는 에너지의 효율성 증대를 위해 클러스터링 알고리즘을 제안하였다. 이 알고리즘에서 서로 인접한 노드들은 intra cluster를 이루며 이 클러스터를 구성하는 노드들은 라운드 로빈 형태로 데이터를 수집하고 전송한다. 전체 네트워크의 관점에서 볼 때 이 intra cluster는 한개의 노드로 취급된다. 한 라운드의 setup단계에서 intra cluster들은 클러스터 헤드(intra cluster)에 의해 다시 클러스터를 형성(network cluster)하게 된다. 클러스터 헤드가 된 intra cluster의 모든 멤버노드는 라운드 로빈 방식으로 클러스터 헤드 역할을 수행한다. 따라서 intra cluster의 크기에 의해 라운드의 주기를 연장할 수 있다. 또한 steady-state에서 각 intra cluster의 노드는 라운드 로빈 방식으로 데이터를 수집하며 network cluster의 클러스터 헤드에 전송한다. 성능분석 결과 제안하는 방법은 제안된 클러스터링 방법에 비해 노드들의 에너지 소모가 줄어들었으며 전송 효율이 증가하였다.

• 유통과학연구
• /
• 제17권3호
• /
• pp.85-95
• /
• 2019

Purpose - The existing marketing studies using Social Network Analysis have assumed that network structure variables are time-invariant. However, a node's network position can fluctuate considerably over time and the node's network structure can be changed dynamically. Hence, if such a dynamic structural network characteristics are not specified for virtual goods purchase model, estimated parameters can be biased. In this paper, by comparing a time-invariant network structure specification model(base model) and time-varying network specification model(proposed model), the authors intend to prove whether the proposed model is superior to the base model. In addition, the authors also intend to investigate whether coefficients of network structure variables are random over time. Research design, data, and methodology - The data of this study are obtained from a Korean social network provider. The authors construct a monthly panel data by calculating the raw data. To fit the panel data, the authors derive random effects panel tobit model and multi-level mixed effects model. Results - First, the proposed model is better than that of the base model in terms of performance. Second, except for constraint, multi-level mixed effects models with random coefficient of every network structure variable(in-degree, out-degree, in-closeness centrality, out-closeness centrality, clustering coefficient) perform better than not random coefficient specification model. Conclusion - The size and importance of virtual goods market has been dramatically increasing. Notwithstanding such a strategic importance of virtual goods, there is little research on social influential factors which impact the intention of virtual good purchase. Even studies which investigated social influence factors have assumed that social network structure variables are time-invariant. However, the authors show that network structure variables are time-variant and coefficients of network structure variables are random over time. Thus, virtual goods purchase model with dynamic network structure variables performs better than that with static network structure model. Hence, if marketing practitioners intend to use social influences to sell virtual goods in social media, they had better consider time-varying social influences of network members. In addition, this study can be also differentiated from other related researches using survey data in that this study deals with actual field data.

• 한국멀티미디어학회논문지
• /
• 제10권2호
• /
• pp.269-277
• /
• 2007

네트워크 클러스터링은 한정된 자원을 가진 노드들을 하나의 클러스터로 묶어 개별 노드의 에너지 사용을 줄이고 네트워크 전체의 수명을 연장하는 방법이다. 이와 같은 방법은 클러스터 헤더에 대한 오버헤드, 클러스터 헤더 선언에 대한 광고와 같은 부가적인 에너지 소모를 발생시키지만, 클러스터 헤더에 의해 설정된 경로를 이용함으로써 개별 노드의 에너지 소모를 줄일 수 있다. 따라서 본 논문에서는 라우팅 경로를 설정할 때 필요한 라우팅 메시지를 줄이면서 클러스터를 형성하고, 클러스터 내의 모든 노드들이 감지작업을 보고할 때 클러스터 헤더를 이용하여 보고함으로써, 네트워크 전체의 수명을 연장하는 라우팅 알고리즘을 제안한다. 클러스터 구성 단계에서 개별 노드는 이웃 노드들의 연결 정보를 비트랩으로 표현하여 동일 클러스터를 형성할 수 있도록 하고, 이 비트맵 정보를 이웃 노드에게 단 한번의 전송으로 전체 네트워크의 연결 정보를 유지함으로써 라우팅 경로를 확보하도록 한다. 브로드캐스트 이후에는 이웃 비트맵을 수신하여 비트맵을 갱신함으로써 라우팅 정보를 풍부하게 한다. 센싱 작업을 요청하는 쿼리의 싱크 노드 정보를 수정하여 동적인 크기의 클러스터를 가지도록 설계하여, 네트워크 규모에 따라 클러스터 수를 조절할 수 있도록 한다. 본 논문에서 제안하는 방법을 이용하면 클러스터 형성에 필요한 라우팅 경로 설정 메시지와 개별 노드가 보고하는 라우팅 경로를 쉽게 찾을 수 있게 되어, 개별 노드뿐만 아니라 네트워크 전체의 수명을 연장할 수 있게 된다.

• 정보처리학회논문지A
• /
• 제11A권4호
• /
• pp.243-250
• /
• 2004

실시간 시스템은 시스템이 적시성을 보장하는지 파악하기 위해 실시간 감시기법을 이용한다. 일반적으로 실시간 감시는 실시간 시스템의 현재 동작상태를 파악하는데 중점을 두는 기법이다. 그러나 실시간 시스템의 안정적인 수행을 지원하기 위해서는, 현재 상태를 파악하는 것뿐 아니라, 실시간 시스템 및 시스템상에서 동작하는 실시간 프로세스들의 수행도 예측할 수 있어야 한다. 그러나 기존 예측모델을 실시간 감시기법에 적용하기에는 몇 가지 한계가 있다. 첫째, 예측기능은 실시간 프로세스가 종료한 시점에서 정적인 분석을 통해 수행된다. 둘째, 예측을 위해 사전 기초 통계분석이 필요하다. 셋째, 예측을 위한 이전확률 및 클러스터 정보가 현재 시점을 정확하게 반영하지 못한다. 본 논문에서는 이러한 문제점들을 해결하고 실시간 감시기법에 적용할 수 있는 학습 기반의 수행 예측모델을 제안한다. 이 모델은 학습기법을 통해 불필요한 전처리과정을 없애고, 현시점의 데이터를 이용해, 보다 정확한 실시간 프로세스의 수행 예측이 가능하도록 한다. 또한 이 모델은 실시간 프로세스 수행 시간의 증가율 분석을 통해 다단계 예측을 지원하며, 무엇보다 실시간 프로세스가 실행되는 동안 예측이 가능한 동적 예측을 지원하도록 설계하였다. 실험 결과를 통해 훈련집합의 크기가 10 이상이면 80% 이상의 판단 정확도를 보이며, 다단계 예측의 경우, 훈련집합의 크기 이상의 수행 횟수를 넘으면 다단계 예측의 예측 차는 최소화되는 것으로 나타났다. 본 논문에서 제안한 예측모델은 가장 단순한 학습 알고리즘을 적용했다는 점과, CPU, 메모리, 입출력 데이터를 다루는 다차원 자원공간 모델을 고려하지 못한 한계가 있어 향후에 관련 연구가 요구된다. 본 논문에서 제안하는 학습기반 수행 예측모델은 실시간 감시 및 제어를 필요로 하는 분야 및 응용 분야에 적용할 수 있다.