• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.909-912
• /
• 2012

광학 현미경을 통해 일정한 시간 간격으로 얻은 세포 이미지들로부터 세포의 변화 과정을 관찰하여 어떻게 변화되어 가는지 자동적으로 추적하고 분석하는 것을 자동화된 세포 트래킹이라고 한다. 본 연구에서는 수 천 개 혹은 수 만개의 세포를 하나의 이미지에 포함함으로 크기가 매우 작아진 세포 클러스터를 분리하기 위한 타원 근사 기반의 알고리즘을 제안하고 개발하였다. 제안된 방법은 클러스터의 경계선을 추출하여 라인 세그먼트들로 분리한 다음 휴리스틱을 이용하여 라인 세그먼트들을 결합해 가며 근사 타원을 생성한다. 실험 결과 제안된 알고리즘은 두 개의 세포가 겹쳐진 클러스터의 경우 평균적으로 91%의 정확도로, 세개의 세포가 겹쳐진 클러스터의 경우 평균적으로 84%의 정확도를 가지도 클러스터를 분리해 주었다.

• 대한기계학회논문집B
• /
• 제37권3호
• /
• pp.259-266
• /
• 2013

광학 현미경을 통해 일정한 시간 간격으로 얻은 세포 이미지로부터 세포 변화를 자동적으로 추적 및 분석하는 것이 세포 트래킹이라고 한다. 세포 변화 과정에서 이웃에 있는 세포들이 겹쳐져 있는 상태를 클러스터라고 하며 세포트래킹에서 클러스터를 다시 세포로 분리하는 작업은 매우 중요하다. 본 논문에서는 타원 근사법을 기반으로 클러스터를 분리하기 위한 알고리즘을 제안한다. 클러스터의 외곽선을 추출한 후 외곽선의 오목정점을 이용하여 클러스터를 라인 세그먼트들로 분리한 다음 휴리스틱을 이용하여 라인 세그먼트들을 결합해 가며 근사 타원을 생성한다. 실험 결과 두 개의 세포가 겹쳐진 클러스터의 경우 평균적으로 91%, 세 개의 세포가 겹쳐진 경우 평균적으로 84% 그리고 겹쳐진 세포의 개수가 네 개 이상인 경우 약 73%의 정확도로 클러스터를 분리해 주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.482-482
• /
• 2022

하천의 합류부에서는 수질이 다른 유체가 혼합하여 합류 전과 다른 특성을 보인다. 하천의 합류부에서 수질을 효율적으로 관리하기 위해서는 수질의 공간적인 혼합 특성을 규명하는 것이 중요하다. 합류부에서 수질의 공간적인 혼합 특성을 분석하기 위해 본 연구에서는 토폴로지 데이터 분석(topological data analysis, TDA), 자기 조직화 지도(Self-Organizing Map, SOM), k-평균 알고리즘(K-means clustering algorithm) 세 가지 기법을 이용하였다. 세 가지 기법을 비교하여 어떤 알고리즘이 합류부의 수질 변화 특성을 더 뚜렷하게 나타내는지 분석하였다. 수질 변화 비교 인자들은 pH, chlorophyll, DO, Turbidity 등이 있고, 수질 인자들은 YSI를 활용해 측정하였다. 자료의 측정 지역은 낙동강과 황강이 합류하는 지역이며, 보트에 YSI 장비를 부착하고 횡단하여 측정하였다. 측정한 데이터를 R 프로그램을 통해 세 가지 기법을 적용시켜 수질 변화 비교를 분석한다. 토폴로지 데이터 분석(topological data analysis, TDA)은 거대하고 복잡한 데이터로부터 유의미한 정보를 추출하는 데 사용하고, 자기조직화지도(Self-Organizing Map, SOM) 기법은 차원 축소와 군집화를 동시에 수행한다. k-평균 알고리즘(K-means clustering algorithm) 기법은 주어진 데이터를 k개의 클러스터로 묶는 머신러닝 비지도학습에 속하는 알고리즘이다. 세 가지 방법들의 주목적은 클러스터링이다. 클러스터 분석(Cluster analysis)이란 주어진 데이터들의 특성을 고려해 동일한 성격을 가진 여러 개의 그룹으로 대상을 분류하는 데이터 마이닝의 한 방법이다. 군집화 방법들인 TDA, SOM, K-means를 이용해 합류 지역의 수질 특성들을 클러스터링하여 수질 패턴들을 분석해 하천 수질 오염을 방지할 수 있을 것이다. 본 연구에서는 토폴로지 데이터 분석(topological data analysis, TDA), 자기조직화지도(Self-Organizing Map, SOM), k-평균 알고리즘(K-means clustering algorithm) 세 가지 기법을 이용하여 합류부에서의 수질 특성을 비교하며 어떤 기법이 합류의 특성을 더욱 뚜렷하게 나타내는지 규명했다. 합류의 특성을 군집화 방법을 이용해 알게 된다면, 합류부의 수질 변화 패턴을 다른 합류 지역에서도 적용할 수 있을 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.217-220
• /
• 2002

본 논문은 클러스터 기반의 VOD 서버에서 동적 버퍼 분할을 이용한 새로운 부하 분산 기법을 제안한다. 제안된 기법은 사용자 요청을 처리하는 서비스 노드간의 버퍼 성능과 디스크 접근 빈도를 고려하여 전체 부하를 고르게 분산하도록 한다. 또한 동적 버퍼 분할 기법은 통일한 연속매체에 접근하려는 여러 사용자에게 평균 대기시간을 감소시킬 수 있도록 버퍼를 동적으로 분할한다. 시뮬레이션을 통한 성능분석 결과에서 제안된 기법은 기존의 기법보다 부하량을 적절히 조절하면서 평균 대기시간을 감소시키고 각 노드의 처리량과 병행 사용자 수를 증가시킴을 보인다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제27권3호
• /
• pp.31-41
• /
• 2004

남,여 ADHD환자별 뇌혈류 상태를 비교분석하기 위하여 SPECT 영상을 획득하고, 유의수준에 따른 클러스터(cluster)의 분포변화와 혈류량 증가율과 감소율의 변화를 조사하였다. 남자 어린이 ADHD환자군 51명과 정상군 8명, 여자 어린이 ADHD환자군 13명과 정상군 4명에 대하여. Multi SPECT3 camera를 이용하여 $^{99m}Tc-ECD$를 정맥 주사후 30분에 영상을 획득하고, 뇌혈류 상태를 통계적 파라미터 지도작성법(SPM)으로 분석하였다. 정상 어린이군에 대한 남,여 환자군의 뇌혈류 증가와 감소부위의 분포를 통계적 유의수준 P<0.001부터 P<0.05 범위에서 나타내었다. 남자 어린이 ADHD환자군에서 유의수준 P<0.02에서부터 P<0.05까지 대상회전(post. cingurate gyrus)에서만 혈류가 증가되었다. 증가율의 변화는 유의수준에 영향을 받지 않았으며, 정상군보다 환자군은 평균 15.84%가 증가되었다. 여자의 경우, P<0.003에서 소뇌후엽 중앙상부, P<0.005에서 소뇌 중앙후엽과 좌측 대뇌변연엽(limbic lobe)에서 혈류증가 클러스터가 나타났다. P<0.009에서 P<0.01까지는 좌측대뇌 측두엽에서, P<0.02에서는 우측 대뇌측두엽과 좌측 대뇌 두정엽에서 혈류증가 클러스터가 나타났으며, 각 클러스터에서 평균 $24.68{\sim}31.25%$의 혈류증가율을 나타내었다. 남자 ADHD 질환군의 혈류 감소는 P<0.004에서 좌측의 대뇌 도이랑(Insula gyrus), P<0.005에서는 우측 대뇌 측두엽, P<0.007에서는 우측대뇌 전두엽, P<0.009에서 P<0.01까지는 좌측 대뇌전두엽 그리고 P<0.02에서는 대뇌전두엽 중앙이랑에서 혈류감소 클러스터가 나타났다. 혈류 감소율은 유의 수준에 의해 영향을 받지 않았으며 평균 $15.21{\sim}16.64%$의 감소율을 나타내었다. 여자어린이 ADHD환자에서는 P<0.001에서 좌측 대뇌렌즈핵(lentiform nucleus)에서만 감소되었으며, P<0.003에서는 좌우 대뇌렌즈핵에서 모두 감소되었고 P<0.005에서 P<0.01까지는 좌우의 렌즈핵 외 좌측 대뇌 측두엽이랑등 3개의 감소 클러스터가 나타났다. P<0.03에서는 좌측 대뇌두정엽과 전두엽에서 감소되었고, 평균 $30.57{\sim}30.84%$의 혈류감소율을 나타내었다. 혈류감소율은 유의수준의 변화에 영향을 받지 않았다. ADHD환자의 뇌혈류증가, 감소율이 남자보다 여자환자에서 2배 정도가 많았고, 혈류 증가와 감소클러스터분포의 차이가 있는 것으로 나타나, ADHD환자의 분석은 남, 여별로 구분하여야 할 필요가 있다고 판단된다.

• 환경영향평가
• /
• 제26권2호
• /
• pp.160-170
• /
• 2017

본 연구는 2006년부터 2012년까지 수행된 제3차 전국자연환경조사 포유류 데이터(70,562개)를 활용하여 국내에서 서식하는 포유류의 서식지 유형을 클러스터링하고 서식지 유형에 나타나는 종의 특징을 파악하고자 하였다. 제3차 전국자연환경조사의 야장에 기록된 서식지 유형 중에서 15개의 키워드를 뽑아 재분류하여 포유류 서식지유형을 통계 분석하였다. 서식지 유형 군집분석에서는 30회 이상 기록된 14개의 서식지 유형을 대상으로 비계층적 클러스터 분석(k 평균 클러스터 분석), 계층적 클러스터 분석, 비계량형 다차원척도법을 시행하였다. 2006년에서 2012년까지 전국에서 수집된 제3차 전국자연환경조사를 통해 확인된 포유류는 총 7목 16과 39종이었다. 서식지 유형에 대한 분류는 11개로 클러스터를 분류했을 때 단순구조지수가 가장 높았다(ssi = 0.07). 계층적 클러스터 분석으로 서식지 유형들 간의 유사성과 위계를 확인해 본 결과, 포유류에게는 주거지가 가장 차별된 서식지 유형이었고, 그 다음은 하천과 해안이 병합된 클러스터였다. 비계량형 다차원척도 분석 결과, 포유류에게 가장 차별된 서식지유형인 주거지의 경우 생쥐와 집쥐 두 종이 제한적으로 나타났으며, 해안과 하천의 경우 수달이 제한적으로 나타났다. 연구결과를 종합해보면, 포유류의 서식지 유형은 크게 산림을 주요 서식지와 이동경로로 이용하는 산림형과, 물을 주요 서식지로 이용하는 하천형, 주거지 인근에서 서식하는 주거형, 곡류나 씨앗을 주 먹이원으로 하는 저지대형 등 4가지로 구분할 수 있다.

• 한국식품영양과학회지
• /
• 제43권9호
• /
• pp.1388-1393
• /
• 2014

선행연구에서 얻은 alkalophilic Bacillus I-5 유래의 CGTase wild-type과 가수분해능이 강화된 mutant 효소를 활용하여 waxy rice starch로부터 아밀로펙틴 클러스터를 제조하였다. SEC-MALLS-RI 분석법으로 CGTase wild-type과 mutant 효소가 처리된 시료의 평균 분자량을 확인한 결과 10분가량의 효소반응으로 두 반응 모두 평균 분자량은 $10^4{\sim}10^5Da$으로 급격히 감소하였음을 확인하였으며, 일정 반응 시간이 경과한 이후에는 더 이상 분자량의 감소가 일어나지 않음으로 미루어 시료가 아밀로펙틴 클러스터 단위로 분해되었으며 그 분자량은 $10^4{\sim}10^5Da$ 정도임을 알 수 있다. 또한 MALDI-TOF/MS 분석을 통하여 CGTase wild-type은 다양한 종류의 cyclic 형태의 maltodextrin을 생성하고 있으며 mutant 효소는 주로 소량의 maltooligosaccharide 들을 생산함을 확인하였다.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.603-610
• /
• 2021

본 논문에서는 사용자의 전력소비패턴을 추출하고 사용자의 환경 및 감성을 적용한 최적 소비패턴을 모델링한 후, 이 두 가지의 패턴을 비교 적용하여 사용자의 전력소비행위 변화를 통한 전력의 효율적 사용 방법을 제시한다. 유의미한 소비패턴을 추출하기 위하여 벡터 표준화 및 이진 데이터 변환방법을 사용하고, k-평균 군집화를 적용한 앙상블의 합집합에 대한 학습과 k값에 따른 지지도를 적용하였으며, 최적 전력소비패턴 모델은 상대적 평균 소비량이 적은 앙상블 합집합에 대한 학습 결과를 기준으로 강제 및 감성 제어를 적용하여 생성하였다. 실험을 통하여 전력소비행위 변화 유도대상 추출 시 클러스터의 수와 일치율 간의 상관관계를 파악함으로써, 사용자의 의도에 따라 강제 및 감성 기반의 제어가 가능하도록 클러스터의 수나 크기 조절을 통한 다양한 윈도우에 적용할 수 있음을 검증하였다.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권4호
• /
• pp.7-17
• /
• 2019

기계 학습은 다양한 현상의 예측 및 분석 등을 가장 정확하게 수행하는 기술 중 하나이다. K-평균 클러스터링은 주어진 데이터들을 비슷한 데이터들의 군집으로 분류하는 기계 학습 기법의 한 종류로 다양한 분야에서 사용된다. K-평균 클러스터링의 성능을 높이기 위해서는 가능하면 많은 데이터에 기반한 분석을 수행하는 것이 바람직하므로, K-평균 클러스터링은 데이터를 제공하는 다수의 클라이언트들과 제공받은 데이터들을 사용하여 클러스터의 중심값을 계산하는 서버가 있는 모델에서 수행될 수 있다. 그러나 이 모델은 클라이언트들의 데이터가 민감한 정보를 포함하고 있는 경우, 서버가 클라이언트들의 프라이버시를 침해할 수 있다는 문제점이 있다. 본 논문에서는 다수의 클라이언트가 있는 모델에서 이러한 문제를 해결하기 위해 동형 암호를 사용하여 클라이언트의 프라이버시를 보호하며 기계 학습을 수행할 수 있는 프라이버시 보장형 K-평균 클러스터링 방법을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.155-164
• /
• 2024

본 연구는 ESG 등급이 제공되지 않는 국내 공공기관의 ESG 등급을 추정하는 비지도 학습 기반 군집모형을 제안한다. 이를 위해, 스펙트럼 군집과 k-means 군집에서 최적의 클러스터 수를 비교했고, 그 결과의 신뢰성을 보장하기 위해 성능지표인 Davies-Bouldin Index (DBI)를 계산했다. 결과적으로, 스펙트럼 군집과 k-means 군집에서 각각 0.734 및 1.715의 DBI 값을 산출했는데, 이는 값이 작을수록 우수한 성능을 의미하므로 스펙트럼 군집의 우수성을 확인하였다. 게다가, T-검정 및 ANOVA를 이용하여 ESG 비재무 데이터 간 통계적으로 유의미한 차이를 밝혀내고, 상관계수를 이용하여 ESG 항목 간 상관관계를 확인했다. 본 연구는 이러한 결과를 바탕으로 기존 ESG 등급 없이 공공기관별 ESG 성과 순위를 추정할 가능성을 제시한다. 이는 최적의 클러스터 수를 계산한 다음, 각 클러스터 내 ESG 데이터의 평균 총합을 결정함으로써 달성된다. 따라서, 제안된 모델은 다양한 국내 공공기관의 ESG 등급을 평가하는 근거로 활용될 수 있고, 국내 지속가능경영 실천과 성과관리에 유용할 것으로 기대된다.