• 정보처리학회논문지B
• /
• 제11B권7호
• /
• pp.867-874
• /
• 2004

K-Means 알고리즘은 재배치 기법의 일종으로 K개의 초기 센트로이드를 중심으로 K개의 클러스터가 될 때까지 클러스터링을 반복하는 것이다. 알고리즘의 특성상 K-Means 알고리즘은 초기 클러스터 센트로이드(중심) 및 클러스터 중심을 결정하는 방법에 따라 다른 클러스터링 결과를 얻을 수 있다. 본 논문에서는 K-Means 알고리즘을 이용한 초기 클러스터 중심 및 클러스터 중심을 결정하는 방법을 개선한 변형 K-Means 알고리즘을 제안한다. 제안한 알고리즘의 평가를 위하여 SMART 시스템의 16가지 가중치 계산 방식을 이용하여 성능을 평가한 결과 변형 K-Means알고리즘이 K-Means 알고리즘보다 재현률과 F-Measure에서 $20{\%}$이상 향상된 결과를 얻을 수 있었으며 특정 주제 아래 관련 문서가 할당되는 클러스터링 성능이 우수함을 알 수 있었다.

• 문화기술의 융합
• /
• 제7권2호
• /
• pp.345-350
• /
• 2021

넓은 지역에 설치되는 센서 네트워크 시스템은 유지 관리가 문제가 되어 왔으며, 이를 해결하기 위해 로봇을 사용하여 센서 네트워크에 에너지를 공급하려는 연구가 여러 연구자에 의해 수행되었다. 이 연구에서는 전력을 공급하는 노드들과 그 주변의 센서 노드들로 이루어진 센서 네트워크에 여러 대의 로봇을 사용하여 에너지를 공급하는 문제에서, 로봇이 최소 거리를 이동하도록 수정된 k-means 알고리즘을 사용하여 각 로봇이 작업할 영역을 분할하는 방법을 제안한다. 로봇의 에너지 전달률을 변수로 한 시뮬레이션 실험을 통해 분할된 각 영역의 센서 노드들이 동작을 유지할 수 있음을 보임으로써 제안한 수정 k-means 알고리즘의 타당성을 검증한다.

• Journal of Information Processing Systems
• /
• 제4권2호
• /
• pp.67-76
• /
• 2008

This research proposes a new strategy where documents are encoded into string vectors and modified version of k means algorithm to be adaptable to string vectors for text clustering. Traditionally, when k means algorithm is used for pattern classification, raw data should be encoded into numerical vectors. This encoding may be difficult, depending on a given application area of pattern classification. For example, in text clustering, encoding full texts given as raw data into numerical vectors leads to two main problems: huge dimensionality and sparse distribution. In this research, we encode full texts into string vectors, and modify the k means algorithm adaptable to string vectors for text clustering.

• 한국음향학회지
• /
• 제22권8호
• /
• pp.703-710
• /
• 2003

코퍼스 기반 음성합성방식은 그 합성음의 자연성이 매우 우수하여 널리 사용되고 있으나 대용량의 데이터베이스 (DB)를 사용하기 때문에 그 적용분야가 매우 제한적이다. 본 연구에서는 이러한 코퍼스 기반 음성합성기의 대용량 DB 문제를 해결하기 위한 방안으로서 DB 축소 방법 대한 알고리듬을 제안하고 평가하였다. 본 논문에서는 DB 축소 알고리듬으로서 세 가지 방법을 제안하였는데, 첫 번째는 Modified K-means 군집화를 이용한 DB 축소 알고리듬이고 다음은 적절한 문장 셋을 정의하고 이 문장 셋을 합성할 때 사용된 단위들을 이용하는 방법이다. 마지막으로는 대용량 문장 셋을 정의하고 해당 문장을 음성합성하고, 음편들의 사용 빈도수를 고려하여 군집화를 하는 것이다. 세 가지 방법을 이용하여 합성 DB를 유사한 크기로 축소하였을 때, 대용량 문장 셋과 빈도를 고려한 세 번째 방법이 가장 우수한 음질을 보였다. 또한 마지막 방법은 합성음의 음질은 저하시키지 않으면서 합성 DB만을 감소시키는 성능을 보여, 제안된 방법의 타당함을 입증할 수 있었다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권2호
• /
• pp.231-243
• /
• 2021

In Recent years the way we analyze the breast cancer has changed dramatically. Breast cancer is the most common and complex disease diagnosed among women. There are several subtypes of breast cancer and many options are there for the treatment. The most important is to educate the patients. As the research continues to expand, the understanding of the disease and its current treatments types, the researchers are constantly being updated with new researching techniques. Breast cancer survival rates have been increased with the use of new advanced treatments, largely due to the factors such as earlier detection, a new personalized approach to treatment and a better understanding of the disease. Many machine learning classification models have been adopted and modified to diagnose the breast cancer disease. In order to enhance the performance of classification model, our research proposes a model using A Hybrid Modified K-Means Clustering with Modified SVM (Support Vector Machine) Machine learning algorithm to create a new method which can highly improve the performance and prediction. The proposed Machine Learning model is to improve the performance of machine learning classifier. The Proposed Model rectifies the irregularity in the dataset and they can create a new high quality dataset with high accuracy performance and prediction. The recognized datasets Wisconsin Diagnostic Breast Cancer (WDBC) Dataset have been used to perform our research. Using the Wisconsin Diagnostic Breast Cancer (WDBC) Dataset, We have created our Model that can help to diagnose the patients and predict the probability of the breast cancer. A few machine learning classifiers will be explored in this research and compared with our Proposed Model "A Hybrid Modified K-Means with Modified SVM Machine Learning Algorithm to Enhance the Cancer Prediction" to implement and evaluated. Our research results show that our Proposed Model has a significant performance compared to other previous research and with high accuracy level of 99% which will enhance the Cancer Prediction.

• 한국음향학회지
• /
• 제21권1호
• /
• pp.69-72
• /
• 2002

부호책 설계에 사용되는 초기 부호책을 얻기 위해 수정된 미소분리 방법을 제안한다. 제안된 방법은 다른 클래스에 비해 소속되는 학습벡터가 다수 소속되거나 자승오차가 작은 클래스에 대표벡터를 더 많이 할당한다는 원리를 적용한다. 기존 K-means 알고리즘과 참고문헌 (5)에서 제안한 방법을 적용하여 설계된 부호책의 성능을 평가할 때, 두 경우 모두 제안된 방법에 의해 얻어진 초기 부호책을 사용하는 것이 기존 미소분리 방법에 의한 초기 부호책을 사용하는 것보다 우수한 결과를 나타낸다.

• 융합신호처리학회논문지
• /
• 제16권1호
• /
• pp.9-14
• /
• 2015

Outlier detection and removal is a crucial step needed for various image processing applications such as image registration. Random Sample Consensus (RANSAC) is known to be the best algorithm so far for the outlier detection and removal. However RANSAC requires a cosiderable computation time. To drastically reduce the computation time while preserving the comparable quality, a outlier detection and removal method based on modified K-means is proposed. The original K-means was conducted first for matching point pairs and then cluster merging and member exclusion step are performed in the modification step. We applied the methods to various images with highly repetitive patterns under several geometric distortions and obtained successful results. We compared the proposed method with RANSAC and showed that the proposed method runs 3~10 times faster than RANSAC.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2001년도 하계 학술대회 논문집(KISPS SUMMER CONFERENCE 2001
• /
• pp.113-116
• /
• 2001

The conventional K-means algorithm is widely used in vector quantizer design and clustering analysis. Recently modified K-means algorithm has been proposed where the codevector updating step is as fallows: new codevector = current codevector + scale factor (new centroid - current codevector). This algorithm uses a fixed value for the scale factor. In this paper, we propose a new algorithm for the enhancement of learning time in fuzzy c-means a1gorithm. Experimental results show that the proposed method produces codebooks about 5 to 6 times faster than the conventional K-means algorithm with almost the same Performance.

• Journal of information and communication convergence engineering
• /
• 제6권4호
• /
• pp.434-438
• /
• 2008

Massive data are continuously produced with a data rate of over several terabytes every day. These applications need effective clustering algorithms to achieve an overall high performance computation. In this paper, we propose ancestor as cluster center based approach to clustering, the K-means algorithm using ancestor. We modify the K-means algorithm. We present a clustering architecture and a clustering algorithm that minimize of I/Os and show a performance with excellent. In our experimental performance evaluation, we present that our algorithm can improve the I/O speed and the query processing time.

• 한국음향학회지
• /
• 제6권4호
• /
• pp.31-43
• /
• 1987

본 논문은 불특정화자의 한국어 단독음인식에 관한 연구로써, 새로운 집단화 방법인 Modified-ISODATA 집단화 방법을 제안한다. 제안된 방법은 종래의 ISODATA 알고리즘에서 외부 고립점 처리 및 분리과정을 단순화 하여, 정확하고도 자동화된 집단의 중심점을 찾는 것을 목적으로 한다. 본 알고리즘을 적용한 결과, 10명의 남성 화자와 4명의 여성 화자가 발음한 11개의 숫자음에 대하여, 최근에 발표된 Modified K-means 방법보다 좋은 인식율을 나타내어, 보다 정확한 집단의 중심점을 찾아내었음을 입증해 보였다.