• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.114-121
• /
• 2022

본 논문에서는 셀프리 다중안테나 환경에서 네트워크 전체 사용자의 성능을 보장하기 위한 사용자 중심의 클러스터링 기법을 고려한다. 사용자 중심 클러스터링 기법에서 각 사용자는 자신과 연결된 AP(Access Point)들 사이의 대규모 페이딩(large-scale fading) 채널 정보를 이용해 페이딩 계수가 가장 큰 AP와 페이딩 계수의 상대적 크기가 임계값 이상의 값을 갖는 AP들로 클러스터를 구성한다. 사용자 중심으로 구성된 클러스터를 바탕으로 AP들은 분산적인 기법으로 빔형성과 전력할당을 설계하고 이를 이용해 사용자들의 데이터를 협력 전송한다. 시뮬레이션을 통해 주파수 효율 관점에서 사용자 중심 클러스터링의 성능을 검증하고 주어진 환경에서 최적의 성능을 나타내는 임계값을 찾는다.

• Communications for Statistical Applications and Methods
• /
• 제17권3호
• /
• pp.377-390
• /
• 2010

In the case of time-series analysis, it is often more convenient to rely on the frequency domain than the time domain. Spectral density is the core of the frequency-domain analysis that describes autocorrelation structures in a time-series process. Possible ways to estimate spectral density are to compute a periodogram or to average the periodogram over some frequencies with (un)equal weights. This can be an attractive tool to measure the similarity between time-series processes. We employ the metrics based on a smoothed periodogram proposed by Park and Kim (2008) for the classification of different classes of time-series processes. We consider several lag windows with unequal weights instead of a modified Daniel's window used in Park and Kim (2008). We evaluate the performance under various simulation scenarios. Simulation results reveal that the metrics used in this study split the time series into the preassigned clusters better than do the raw-periodogram based ones proposed by Caiado et al. 2006. Our metrics are applied to an economic time-series dataset.

• 전자통신동향분석
• /
• 제34권1호
• /
• pp.86-97
• /
• 2019

Over the past 30 years, significant developments have been made in hyperspectral imaging (HSI) technologies that can provide end users with rich spectral, spatial, and temporal information. Owing to the advances in miniaturization, cost reduction, real-time processing, and analytical methods, HSI technologies have a wide range of applications from remote-sensing to healthcare, military, and the environment. In this study, we focus on the latest trends of HSI technologies, analytical methods, and their applications. In particular, improved machine learning techniques, such as deep learning, allows the full use of HSI technologies in classification, clustering, and spectral mixture algorithms. Finally, we describe the status of HSI technology development for skin diagnostics.

• 한국음향학회지
• /
• 제42권6호
• /
• pp.603-616
• /
• 2023

본 연구는 주파수 및 시간 특성을 활용하여 머신러닝 기반 공동주택 주거소음의 군집화 및 분류를 진행하였다. 먼저, 공동주택 주거소음의 군집화 및 분류를 진행하기 위하여 주거소음원 데이터셋을 구축하였다. 주거소음원 데이터셋은 바닥충격음, 공기전달음, 급배수 및 설비소음, 환경소음, 공사장 소음으로 구성되었다. 각 음원의 주파수 특성은 1/1과 1/3 옥타브 밴드별 L_eq와 L_max값을 도출하였으며, 시간적 특성은 5 s 동안의 6 ms 간격의 음압레벨 분석을 통해 L_eq값을 도출하였다. 공동주택 주거소음원의 군집화는 K-Means clustering을 통해 진행하였다. K-Means의 k의 개수는 실루엣 계수와 엘보우 방법을 통해 결정하였다. 주파수 특성을 통한 주거소음원 군집화는 모든 평가지수에서 3개로 군집되었다. 주파수 특성 기준으로 분류된 각 군집별 시간적 특성을 통한 주거소음원 군집화는 L_eq평가지수의 경우 9개, L_max 경우는 11개로 군집되었다. 주파수 특성을 통해 군집된 각 군집은 타 주파수 대역 대비 저주파 대역의 음에너지의 비율 또한 조사되었다. 이후, 군집화 결과를 활용하기 위한 방안으로 세 종류의 머신러닝 방법을 이용해 주거소음을 분류하였다. 주거소음 분류 결과, 1/3 옥타브 밴드의 L_eq값으로 라벨링된 데이터에서 가장 높은 정확도와 f1-score가 나타났다. 또한, 주파수 및 시간적 특성을 모두 사용하여 인공신경망(Artificial Neural Network, ANN) 모델로 주거소음원을 분류했을 때 93 %의 정확도와 92 %의 f1-score로 가장 높게 나타났다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.499-501
• /
• 2002

최근의 합성음성단위 연결을 통한 음성합성 방법의 잘 알려진 문제점은 연결 부분에서 불연속이 발생한다는 것이다. 본 논문에서는 음성을 합성할 때 나타나는 스펙트럼의 불연속을 제거하기 위하여 개선된 스펙트럼 스무딩 방법을 제안한다. 그리고 보다 좋은 스무딩의 결과를 얻기 위하여 음성합성의 단위로는 문맥에 민감한 클러스터링된 다이폰을 사용한다. 스무딩 방법에서는 연결 구간에서의 다이폰 바운더리에서의 양쪽 스펙트럼의 분포를 고려하여 시간에 따라 가중치를 다르게 주어 스무딩을 수행한다. 또한 가중치를 결정할 때 비선형 함수인 B-Spline함수를 사용하여 스무딩을 수행하여 보다 자연스러운 스펙트럼을 생성 할 수 있었다.

• 원예과학기술지
• /
• 제34권2호
• /
• pp.324-330
• /
• 2016

본 연구는 FT-IR 스펙트럼 데이터를 기반한 다변량통계분석을 이용한 대사체 수준에서 아티초크(Cynara cardunculus var. scolymus L.) 품종 구분하였다. FT-IR 스펙트럼 데이터로부터 PCA(principal component analysis), PLS-DA(partial least square discriminant analysis) 그리고 HCA(hierarchical clustering analysis) 분석을 실시하였다. 아티초크 품종들은 1700-1500, 1500-1300, $1100-950cm^{-1}$ 부위에서 대사체의 양적, 질적 패턴 변화가 FT-IR 스펙트럼상에서 나타났다. FT-IR 스펙트럼의 $1700-1500cm^{-1}$ 부위는 주로 Amide I 과 II을 포함하는 아미노산 및 단백질계열의 화합물들의 질적, 양적 정보를 나타내고, $1700-1300cm^{-1}$ 부위는 phosphodiester group을 포함한 핵산 및 인지질의 정보가 반영이 되고, $1100-950cm^{-1}$ 부위는 단당류나 복합 다당류를 포함하는 carbohydrates 계열의 화합물들이 질적, 양적 정보가 반영되는 부위이다. PCA 상에 나타난 10품종의 아티초크들은 품종간에 중첩이 많이 이뤄지는 모습을 나타냈다. 아티초크 10개의 품종 중에서 'Cardoon'과 'Green Globe'가 계통분류학적으로 유연관계가 낮고, 서로간에 대사체 수준의 차이가 뚜렷하게 나타나는 것으로 보아 대사체 수준에서 마커 탐색에 가장 중요한 품종으로 작용할 것으로 판단된다. PLS-DA 분석의 경우 PCA 분석 보다 아티초크의 종간 식별이 뚜렷하게 나타났다. 따라서 본 연구에서 확립된 대사체 수준에서 아티초크의 품종 식별 기술은 품종, 계통의 신속한 선발 수단으로 활용이 가능할 것으로 기대되며 육종을 통한 품종개발 가속화에 기여 할 수 있을 것으로 예상된다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권3호
• /
• pp.621-627
• /
• 2016

범주형 시계열 자료의 군집화에 대하여 정리해 보았다. 시계열 자료의 군집화는 일반적인 군집화에 시간을 고려해야하는 측면이 있다. 한편, 범주형 시계열 자료의 군집화에 대한 연구가 진행되었으나 현재 정리 요약된 국내외 논문을 찾기 어렵다. 본 논문에서는 범주형 시계열을 군집화 하는 몇 가지 방법들을 제시하고 그 방법들을 비교하기 위해 프로야구 데이터를 이용하였다. 프로야구 팀들 간에 어떤 팀이 특정 팀에 유독 약한 경기력을 보이는 경우가 있다. 국내 최강이라는 S팀이 유독 H팀에게 그런 경우가 그렇다. 2015년 S팀의 상대전적의 군집화를 통해 S팀과 H팀의 관계가 유별난 지를 밝히려 한다. 통계적으로 말하자면, 승/패로 이루어진 시계열 자료의 군집화를 수행하려는 것이다. 분석결과 S팀과 H팀과의 관계가 다른 팀들과의 관계에 비해 눈에 띠는 차이가 있음을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제19권2호
• /
• pp.135-147
• /
• 2003

본 연구는 한반도 위성 영상자료에 다단계 계층군집 영상분류법을 적용하여 관측지역의 피복특성을 분석한다. 다단계 계층군집 영상분류는 크게 두 단계로 이루어진다. 첫 번째 단계는 계층군집에 의해 공간적으로 근접하고 있는 이웃집단간의 결합을 하는 공간확장 영상분할 단계이고 두번째 단계는 결합지역의 공간적 제약 없이 영상분할 단계에서 분할된 집단을 계층군집에 의해 적은 한정적인 수의 클래스로 분류하는 과정이다. 계층군집 영상분류는 수치영상의 계층구조에 근거하여 매 단계 두 개의 집단을 한 개의 집단으로 합병하므로 클래스 수에 따른 분류집단 간의 관계를 나타내는 계층나무를 구성할 수 있다. 실험결과는 계층군집 영상분류에 의해 구성된 계층나무는 토지사용간의 계층구조를 자세히 밝혀주고 토지 피복 특성의 정확한 분석에는 좀 더 자세한 분광정보가 필요함을 보여주고 있다.

• 한국멀티미디어학회논문지
• /
• 제3권4호
• /
• pp.339-346
• /
• 2000

의료 영상은 환자에 대한 해부학적인 진단 정보를 얻기 위한 영상으로 정확한 병변 인식과 판단을 위해서는 조직별 분할이 선행되어야 한다. 본 논문에서는 T1 강조 영상 그리고 T2 강조 영상, PD 영상의 특징을 상호보완적으로 이용한 자동적인 영상 분할 방법을 제안한다. 제안한 분할 알고리듬은 PD 영상으로부터 대뇌마스크를 획득하고, 대뇌마스크를 T1 과 T2, PD의 입력 영상에 씌워 각각의 대뇌 영상을 획득하여 T1과 T2, PD를 축으로 하는 3차원 공간상에서 스케일 스페이스 필터링과, 3차원 클러스터링을 이용하여 대뇌 내부조직에 해당하는 클러스터를 찾아서 분할에 이용한다. 대뇌 영상분할은 이들 클러스터의 중심 값을 FCM 알고리듬의 초기 중심 값으로 두고 FCM 알고리듬을 이용하여 분할한다. 제안한 분할 알고리듬은 정확한 클러스터의 중심 값을 계산함으로 초기 값의 영향을 많이 받는 FCM 알고리듬의 단점을 보완하였고 다중 스펙트럼 영상의 특성을 조합하여 분할에 이용함으로 단일 스펙트럼 영상만을 이용하는 방법보다 향상된 분할 결과를 얻을 수 있었다.

• 융합신호처리학회논문지
• /
• 제8권3호
• /
• pp.185-191
• /
• 2007

윈격탐사 영상은 파장대에 따라 나누어진 여러 개의 밴드로부터 수집된 다중분광 이미지 데이터이다. 위성영상 분류는 원격탐사 처리 과정에 있어서 가장 중요한 분석 기법으로써 영상을 구성하는 각각의 화소들 중 비슷한 분광 특성을 갖는 것끼리 집단화시켜주는 방법이다. 본 논문에서는 PFCM 알고리즘을 응용한 원격탐사 영상의 패턴분류 방법에 관하여 연구하였다. PFCM 알고리즘은 각 데이터와 특정 클러스터 중심과의 거리에 대한 소속정도를 고려한 FCM 클러스터링 알고리즘과 데이터와 해당 클러스터 중심과의 거리에 의존하여 패턴의 전형성(typicality)을 고려한 PCM 클러스터링 알고리즘을 결합한 방법이다. 본 연구에서는 분류 항목별 학습데이터를 선정한 후 이를 PFCM 알고리즘에 적용하여 감독분류를 수행하였다. Landsat TM과 IKONOS 원격탐사 위성영상을 이용하여 PFCM 알고리즘의 적용성을 검증하였다. PFCM 알고리즘을 이용한 감독분류는 PCM, FCM 분류방법보다 좋은 결과를 보여주었으며, 또한 전통적인 분류방법인 최대우도분류보다도 정확도가 더 높은 결과를 보여주었다.