디지털 라이브러리[ 검색결과 ]
쿼드 트리를 이용한 동적 공간 분할 기반 차분 프라이버시 k-평균 클러스터링 알고리즘
http://doi.org/10.5626/JOK.2018.45.3.288
최근 공개되는 데이터에 적용하는 다양한 프라이버시 보호 기법들이 연구가 되어왔다. 그 중 차분 프라이버시는 본래의 데이터에 확률적인 노이즈를 더하여 공격자의 사전 지식에 상관없이 개인 정보를 보호한다. 기존 차분 프라이버시를 만족하는 k-평균 클러스터링은 데이터로부터 차분 프라이버시를 만족하는 히스토그램 형태로 바꾼 뒤. k-평균 클러스터링 알고리즘을 수행한다. 하지만 이는 데이터의 분포와 상관없이 등간격으로 히스토그램을 만들기 때문에 노이즈가 삽입되는 버킷이 많아지는 단점이 있다. 이를 해결하기 위해 본 논문에서는 데이터의 분포를 더 적은 버킷으로 나타낼 수 있는 쿼드 트리를 이용하여 히스토그램을 만든 뒤 k-평균을 찾는 알고리즘을 제안한다. 또한, 실험을 통해 기존의 알고리즘보다 더 좋은 성능을 가지는 것을 보인다.
LSI를 이용한 차원 축소 클러스터 기반 키워드 연관망 자동 구축 기법
http://doi.org/10.5626/JOK.2017.44.11.1236
본 논문은 기존의 TextRank 알고리즘에 상호정보량 척도를 결합하여 군집 기반에서 키워드 추출하는 LSI-based ClusterTextRank 기법과 추출된 키워드를 Latent Semantic Indexing(LSI)을 이용한 연관망 구축 기법을 제안한다. 제안 기법은 문서집합을 단어-문서 행렬로 표현하고, 이를 LSI를 이용하여 저차원의 개념 공간으로 차원을 축소한다. 그 다음 k-means 군집화 알고리즘을 이용하여 여러 군집으로 나누고, 각 군집에 포함된 단어들을 최대신장트리 그래프로 표현한 후 이에 근거한 군집 정보량을 고려하여 키워드를 추출한다. 그리고나서 추출된 키워드들 간에 유사도를 LSI 기법을 통해 구한 단어-개념 행렬을 이용하여 계산한 후, 이를 키워드 연관망으로 활용한다. 제안 기법의 성능을 평가하기 위해 여행 관련 블로그 데이터를 이용하였으며, 제안 기법이 기존 TextRank 알고리즘보다 키워드 추출의 정확도가 약 14% 가량 개선됨을 보인다.
사물인터넷의 에너지 효율을 위한 클러스터 속성 기반 데이터 교환
http://doi.org/10.5626/JOK.2017.44.9.966
사물인터넷 환경에서는 센서 노드가 사물로 의미가 확장되고 각 사물들은 자신만의 의사결정을 통해 사물간 정보 수집 및 공유가 가능하다. 따라서 노드의 데이터를 싱크노드 또는 중앙 서버로 전송하는 것을 목적으로 하는 WSN 정보 수집 방법을 사물인터넷 환경에 그대로 적용하는 것은 비효율적이다. 또한 기존 WSN 방법은 주변 사물들의 정보를 수집하는 과정에서 모든 사물이 정보 수집에 참여하는 방식으로 구성되어 있기 때문에 전송횟수 증가 등의 다양한 문제가 발생한다. 본 논문에서는 각 사물들간의 에너지 효율적인 정보 공유를 위한 클러스터링 및 속성 기반 데이터 교환 방법을 제안한다. 제안하는 방법은 우선 각 사물이 생산할 수 있는 데이터의 속성을 부여하여 클러스터를 구성한다. 데이터 교환시에는 부여된 속성을 이용해 데이터를 생산할 수 있는 사물들과 통신하여 에너지 효율성을 향상시킨다. 성능평가를 위해 TOSSIM을 이용하여 네트워크 수명, 평균 에너지 소비량 등을 측정하였다.
모듈의 의존관계와 저자 엔트로피를 이용한 소프트웨어 모듈-뷰 복원
본 연구에서 우리는 모듈의 의존관계와 저자 엔트로피(Author Entropy) 정보를 이용하여 소프트웨어 모듈-뷰를 복원하는 새로운 소프트웨어 클러스터링 기법을 제안한다. 해당 기법은 우선 구조적 및 논리적 의존관계 정보를 기준으로 소프트웨어 모듈을 클러스터링한 후, 모듈 별 저자 엔트로피를 이용하여 일부 선택된 모듈을 클러스터 결과로부터 이전한다. 제안된 기법의 평가를 위해 참(ground-truth) 모듈-뷰가 알려진 오픈소스 프로젝트들에 적용하여 MoJoFM 값을 구하였다. 이와 함께 기존에 연구된 모듈-뷰 복원 기법들의 MoJoFM값과 비교하여, 제안된 기법이 소프트웨어 모듈-뷰 복원에 보다 효과적임을 보였다.
Min-Hash를 이용한 효율적인 대용량 그래프 클러스터링 기법
그래프 클러스터링은 서로 유사한 특성을 갖는 정점들을 동일한 클러스터로 묶는 기법으로 그래프 데이터를 분석하고 그 특성을 파악하는데 폭넓게 사용된다. 최근 소셜 네트워크 서비스와 월드 와이드 웹, 텔레폰 네트워크 등의 다양한 응용분야에서 크기가 큰 대용량 그래프 데이터가 생성되고 있다. 이에 따라서 대용량 그래프 데이터를 효율적으로 처리하는 클러스터링 기법의 중요성이 증가하고 있다. 본 논문에서는 대용량 그래프 데이터의 클러스터들을 효율적으로 생성하는 클러스터링 알고리즘을 제안한다. 우리의 제안 기법은 그래프 내의 클러스터들 간의 유사도를 Min-Hash를 이용하여 효과적으로 추정하고 계산된 유사도에 따라서 클러스터들을 생성한다. 실세계 데이터를 이용한 실험에서 우리는 본 논문에서 제안하는 기법과 기존 그래프 클러스터링 기법들과 비교하여 제안기법의 효율성을 보였다.
복수 메모리 타일을 가진 NoC 매니코어 플랫폼에서의 태스크-타일 바인딩 기술
NoC 아키텍쳐에서는 데이터의 통신이 한 채널에 집중되는 경우 경합이 일어나서 통신이 지연될 수 있다. 이러한 지연을 최소화시키는 것을 목표로 본 논문에서는 NoC 기반 매니코어 플랫폼에서 태스크 매핑이 완료된 이후, 매핑된 태스크들을 NoC 타일로 바인딩하기 위한 기법을 제안한다. 큰 규모의 플랫폼은 복수의 메모리 타일을 가질 수 있으므로 응용별로 사용하는 메모리를 다르게 하여 메모리별 부하를 분산시키기 위한 메모리 클러스터링 기법을 사용한다. 수행된 응용은 데이터플로우 기반으로 작성되어 있으므로 응용들의 통신 요구량에 대한 정보를 미리 알 수 있다고 가정한다. 이 정보를 바탕으로 본 논문에서는 여러 태스크를 동시에 바인딩하는 두개의 휴리스틱을 제안하였으며 각 휴리스틱은 적절한 메모리 클러스터링 기법을 활용한다. NoC 시뮬레이터를 이용한 실험을 통해 제안된 휴리스틱이 기존의 바인딩 휴리스틱에 비해 최대 25% 이상의 성능을 보이는 것을 확인하였다.
대용량 GPS 궤적 데이터를 위한 효율적인 클러스터링
도로지도 생성은 인공위성 촬영이나 현장실사를 기반으로 한다. 그리하여 도로지도를 생성하고 수정하는데 많은 시간과 비용이 든다. 이러한 이유로 차량 GPS 데이터를 이용해 도로지도를 생성하는 연구가 활발히 진행되고 있다. 도로지도 생성 연구에서 가장 중요한 문제는 주도로와 같은 대표궤적을 추출하는 것이다. 대표궤적 추출을 수행할 때에는 시작과 끝이 비슷한 궤적데이터들의 집합을 전제로 하여 궤적을 추출한다. 따라서 대표궤적을 추출하기에 앞서 전처리 과정으로 궤적 클러스터링 작업이 필요하다. 본 논문에서는 이러한 문제를 해결하기 위해 하나의 영역을 일정한 격자로 분할하고, Sweep Line 알고리즘을 응용해 유사궤적들을 탐색한다. 마지막으로 프레쉐거리를 이용하여 궤적 간 유사도를 계산하였다. 실제로 서울의 강남구 지역에 있는 500대의 차량 GPS 궤적을 가지고 클러스터링 작업을 수행하였다. 또한, 실험을 통하여 격자분할 접근방식의 빠른 수행시간과 안정성을 보였다.
A Sensing Node Selection Scheme for Energy-Efficient Cooperative Spectrum Sensing in Cognitive Radio Sensor Networks
Fanhua Kong, Zilong Jin, Jinsung Cho
인지 무선 기술은 보조 사용자가 (SUs) 주 사용자 (PUs)에 간섭을 주지 않고 기회주의적 방식으로 라이선스 스펙트럼을 사용할 수 있는 기술이다. 인지 라디오의 핵심 기술은 스펙트럼 센싱이다. 그러나 인지 무선 센서 네트워크에서 에너지 효율적인 스펙트럼 센싱 기법에 대한 연구는 많지 않다. 본 논문에서는 클러스터 기반의 인지 무선 센서 네트워크를 위한 에너지 효율적인 협력 스펙트럼 센싱 노드 선택 기법을 제안한다. 제안하는 기법에서, 허위 경보 확률 및 에너지 소비를 최적화하기 위하여 클러스터내 스펙트럼 센싱 노드들의 수를 최소화하게 된다. 시뮬레이션 결과를 통하여 본 논문에서 제안한 최적의 스펙트럼 센싱 노드 수를 적용하므로 스펙트럼 센싱 효율성이 향상되었고, 또한 네트워크의 에너지 효율성도 보장된 것을 검증하였다.
태양 에너지 수집형 센서 네트워크에서 모바일 싱크를 지원하기 위한 클러스터 기반 에너지 인지 데이터 공유 기법
배터리 기반 무선 센서 네트워크(Wireless Sensor Networks, WSN)는 고정된 자원으로 인해 제한된 수명을 갖지만, 태양 에너지 기반 WSN은 에너지가 주기적으로 계속 공급되어, 하드웨어적인 문제가 없는 한 영원히 동작할 수 있다. 한편, 모바일 싱크를 활용한 기법은 데이터 전송 경로를 단축하여 센서의 에너지 소모량을 감소시킬 수 있지만, 비효율적인 싱크의 이동은 에너지 낭비를 초래할 수 있다. 이에 따라 모바일 싱크와 클러스터링을 혼합한 기법들이 제안되고 있지만, 클러스터링은 에너지 불균형 문제로 인한 네트워크 수명 단축을 야기한다. 따라서 본 연구에서는 태양 에너지 기반 WSN에서 모바일 싱크를 효과적으로 지원하기 위한 CE-DSS를 제안한다. CE-DSS는 에너지를 효율적으로 활용해 각 노드의 정전시간을 최소화하면서, 각 클러스터의 데이터를 공유한다. 이로 인해 네트워크 신뢰도가 향상되고, 모바일 싱크의 이동 거리가 단축되어 싱크의 에너지 사용량이 감소된다.
스마트 환경에서 행위 인식을 위한 센서 선정 기법
스마트 폰의 출현에 이어 최근 웨어러블 기기와 IoT 개념의 등장으로 언제 어디서든 여러 다양한 객체들 간의 상호작용이 가능하게 되었다. 그 중 홈 네트워크를 이용한 스마트 홈 서비스를 위해서는 수많은 센서들이 필요하다. 이러한 스마트 환경에서의 센서 데이터를 이용하여 거주자의 행위를 인식하는 연구가 활발히 진행되고 있다. 각종 센서 데이터 마이닝 기법을 통한 행위 인식 및 패턴 분석을 위해 많은 센서가 사용되지만, IoT 스마트 홈 서비스를 위해 수많은 센서들이 설치되어야 한다면 비용의 문제와 에너지 소모의 문제를 야기할 것이다. 본 논문에서는 스마트 환경에서 주성분 분석과 클러스터링 기법을 활용하여 적은 수의 센서를 선정하는 방식을 제안하며, 이에 따른 거주자 행위 인식률의 개선 효과를 보인다.
