http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 마이클안젤로살보 ( Michael Angelo G. Salvo ) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
손실 값을 갖는 유비쿼터스 헬스케어 환경에서 신경망을 이용한 에이전트 기반 증상 패턴 분류
마이클안젤로살보 ( Michael Angelo G. Salvo ),이재완 ( Jaewan Lee ),이말례 ( Malrey Lee ) 한국인터넷정보학회 2010 인터넷정보학회논문지 Vol.11 No.2
무선선서네트워크의 주요 응용분야 중 하나가 유비쿼터스 헬스케어 시스템이다. 하지만 무선센서네트워크가 가지고 있는 과제중의 하나는 데이터 중에 나타나는 높은 손실 율이다. 바이오 센서로부터 들어오는 데이터는 기지국에 도착되지 않을 수 있으며, 이 값은 손실 값(missing value)이 된다. 본 논문은 기지국에서 데이터를 수집하고, 손실 값을 처리한 후, 증상 패턴에 따라 건강상태를 분류하여, 비상시에 적절한 행동을 취할 수 있도록 하는 헬스케어 모니터 에이전트(HMA)를 제안한다. 이 에이전트는 유비쿼터스 헬스케어 환경에 적용되며, 건강상태를 인지하기 위한 증상패턴으로 바이오 센서 및 환자의 가족력으로부터 생성된 데이터를 사용한다. 손실 값이 나타나면 HMA는 분류하기 전에 증상패턴의 손실 값을 채우기 위한 예측 알고리즘을 수행한다. 시뮬레이션 결과 HMA를 사용한 예측알고리즘이 다른 방법들에 비해 더 정확하게 증상패턴을 분류함을 보여 주었다. The ubiquitous healthcare environment is one of the systems that benefit from wireless sensor network. But one of the challenges with wireless sensor network is its high loss rates when transmitting data. Data from the biosensors may not reach the base stations which can result in missing values. This paper proposes the Health Monitor Agent (HMA) to gather data from the base stations, predict missing values, classify symptom patterns into medical conditions, and take appropriate action in case of emergency. This agent is applied in the Ubiquitous Healthcare Environment and uses data from the biosensors and from the patient`s medical history as symptom patterns to recognize medical conditions. In the event of missing data, the HMA uses a predictive algorithm to fill missing values in the symptom patterns before classification. Simulation results show that the predictive algorithm using the HMA makes classification of the symptom patterns more accurate than other methods.
-
비구조화 P2P 시스템에서 이동에이전트를 이용한 Peer의 속성기반 계층적 클러스터링
마이클안젤로살보 ( Michael Angelo G. Salvo ),마테오로미오 ( Romeo Mark A. Mateo ),이재완 ( Jaewan Lee ) 한국인터넷정보학회 2009 인터넷정보학회논문지 Vol.10 No.4
비구조화 P2P 시스템은 오늘날 인터넷에서 가장 널리 사용되지만, 파일의 배치는 임의로 이루어지며, Peer와 컨텐츠 간에는 어떤 상관관계도 존재하지 않는다. 또한 보낸 모든 질의가 원하는 데이터를 찾았는지에 대한 보장도 없다. 본 논문에서는 비구조화된 P2P시스템에서 군집형 계층 클러스터링을 사용하여 노드들을 클러스터화함으로써 검색을 향상시키는 방법을 제시한다. 제안한 기법과 k-means를 사용한 기법 간에 노드 클러스터링을 위한 지연시간을 비교하였다. 또한 제안한 알고리즘, k-means 클러스터링, 클러스터링을 사용하지 않은 방법간에 한 네트워크 토폴로지에서 데이터를 찾기 위한 지연시간에 대해 시뮬레이션을 수행하였다. 시뮬레이션 결과 제안한 기법의 지연시간이 다른 방법들보다 짧았음을 알 수 있었다. Unstructured peer-to-peer systems are most commonly used in today`s internet. But file placement is random in these systems and no correlation exists between peers and their contents. There is no guarantee that flooding queries will find the desired data. In this paper, we propose to cluster nodes in unstructured P2P systems using the agglomerative hierarchical clustering algorithm to improve the search method. We compared the delay time of clustering the nodes between our proposed algorithm and the k-means clustering algorithm. We also simulated the delay time of locating data in a network topology and recorded the overhead of the system using our proposed algorithm, k-means clustering, and without clustering. Simulation results show that the delay time of our proposed algorithm is shorter compared to other methods and resource overhead is also reduced.
ScienceON
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
