Hydrophobically modified chitosan for application in photodynamic therapy of cholangiocarcinoma

이혜명,강대환,정정욱,김시현,김도형,곽태원,정영일 한국공업화학회 2013 한국공업화학회 연구논문 초록집 Vol.2013 No.-

반복적 2차원 프로젝션 필터링을 이용한 확장 고차원 클러스터링

이혜명,박영배,Lee, Hye-Myeong,Park, Yeong-Bae 한국정보처리학회 2001 정보처리학회논문지D Vol.8 No.5

대용량의 고차원 데이터 집합은 고차원 데이터 고유 희소성에 의하여 상당한 양의 잡음을 포함하므로 효과적인 고차원 클러스터링에 어려움을 더한다. CLIP은 이와 같은 고차원 데이터의 특성을 지원하는 클러스터링 알고리즘으로 개발되었다. CLIP은 1차원 성형변환 프로젝션을 점진적으로 적용하여, 각 프로젝션 공간에서 얻어진 1차원 클러스터들의 곱집합을 찾는다. 이 집합은 클러스터를 포함할 뿐 아니라 잡음도 포함할 수 있다. 본 논문에서는 클러스터를 포함하는 곱집합을 정제하는 확장된 CLIP 알고리즘을 제안한다. 이미 CLIP에서 찾은 곱집합에 반복적인 2차원 프로젝션을 적용하여 클러스터의 고차원적 잡음을 제거한다. 확장된 알고리즘의 성능을 평가하기 위해 합성 데이터를 이용한 일련의 실험을 통하여 효과성을 증명한다. The large amounts of high dimensional data contains a significant amount of noises by it own sparsity, which adds difficulties in high dimensional clustering. The CLIP is developed as a clustering algorithm to support characteristics of the high dimensional data. The CLIP is based on the incremental one dimensional projection on each axis and find product sets of the dimensional clusters. These product sets contain not only all high dimensional clusters but also they may contain noises. In this paper, we propose extended CLIP algorithm which refines the product sets that contain cluster. We remove high dimensional noises by applying two dimensional projections iteratively on the already found product sets by CLIP. To evaluate the performance of extended algorithm, we demonstrate its effectiveness through a series of experiments on synthetic data sets.

과학 데이터 처리를 위한 질의어 표현

이혜명,주해종,이시현 건국대학교 1997 대학원 학술논문집 Vol.44 No.-

The multimedia dafabase system, which provides functionalities of storing, managing and querying the multimedia data, becomes the essential system software to support various newly emerging multimedia application such as speech, online hand-written character, electrocardiogram (ECG). Above all, particular processes are needed for manipulating scientific data, a kind of multimedia data, because data are massive and their sequent order must be kept. In this paper, it is proposed that a convenient user's query language, called SDQL(Scientific Data Query Language), to store scientific data into database. And SDQL is based on standard SQL-like syntax.

부분차원 기반의 고차원 클러스터링 알고리즘

이혜명,김진호,박영배 명지대학교 산업기술연구소 2001 産業技術硏究所論文集 Vol.20 No.-

Although many clustering algorithms for datamining are developed, most approaches are not designed for a clustering of high-dimensional data. Therefore, the performance of existing algorithms degenerates rapidly with increasing dimension because of especially the inherent sparsity of the data points. The subspace clustering technique by incremental projection. The incremental projection uses data distribution-dependent partitioning for optimal partitioning of data set. It makes better quality of the cluster by ensuring the efficiency and the effectiveness.

시계열 패턴을 위한 dR - 트리

이혜명(Hyemyung Lee),임채명(Chaemyung Lim),박영배(Youngbae Park) 한국정보과학회 1996 한국정보과학회 학술발표논문집 Vol.23 No.2A

최근에 음성 파형, 온라인 필기 문자, 온라인 서명 등과 같은 멀티미디어 데이타인 시계열 패턴을 저장하고 검색할 필요성이 더욱 증대되고 있다. 시계열 패턴은 프레임의 집합으로 구성되고 각 프레임은 다차원 공간상의 점으로 표현될 수 있으며, 이를 위한 다차원 인덱스 구조가 제시된 바 있다. 본 논문에서는 새로운 시계열 패턴 인덱스 구조로 R-트리를 기반으로 한 dR-트리 구조를 제안한다. dR-트리는 시계열 패턴의 특징인 프레임 간의 순서 관계를 감안하고 유사도에 관련된 최대 거리를 기반으로 한 분할 정책을 사용한다. 또한 반경을 기준으로 분할함으로써 R-트리 구조에서 심각한 성능 저하를 초래하는 영역 겹침 현상을 해결한 보다 효율적인 인덱스 구조이다. 이를 위하여 시계열 패턴을 위한 기존의 다차원 인덱스 구조와 dR-트리의 성능을 구조적인 측면에서 비교한다.

대용량의 고차원 데이터 공간에서 프로젝션 필터링 기반의 부분차원 클러스터링 기법

이혜명(Hye Myung Lee),정종진(Jong Jin Jung) 한국전자거래학회 2003 한국전자거래학회지 Vol.8 No.4

점진적 프로젝션을 이용한 고차원 클러스터링 기법

이혜명(Hye-Myung Lee),박영배(Young-Bae Park) 한국정보과학회 2001 정보과학회논문지 : 데이타베이스 Vol.28 No.4

대부분의 클러스터링 알고리즘들은 고차원 공간에서 성능이 급격히 저하되는 경향이 있다. 더욱이, 고차원 데이타는 상당한 양의 잡음 데이타를 포함하고 있으므로 알고리즘의 추가적인 효과성 문제를 야기한다. 그러므로 고차원 데이타의 구조와 특성을 지원하는 적합한 클러스터링 기법이 개발되어야 한다. 본 논문에서는 선형변환 프로젝션을 이용한 클러스터링 알고리즘 CLIP을 제안한다. CLIP은 고차원 클러스터링의 효율성 및 효과성 문제를 극복하기 위해 개발되었으며, 클러스터 형성에 밀접하게 연관된 부분공간에서 클러스터를 탐사하는 기법이다. 알고리즘의 주요 사상은 각 1차원적 부분공간에서의 클러스터링에 기본을 두고 있지만, 점진적인 프로젝션을 이용하여 고차원 클러스터를 탐사할 뿐만 아니라 연산을 획기적으로 줄인다. CLIP의 성능을 평가하기 위해 합성 데이타를 이용한 일련의 실험을 통하여 효율성 및 효과성을 증명한다. Most of clustering algorithms tend to degenerate rapidly on high dimensional spaces. Moreover, high dimensional data often contain a significant amount of noise, which causes additional ineffectiveness of algorithms. Therefore, it is necessary to develop algorithms adapted to the structure and characteristics of the high dimensional data. In this paper, we propose a clustering algorithm, CLIP, using the projection. The CLIP is designed to overcome efficiency and/or effectiveness problems on high dimensional clustering and it is the method to find clusters in the corresponding subspace correlated closely. The key idea in the algorithm is based on clustering on each one dimensional subspace but we use the incremental projection to recover high dimensional cluster and to reduce the computational cost significantly at same time. To evaluate the performance of CLIP, we demonstrate its efficiency and effectiveness through a series of experiments on synthetic data sets.

시계열 패턴을 위한 dR-트리의 연산 알고리즘

이혜명,임채명,진광윤 三陟大學校 1997 論文集 Vol.30 No.1

최근에 멀티미디어 데이터의 일종인 시계열 패턴을 저장하고 검색할 필요성이 더욱 확대되고 있다. 시계열 패턴은 프레임의 집합으로 구성되고 각 프레임은 다차원 공간상의 점으로 표현될 수 있으며, 이를 위한 새로운 다차원 인덱스 구조로 dR-트리 구조를 제시한 바 있다. dR-트리는 시계열 패턴의 특징인 프레임간의 순서 관계를 감안하고 유사도에 관련된 최대 거리를 기반으로 한 분할 정책을 사용한다. 또한 반경을 기준으로 분할하는 일차원적 분할기법을 이용함으로써, dR-트리 구조에서 심각한 성능 저하를 초래하는 영역 겹침 현상을 해결한 인덱스 구조이다. 본 논문에서는 dR-트리의 연산 알고리즘을 제시하고 성능을 비교한다. Recently, a necessity of storing and retrieving Time-series patterns which is a kind of multimedia data has increased. Time-series patterns consist of a set of frames represented by multidimensional points. We proposed a dR-tree with a multidimensional index structure to represent frames of a Time-series pattern. The dR-tree structure considers the order among frames, which is a feature of Time-series patterns, and employs a space-split policy based on maximum distance related to similarity. Splitting one-dimensional space according to radius, this structure solves a problem of region overlap which degrades the performance in dR-tree structure. In this paper, we propose algorithms accessing to the data in a dR-tree structure to process Time-series patterns and compare the performances between ours and the traditional methods.

고차원 데이터에서 점진적 프로젝션을 이용한 클러스터링

이혜명(Hye-Myung Lee),박영배(Young-Bae Park) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.2Ⅰ

데이터 마이닝을 방법론 중 클러스터링은 데이터베이스 객체들의 애트리뷰트 값에 근거하여 유사한 그룹으로 식별하는 기술적인 작업이다. 그러나 대부분 알고리즘들은 데이터의 차원이 증가할수록 형성된 전체 데이터 공간은 매우 방대하므로 의미있는 클러스터의 탐색이 더욱 어렵다. 따라서 효과적인 클러스터링을 위해서는 클러스터가 포함될 데이터 공간의 예측이 필요하다. 본 논문에서는 고차원 데이터에서 각 차원에 대한 점진적 프로젝션을 이용한 클러스터링 방법을 제안한다. 제안한 방법에서는 클러스터가 포함될 가능성이 있는 데이터공간의 후보영역을 결정하여, 이 영역에서 점들의 평균값을 중심으로 클러스터를 탐색한다.

이동 객체의 부분차원 스카이라인 검색 알고리즘

金鎭鎬,李慧明,朴永培 명지대학교 산업기술연구소 2008 産業技術硏究所論文集 Vol.27 No.-

Most of previous works for skyline queries have focused only on static attributes of target objects. With the advance in mobile applications, however, the need of continuous skyline queries for moving objects has been increasing. Even though several techniques to process continuous skyline queries have been proposed recently, they cannot process subspace queries, which use only the subset of attribute dimensions. Therefore it is not feasible to utilize those methods for mobile applications which must consider moving objects and subspaces simultaneously, In this paper, we propose a dominant object-base pruning method to compute subspace skyline of moving objects efficiently at query time and present the experimental results to show the effectiveness of the proposed method.