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 : 전주혁(Joo Hyuk Jeon) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
전주혁(Joo Hyuk Jeon),김명호(Myoung Ho Kim) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.1
센서 노드의 여러 기능들 중 통신이 가장 많은 에너지를 소비하며, 특히 센서 노드의 RF 트랜스시버가 송수신 모든일 때 가장 많은 에너지가 소비된다. 하지만 RF 트랜스시버는 대부분 시간 동안 대기 모드 상태에 있기 때문에 대기 모드 상태에서 소모되는 에너지 총합은 송수신 모드에서의 총 에너지 소비량에 근접한다. 따라서 대기 모드 시간을 최소화하는 것이 에너지 효율 면에서 중요하다고 할 수 있다. 본 논문에서는 다중 경로를 이용하여 대기 모드 시간을 줄이는 분산 파워 스케쥴링 기법을 제안한다. 제안하는 방법은 기존의 MAC 프로토콜과 함께 동작하여 에너지 효율성을 증대시킬 뿐만 아니라, 분산 및 비동기적 방식으로 동작하기 때문에 네트워크 위상 변화에 쉽게 대응할 수 있다는 장점이 있다.
-
전주혁(Joo Hyuk Jeon),김명호(Myoung Ho Kim) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.2C
시간 간격 데이터는 데이터 고유의 속성값 외에 데이터가 유효한 시간 범위의 시작 시점과 종료 시점을 포함하는 데이터를 뜻하며, 시공간 데이터베이스를 중심으로 많은 분야에서 널리 사용되고 있다. 하지만 현재까지 스트리밍 환경에서 시간 간격 데이터를 고려한 연구는 거의 수행되지 않았으며, 특히, 스트리밍 환경에서 시간 간격 데이터를 대상으로 하는 시간 히스토그램에 대한 연구는 알려진 바 없다. 따라서 본 논문에서는 스트리밍 환경에 적용 가능한 최초의 시간 히스토그램을 제안한다. 제안하는 시간 히스토그램은 슬라이딩 윈도우 스트림 모델을 기반으로 고안되었으며, 윈도우가 이동할 때마다 실시간으로 유지 가능하다. 또한 제안하는 시간 히스토그램은 작은 메모리만으로 비교적 정확한 결과를 얻을 수 있다는 장점이 있다.
-
센서 네트워크에서 스카이라인 질의 처리를 위한 에너지 효율적인 필터 선정 기법
김준수(Jun Su Kim),전주혁(Joo Hyuk Jeon),김명호(Myoung Ho Kim) 한국정보과학회 2011 정보과학회논문지 : 데이타베이스 Vol.38 No.4
현재까지 센서 네트워크에서 스카이라인 질의를 처리하기 위한 다양한 기법이 제안되어 왔다. 센서 네트워크에서는 에너지를 효율적으로 사용해야 하기 때문에 가장 큰 에너지를 소모하는 데이터 전송량을 줄이는 것이 중요하다. 이를 위하여 필터링 기법이 사용되며 필터링 기법 중, 센서 노드들의 필터링 튜플들 사이에 계층적인 관계를 유지하는 기법은 데이터 전송량 측면에서 많은 장점을 가진다. 하지만, 스카이라인 질의 처리를 위한 기존의 필터링 튜플 선정 기법은 필터링 효과가 크면서도 계층적인 관계를 유지하는 필터링 튜플을 선정하는 것에 한계를 가진다. 본 논문에서는 에너지 효율적인 스카이라인 질의 처리를 위하여 계층적인 관계를 유지하면서도 필터링 효과가 뛰어난 필터링 튜플을 설정하는 기법을 제안하며 실험을 통해 그 효과를 검증한다. Skyline computation has emerged as a hot issue in database community because of its promising applications in multi-criteria decision making. In sensor network environments, the skyline computation has also important applications in the environmental monitoring and the industrial control. Skyline query algorithms have been well studied in traditional database system, the existing algorithms has a difficulty to apply in sensor networks, because of characteristics of sensor networks, such as limited battery, multi-hop communication, and the distributed environment. In this paper, we propose a new method to select filter called the Generalized MinMax. The proposed method maintain hierarchical filter at node. The proposed method can construct good filters for the nodes and thus reduce unnecessary transmissions of sensed data in an effective manner. Our performance evaluation with simulated data sets shows that the proposed method reduces data communication and consumes less energy than the existing method.
-
-
김민(Min Kim),전주혁(Joo Hyuk Jeon),우경구(Kyung Gu Woo),김명호(Myoung Ho Kim) 한국정보과학회 2010 정보과학회논문지 : 데이타베이스 Vol.37 No.2
데이터의 군집을 찾아내는 문제는 패턴 인식, 이미지 처리, 시장 조사 등 많은 응용 분야에서 널리 사용되고 있다. 군집의 질을 결정하는 핵심 요소로는 유사 측도, 차원의 개수 등이 있다. 유사 측도는 데이터의 특성을 반영하여 다르게 정의되어야 하는데, 대부분 기존의 연구들은 데이터를 특징 지어주는 속성이 수치형으로 주어진 경우에 국한되어 있었다. 속성이 범주형으로 주어진 경우도 실생활에 많이 존재 하지만, 범주형 변수에 대한 속성값의 유사성은 값의 순서가 고유하게 정해지지 않아서 정의하기 어렵다. 이에 더하여, 고차원 데이터에 대해서는 데이터 점들이 희박하게 위치하여 가까운 점과 먼 점간의 차이가 거의 없고, 군집화 결과가 좋지 않을 수 있다. 이 문제를 해결하기 위해 부분 차원 군집화 방법이 제안되어 왔다. 부분 차원 군집화 방법은 각 군집을 발견하기에 적합한 부분 차원을 선택하면서 군집화를 수행하는 방법이다. 본 논문에서는 범주형 속성으로 특징지어진 고차원 데이터를 부분 차원 군집화하기 위한 새로운 유사 측도를 제안한다. 유사 측도는 각 군집은 다른 군집과 구별되는 특정 정보를 잘 표현할 수 있어야 한다는 기본적인 가정 하에 속성들 사이의 상관성을 반영하여 정의되었다. 이들 모두를 반영한 유사측도는 기존에 존재하지 않았다는 점에서 본 연구는 의미가 있다. 실제 데이터 집합을 군집화하는 실험을 통해 제안하는 방법이 다른 군집화 방법보다 저차원 데이터와 고차원 데이터 모두에 대해 좀 더 정확한 군집 결과를 얻을 수 있음을 보였다. The problem of finding clusters is widely used in numerous applications, such as pattern recognition, image analysis, market analysis. The important factors that decide cluster quality are the similarity measure and the number of attributes. Similarity measures should be defined with respect to the data types. Existing similarity measures are well applicable to numerical attribute values. However, those measures do not work well when the data is described by categorical attributes, that is, when no inherent similarity measure between values. In high dimensional spaces, conventional clustering algorithms tend to break down because of sparsity of data points. To overcome this difficulty, a subspace clustering approach has been proposed. It is based on the observation that different clusters may exist in different subspaces. In this paper, we propose a new similarity measure for clustering of high dimensional categorical data. The measure is defined based on the fact that a good clustering is one where each cluster should have certain information that can distinguish it with other clusters. We also try to capture on the attribute dependencies. This study is meaningful because there has been no method to use both of them. Experimental results on real datasets show clusters obtained by our proposed similarity measure are good enough with respect to clustering accuracy.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
