http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
상 분리 폴리머 혼합액의 전기 방사에 의한 나노 포러스 탄소 파이버 제작
김홍연,이대희,문주호,Kim, Hong-Yeun,Lee, Dae-Hee,Moon, Joo-Ho 한국재료학회 2009 한국재료학회지 Vol.19 No.10
Electrospinning is a technique that produces sub-micron sized continuous fibers by electric force from polymer solutions or melts. Due to its versatile manufacturability and the cost effectiveness, this method has been recently adopted for the fabrication of one-dimensional materials. Here, we fabricated polyacrylonitrile (PAN) polymer fibers, from which uniform carbon fibers with diameters of 100-200 nm were obtained after carbonization at 800 $^{\circ}C$ in N$_2$. Special emphasis was directed to the influence of the phase separated polymer solution on the morphology and the microstructure of the resulting carbon fiber. The addition of poly(stylene-co-acrylonitile) (SAN) makes the polymer solution phase separated, which allows for the formation of internal pores by its selective elimination after electrospinning. XPS and Raman Spectroscopy were used to confirm the surface composition and the degree of carbonization. At the PAN:SAN = 50:50 in vol%, the uniform carbon fibers with diameters of 300$\sim$500 nm and surface area of 131.6 m$^2$g$^{-1}$ were obtained.
대용량 데이터에서 데이터 군집화 기반의 효율적인 이상치 탐지 기법
김홍연,민준기 한국정보과학회 2015 데이타베이스 연구 Vol.31 No.3
An outlier means that a data is distant from other data or a data has a contradictory relation with other data in a data set. As these features, since the outlier is used to an unnecessary data or a significant event, the outlier detection is very important. However, since the advent of the devices that capable of communication with others and environments measurement has come an explosion of data, the existing outlier detection algorithms are not suitable to the massive data. Thus, in this paper, we propose an efficient outlier detection algorithms based on data clustering over the massive data. In proposed algorithms, we utilize the MapReduce framework which comprises a number of machines in order to construct the local clusters in parallel and merge the local clusters to the global clusters. To fully utilize every machine in MapReduce, we divide the domain of the data set into a number of grids, and then each machine collects every data in each grid and constructs the local clusters. In our experiments, we created the various size of the data sets and form the diverse experiment environments in order to evaluate proposed algorithms in various fields. 이상치란 데이터 집합에서 다른 데이터들과 분명한 차이를 보이거나 모순 관계를 갖는 데이터를 의미한다. 이러한 특징으로 이상치는 데이터 집합에서 불필요한 데이터 또는 중요한 사건을 의미하는 정보로 사용되기 때문에, 이상치를 탐지하는 일은 매우 중요하다. 그러나 환경 정보 측정과 외부와의 통신이 가능한 기기들의 등장으로 데이터가 기하급수적으로 수집됨에 따라 기존 이상치 탐지 기법들은 이러한 대용량 데이터에 적합하지 않다. 따라서 본 논문에서는 대용량 데이터에서 데이터 군집화 기반의 효율적인 이상치 탐지 기법을 제안한다. 제안 기법에서는 복수 개의 기기들이 참여하는 맵리듀스를 이용하여 지역 군집들을 병렬로 생성하고, 지역 군집들을 병합하여 전역 군집들로 생성한다. 제안 기법에서는 데이터 영역을 격자들로 분할하여 각 격자에 속한 데이터들을 어떤 한 기기에서 모두 수집하여 지역 군집을 생성함에 따라 맵리듀스에 참여하는 모든 기기들을 완전히 사용한다. 실험에서는 제안 기법의 성능을 다방면에 걸쳐 평가하기 위해, 여러 크기의 실험 데이터 집합들을 생성하고 다양한 실험 환경을 구성하였다.
대용량 데이터를 위한 맵리듀스 프레임워크 기반의 효율적인 요약정보 생성 기법
김홍연,이석주,강성민,민준기 한국정보과학회 2015 데이타베이스 연구 Vol.31 No.2
As the size of digital data increases, the synopses of the data become important to analyze the data effectively. In this paper, we propose two algorithms eqMR and nqMR that construct the q-digest over the massive data using MapReduce frameworks. The q-digest representing the frequencies of the data item is an effective synopsis to compute the quantiles. However, since the existing q-digest construction algorithm is based on a single-machine, it is not suitable to the big data. To alleviate this problem, the eqMR algorithm constructs the local q-digests using several machines in parallel and merges the local q-digests to construct the global q-digest. Additionally, the nqMR algorithm reduces the load of the machines depending on the local q-digest construction by identifying the data distribution. In experiments, we evaluated the performance of our algorithms in diverse environments. 디지털 데이터의 양이 기하급수적으로 증가함에 따라 데이터를 효과적으로 분석하기 위한 데이터의 요약정보가 점차 중요해지고 있다. 본 논문에서는 맵리듀스 프레임워크를 이용하여 대용량 데이터에 대한 q-digest를 생성하는 eqMR과 nqMR을 제안한다. q-digest는 데이터 값들의 빈도수들을 표현하는 요약정보로 데이터에 대한 분위값을 계산하는데 효과적이다. 그러나 기존 q-digest 생성 기법은 단일기기를 기반으로 하여서 빅 데이터에는 적합하지 않다. 이러한 문제를 해결하기 위해, eqMR 기법은지역 q-digest들을 복수 개의 기기를 이용하여 병렬로 생성하고 이들을 병합하여 전역 q-digest를 생성한다. 추가적으로 nqMR 기법은 데이터 집합의 분포를 파악하여 지역 q-digest들의 생성에 따른 기기들의 부하를 줄인다. 실험에서는 다양한 환경에서 성능 평가를 수행하였다.