http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
ECMA-392 기반 선박 내 네트워크에서 Fair QoS 제공을 위한 채널 자원 할당 방안
이승범(Seung Beom Lee),백종상(Jong Sang Back),박순영(Soonyoung Park),이성로(Seong Ro Lee) 한국통신학회 2014 韓國通信學會論文誌 Vol.39 No.12(융합기술)
본 논문에서는 선박 내 IT 서비스에 대한 요구에 부응하기 위해 적응적이고 합리적인 무선 주파수를 활용하는 인지무선 기술 중 최초 표준인 ECMA-392 네트워크를 사용한다. 먼저, ECMA-392 기반 네트워크에 대해서 알아보고, 디바이스에게 채널 할당을 위한 고려사항 및 문제점을 살펴본다. 그리고, ECMA-392 MAC 프로토콜에서 디바이스 그룹들이 요청하는 채널을 효율적으로 보장하기 위한 공평한 채널 자원 할당 방법을 제안한다. 새로운 디바이스 그룹과 기존의 디바이스 그룹들에게 채널 할당 파라미터를 고려하여 공평하게 채널들을 재할당할 수 있는 방법이다. 시뮬레이션 결과는 제안된 방식이 기존의 방식에 비해 데이터 수율을 향상시키고 있음을 나타낸다. In this paper, we use the ECMA-392 standard, the first cognitive radio networks to meet the demand for IT services in the ship. First, we learn about ECMA-392-based network and examine the consideration and the problems for assigning channels to the device. And, we propose a fair channel resource allocation to ensure efficiently channel required by device groups in ECMA-392 MAC protocol. This is a method to reallocate the channels fairly with considering the channel assignment parameters to a new device group and existing device groups. The simulation results show that the proposed scheme improves throughputs compared to the existing one.
빅데이터 클러스터링을 위한 K-Means 초기 중심 선정 연구
김영주 ( Yeong-ju Kim ),허유경 ( Yu-gyeong Heo ),백종상 ( Jong-sang Back ),정환종 ( Hwan-jong Jeong ),이성로 ( Sung-ro Lee ),정민아 ( Min-a Jung ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.2
K-Means 알고리즘은 구현이 쉽고,패턴수가 n일 때 시간 복잡도가 0(n)인 장점을 가져 대용량 데이터에서 널리 이용된다. 그러나,K-Means 알고리즘은 초기 클러스터 중심을 어떻게 선정하는가에 따라 할당-재계산 횟수,클러스터링 결과를 결정짓는다. 본 논문에서는 K-Means 알고리즘에서 클러스터 초기 중심 선정 연구를 살펴보고 계통임의추출법을 적용하여 K-Means 초기 중심 선정 방법을 제안한다. 제안한 방법은 대용량 데이터의 클러스터링 시간을 감소하고 정확도를 향상시킬 수 있다.
박진관(Jin-Gwan Park),김영주(Yeong-Ju Kim),백종상(Jong-Sang Back),이혜진(Hye-Jin Lee),양진호(Jin-Ho Yang),정민아(Min-A Jeong) 대한전자공학회 2015 대한전자공학회 학술대회 Vol.2015 No.6
최근 모바일 기기의 발전으로 사용자의 위치를 수집하고 분석하는 방법들이 연구되고 있다. 궤적연관규칙 기반 알고리즘은 사용자의 궤적을 의미를 기반으로 군집화 해서 분석하는 방법을 통해 사람들의 특성을 파악하며, 사용자의 패턴추출 및 궤적 예측 응용에 사용 된다. 해당 알고리즘을 수행하기 위해서는 사용자의 타모요로그를 분석하여 Stay Point를 추출하는 과정이 선행되어야 한다. 기존의 Stay Point 추출 방법은 실내와 실외의 Stay Point를 구분하지 못하는 단점이 있다. 본 논문에서는 이러한 단점을 보완하기 위해 실내에서 머무른 지점만을 추출하는 Stay Point를 제안한다.
분산 네트워크 환경에서 POI추출을 위한 GPS 데이터 분할 방법
오주성 ( Joo-seong Oh ),허유경 ( Yu-kyung Heo ),박진관 ( Jin-gwan Park ),백종상 ( Jong-sang Back ),정민아 ( Min-a Jung ) 한국정보처리학회 2015 한국정보처리학회 학술대회논문집 Vol.22 No.1
많은 사람들이 위치 기반 서비스를 사용하면서 위치 기반 서비스에서 사용되는 GPS 데이터는 기하급 수적으로 중가하고 있다. 사용자들에게 필요한 정보를 제공하기위해서는 이러한 대량의 GPS 데이터를 처리하여 POI를 추출하고 분석하는 과정이 필요하다. 본 논문에서는 POI를 추출하고 관리 • 분석하기 위해 MapReduce 환경을 구축하고 DBSCAN 클러스터링 방법을 이용한다. 또한 분산 환경 에서 DBSCAN 알고리즘을 수행하기 위해 K-Means를 이용한 데이터 분할 방법을 제안한다.