AMI로부터 측정된 전력사용데이터에 대한 군집 분석

안효정,임예지 한국통계학회 2021 응용통계연구 Vol.34 No.6

We cluster the electricity consumption of households in A-apartment in Seoul, Korea using Hierarchical $K$-means clustering algorithm. The data is recorded from the advanced metering infrastructure (AMI), and we focus on the electricity consumption during evening weekdays in summer. Compare to the conventional clustering algorithms, Hierarchical $K$-means clustering algorithm is recently applied to the electricity usage data, and it can identify usage patterns while reducing dimension. We apply Hierarchical $K$-means algorithm to the AMI data, and compare the results based on the various clustering validity indexes. The results show that the electricity usage patterns are well-identified, and it is expected to be utilized as a major basis for future applications in various fields. 본 연구에서는 Hierarchical $K$-means 군집화 알고리즘을 이용해 서울의 A아파트 가구들의 전력 사용량 패턴을 군집화 하였다. 차원을 축소해주면서 패턴을 파악할 수 있는 Hierarchical $K$-means 군집화 알고리즘은 기존 $K$-means 군집화 알고리즘의 단점을 보완하여 최근 대용량 전력 사용량 데이터에 적용되고 있는 방법론이다. 본 연구에서는 여름 저녁 피크 시간대의 시간당 전력소비량 자료에 대해 군집화 알고리즘을 적용하였으며, 다양한 군집 개수와 level에 따라 얻어진 결과를 비교하였다. 결과를 통해 사용량에 따라 패턴이 군집화 됨을 확인하였으며, 군집화 유효성 지수들을 통해 이를 비교하였다.

군집화와 유전 알고리즘을 이용한 거친-섬세한 분류기 앙상블 선택

김영원(Young-Won Kim),오일석(Il-Seok Oh) 한국정보과학회 2007 정보과학회논문지 : 소프트웨어 및 응용 Vol.34 No.9

좋은 분류기 앙상블은 분류기 간에 상호 보완성을 갖추어 높은 인식 성능을 보여야 하며, 크기가 작아 계산 효율이 좋아야 한다. 이 논문은 이러한 목적을 달성하기 위한 거친-섬세한 (coarse-to-fine)단계를 밟는 분류기 앙상블 선택 방법을 제안한다. 이 방법이 성공하기 위해서는 초기 분류기 풀 (pool)이 충분히 다양해야 한다. 이 논문에서는 여러 개의 서로 다른 분류 알고리즘과 아주 많은 수의 특징 부분집합을 결합하여 충분히 큰 분류기 풀을 생성한다. 거친 선택 단계에서는 분류기 풀의 크기를 적절하게 줄이는 것이 목적이다. 분류기 군집화 알고리즘을 사용하여 다양성을 최소로 희생하는 조건하에 분류기 풀의 크기를 줄인다. 섬세한 선택에서는 유전 알고리즘을 이용하여 최적의 앙상블을 찾는다. 또한 탐색 성능이 개선된 혼합 유전 알고리즘을 제안한다. 널리 사용되는 필기 숫자 데이타베이스를 이용하여 기존의 단일단계 방법과 제안한 두 단계 방법의 성능을 비교한 결과 제안한 알고리즘이 우수함을 입증하였다. The good classifier ensemble should have a high complementarity among classifiers in order to produce a high recognition rate and its size is small in order to be efficient. This paper proposes a classifier ensemble selection algorithm with coarse-to-fine stages. For the algorithm to be successful, the original classifier pool should be sufficiently diverse. This paper produces a large classifier pool by combining several different classification algorithms and lots of feature subsets. The aim of the coarse selection is to reduce the size of classifier pool with little sacrifice of recognition performance. The fine selection finds near-optimal ensemble using genetic algorithms. A hybrid genetic algorithm with improved searching capability is also proposed. The experimentation uses the worldwide handwritten numeral databases. The results showed that the proposed algorithm is superior to the conventional ones.

도서관의 자동 도서 관리를 위한 군집화 기반 다중경유지의 최단 경로 알고리즘 개발

강효정(Hyo Jung Kang),전은주(Eun Joo Jeon),박찬정(Chan Jung Park) 한국콘텐츠학회 2021 한국콘텐츠학회논문지 Vol.21 No.1

도서관 사서의 수많은 업무 중 도서 정리 업무는 사서가 일일이 정리해야 하는 일이기 때문에, 투입되는 인적 · 시간적 비용이 크다. 이러한 문제를 해결하기 위해 최근 인공지능 기술을 접목한 도서 정리 로봇에 관한 관심이 증가하고 있다. 본 연구에서는 도서 정리 로봇에 적용할 수 있는 다중경유지 최단 경로 알고리즘인 K-ACO 알고리즘을 제안한다. 제안하는 K-ACO 알고리즘은 하나의 로봇이 아니라 여러 대의 로봇을 가정하고 있다. 또한, K-ACO는 개미 알고리즘을 개선하여 K개의 군집을 만들고 각 군집 별 최단 경로를 제공해준다. 본 논문에서는 제안한 알고리즘의 성능 분석을 도서 정리 시간의 관점에서 실시하였다. 제안한 알고리즘인 K-ACO 알고리즘을 한 대학교 도서관에 적용하여 현재 도서 정리 알고리즘과 비교해 보았다. 시뮬레이션을 통해 제안하는 알고리즘은 도서 정리 업무를 치우치지 않고 공평하게 배분하여 궁극적으로 전체 일이 끝나는 시간을 확연히 줄일 수 있음을 알 수 있었다. 본 연구 결과를 통하여 제안한 알고리즘의 적용으로 도서 정리에 필요한 인적 · 시간적 비용을 절감하여 도서관 내 양질의 서비스 향상을 기대한다. Among the numerous duties of a librarian in a library, the work of arranging books is a job that the librarian has to do one by one. Thus, the cost of labor and time is large. In order to solve this problem, the interest in book-arranging robots based on artificial intelligence has recently increased. In this paper, we propose the K-ACO algorithm, which is the shortest path algorithm for multi-stops that can be applied to the library book arrangement robots. The proposed K-ACO algorithm assumes multiple robots rather than one robot. In addition, the K-ACO improves the ANT algorithm to create K clusters and provides the shortest path for each cluster. In this paper, the performance analysis of the proposed algorithm was carried out from the perspective of book arrangement time. The proposed algorithm, the K-ACO algorithm, was applied to a university library and compared with the current book arrangement algorithm. Through the simulation, we found that the proposed algorithm can allocate fairly, without biasing the work of arranging books, and ultimately significantly reduce the time to complete the entire work. Through the results of this study, we expect to improve quality services in the library by reducing the labor and time costs required for arranging books.

역광 이미지의 효율적인 컬러 색상 보정을 위한 Retinex 알고리즘의 성능 개선

김영탁(Young-Tak Kim),유재형(Jae-Hyoung Yu),한헌수(Hern-Soo Hahn) 한국컴퓨터정보학회 2011 韓國컴퓨터情報學會論文誌 Vol.16 No.1

본 논문은 상대적으로 대비도 차이가 크게 나타나는 역광 이미지에 대해서 Retinex 알고리즘을 적용하여 보정 했을 경우 발생하는 밝은 영역에서의 컬러성분의 손실을 개선하기 위한 새로운 기법을 제안한다. 역광 이미지의 경우 밝은 영역과 어두운 영역에 대한 밝기 차이가 매우 크게 발생하기 때문에 Retinex 알고리즘을 이용하여 영상의 대비도를 향상시킬 경우 밝은 영역에서의 컬러 성분이 손실되는 현상이 발생한다. 이러한 손실을 보완하기 위해서 원본 영상의 밝은 영역에 해당하는 컬러 성분을 Retinex 알고리즘으로 보정된 영상에 추가해준다. K-mean 알고리즘을 이용하여 원본 영상에서의 밝은 영역, 어두운 영역, 중간 영역을 분리하고 밝은 영역에 대해서의 컬러 성분을 추가적으로 복원해 주며, 중간 영역에 대해서는 히스토그램에서의 위치를 기준으로 밝고 어두운 성분에 대한 비율을 고려하여 각 비율에 따라 원본 영상과 Retinex 복원 영상의 밝기 값을 함께 이용하도록 한다. 제안하는 알고리즘의 성능 평가를 위해 역광 현상이 강하게 나타나는 자연영상들을 대상으로 적용하여 기존의 Retinex 알고리즘보다 우수한 성능을 가지고 있음을 보였다. This paper proposes a new algorithm that improve color component of compensated image using Retinex method for back-light image. A back-light image has two regions, one of the region is too bright and the other one is too dark. If an back-light image is improved contrast using Retinex method, it loses color information in the part of brightness of the image. In order to make up loss information, proposed algorithm adds color components from original image. The histogram can be divided three parts that brightness, darkness, midway using K-mean (k=3) algorithm. For the brightness, it is used color information of the original image. For the darkness, it is converted using by Retinex method. The midway region is mixed between original image and Retinex result image in the ratio of histogram. The ratio is determined by distance from dark area. The proposed algorithm was tested on nature back-light images to evaluate performance, and the experimental result shows that proposed algorithm is more robust than original Retinex algorithm.

다중계층 통행배분 알고리즘 개발(다차종을 중심으로)

강진구,류시균,이영인 대한교통학회 2002 대한교통학회지 Vol.20 No.6

The multi-class traffic assignment problem is the most typical one of the multi-solution traffic assign- ment problems and, recently, formulation of the models and the solution algorithm have been received a great deal of attention. The useful solution al- gorithm, however, has not been proposed while formulation of the multi-class traffic assignment could be performed by adopting the variational inequality problem or the fixed point problem. In this research, we developed a hybrid solution algorithm which combines GA algorithm, diagonal algorithm and clustering algorithm for the multi- class traffic assignment formulated as a variational inequality problem. GA algorithm and clustering algorithm are introduced for the wide area and small cost. We also performed an experiment with toy network(2 link) and tested the characteristics of the suggested algorithm. 교통량배분문제 가운데 다중계층 교통량배분문제는 유일해가 보장되지 않는 대표적 사례로 최근 들어 모형의 정식화 및 해법에 관해서 활발하게 전개되고 있다. 정식화에 있어서는 변동부등식이나 고정점문제를 활용한 정식화가 보편적으로 활용되고 있으나 해법(알고리즘)에 관한 연구는 미흡한 실정이다. 본 연구에서는 변동부등식으로 정의된 다중계층 이용자균형 교통량배분문제의 해법으로서 GA알고리즘과 대각화알고리즘, 군집화알고리즘을 조합한 Hybrid Algorithm을 개발, 제안한다. GA알고리즘과 군집화알고리즘은 해의 탐색을 전역적이면서도 효과적으로 수행하기 위해서 도입된 대각화 알고리즘의 보완적 알고리즘이라 할 수 있다. 본 연구에서는 또한, 다중계층 이용자균형 교통량배분문제의 해법으로서의 제안된 AMSA(The Algorithm of Multiclass Static User Equilibrium Assignment)의 특징을 예제풀이를 통해서 설명하고 있다.

논문 검색 결과의 효과적인 브라우징을 위한 단어 군집화 기반의 결과 내 군집화 기법

배경만(Kyoungman Bae),황재원(Jaewon Hwang),고영중(Youngjoong Ko),김종훈(Jonghoon Kim) 한국정보과학회 2010 정보과학회논문지 : 소프트웨어 및 응용 Vol.37 No.3

검색 결과 내 군집화(search-result clustering)는 검색 엔진으로부터 검색된 결과 내에서 비슷한 문서를 자동으로 군집화하는 기법이다. 본 논문에서는 논문 검색 서비스에 전문화된 새로운 결과 내군집화 기법을 제안한다. 제안하는 시스템은 ‘범주체계생성기(Category Hierarchy Generation System)’와 ‘논문군집기(Paper Clustering System)’로 구성되어있다. ‘범주체계생성기’는 KOSEF의 연구 범주 체계를 이용하여 분야 시소러스라 불리는 범주 체계를 생성하고, K-means 알고리즘을 이용한 단어 군집화 알고리즘을 사용하여 분야 시소러스의 키워드 집합을 확장한다. ‘논문군집기’는 top-down 방식과 bottom-up 방식을 이용하여 각 논문의 범주를 결정한다. 제안하는 시스템은 논문 검색 서비스와 같은 전문 분야에 대한 검색 서비스에 유용하게 사용될 수 있을 것이다. The search-results clustering problem is defined as the automatic and on-line grouping of similar documents in search results returned from a search engine. In this paper, we propose a new search-results clustering algorithm specialized for a paper search service. Our system consists of two algorithmic phases: Category Hierarchy Generation System (CHGS) and Paper Clustering System (PCS). In CHGS, we first build up the category hierarchy, called the Field Thesaurus, for each research field using an existing research category hierarchy (KOSEF’s research category hierarchy) and the keyword expansion of the field thesaurus by a word clustering method using the K-means algorithm. Then, in PCS, the proposed algorithm determines the category of each paper using top-down and bottom-up methods. The proposed system can be used in the application areas for retrieval services in a specialized field such as a paper search service.

유전자 알고리즘을 이용한 서울시 군집화 최적 변수 선정

김형진(Kim, Hyung Jin),정재훈(Jung, Jae Hoon),이정빈(Lee, Jung Bin),김상민(Kim, Sang Min),허준(Heo, Joon) 대한공간정보학회 2014 대한공간정보학회지 Vol.22 No.4

정부 3.0이라는 새로운 정부운영 계획과 함께 다양한 공공정보를 민간이 활용할 수 있게 되었으며, 특히 서울은 이러한 행정정보 공개 및 활용을 선도하고 있다. 공개된 행정정보를 통해 각 지역을 특징짓는 행정요소를 발견할 경우, 각종 행정정책을 위한 의사결정 수단에 반영할 수 있을 뿐만 아니라 특정 지역의 고객 특성을 파악하여 특화된 서비스나 상품을 판매하는 마케팅 수단으로도 사용할 수 있을 것으로 사료된다. 하지만, 방대한 양의 행정자료로부터 각 군집의 특성을 명확히 구분할 수 있는 최적의 조합을 찾는 과정은 조합최적화 문제로서 상당한 연산량을 요구한다. 본 연구에서는 서울시에서 제공하는 다차원 행정자료로부터 서울시를 대표하는 문화·산업의 중심인 서초구, 강남구, 송파구 등의 강남 3구를 다른 지역과 효과적으로 구분하는 행정요인를 찾고자 하였다. 방대한 양의 행정정보로부터 두 군집간의 차이점을 극대화하는 요인을 선별하기 위한 최적화 방법으로 유전자 알고리즘을 이용하였으며, 군집간 차이를 계산하는 척도로는 Dunn 지수를 이용하였다. 또한 유전자 알고리즘의 연산속도의 향상을 위해 Microsoft Azure에서 제공하는 cloud computing을 이용한 분산처리를 수행하였다. 자료로는 통계청으로 부터 취득한 총 718개의 행정자료를 이용하였으며, 그 중 28개가 최적 변수로 선정되었다. 검증을 위해 선정된 28개의 변수를 입력값으로 Ward의 최소분산법 및 K-means 알고리즘을 통한 군집화를 수행한 결과 두 경우 모두 강남 3구가 다른 지역으로부터 효과적으로 분류됨을 확인하였다. Korean government proposed a new initiative ‘government 3.0’ with which the administration will open its dataset to the public before requests. City of Seoul is the front runner in disclosure of government data. If we know what kind of attributes are governing factors for any given segmentation, these outcomes can be applied to real world problems of marketing and business strategy, and administrative decision makings. However, with respect to city of Seoul, selection of optimal variables from the open dataset up to several thousands of attributes would require a humongous amount of computation time because it might require a combinatorial optimization while maximizing dissimilarity measures between clusters. In this study, we acquired 718 attribute dataset from Statistics Korea and conducted an analysis to select the most suitable variables, which differentiate Gangnam from other districts, using the Genetic algorithm and Dunn’s index. Also, we utilized the Microsoft Azure cloud computing system to speed up the process time. As the result, the optimal 28 variables were finally selected, and the validation result showed that those 28 variables effectively group the Gangnam from other districts using the Ward’s minimum variance and K-means algorithm.

모바일 앱 트렌드를 고려한 2단계 군집화 방법

허정만(Jeong-Man Heo),박소영(So-Young Park) 한국컴퓨터정보학회 2015 韓國컴퓨터情報學會論文誌 Vol.20 No.4

본 논문에서는 단어 군집을 사용하여 모바일 앱을 군집화하는 방법을 제안한다. 모바일 앱 트렌드의 빠른 변화를 고려하여, 제안하는 방법은 미리 정의된 분류체계를 사용하지 않고, 모바일 앱 집합에 군집화 기술을 적용하여 의미적으로 유사한 모바일 앱을 묶는다. 짧은 모바일 앱 소개 글의 자료 부족 문제를 완화하기 위해서, 각 단어에 대해 unigram 뿐만 아니라, bigram, trigram, 단어 군집 정보를 추가적으로 확보하여 활용한다. 모바일 앱을 전체적으로 정확하게 군집화하기 위해서, 제안하는 방법은 단어 군집을 활용하여 모바일 앱 군집의 크기가 지나치게 작거나 크지 않도록 관리한다. 실험결과 제안하는 방법은 단어 군집을 활용하여 전체 정확도를 57.48%에서 79.66%로 22.18% 개선시켰다. In this paper, we propose a mobile app clustering method using word clusters. Considering the quick change of mobile app trends, the proposed method divides the mobile apps into some semantically similar mobile apps by applying a clustering algorithm to the mobile app set, rather than the predefined category system. In order to alleviate the data sparseness problem in the short mobile app description texts, the proposed method additionally utilizes the unigram, the bigram, the trigram, the cluster of each word. For the purpose of accurately clustering mobile apps, the proposed method manages to avoid exceedingly small or large mobile app clusters by using the word clusters. Experimental results show that the proposed method improves 22.18% from 57.48% to 79.66% on overall accuracy by using the word clusters.

경로 분산 최소화 군집 알고리즘에 대한 연구

한유진,김승환 한국지능시스템학회 2023 한국지능시스템학회논문지 Vol.33 No.5

TThe Clustering Algorithm For Path Variance Minimization algorithm refers to theproblem of finding the shortest paths within the same cluster and minimizing pathdispersion between clusters. For instance, in the delivery service industry, whereeach delivery person needs to visit multiple points, it's necessary to create clustersthat minimize path dispersion for fair task distribution among these individuals. This proposal reflects the requirement for equitable task allocation in real-worldscenarios and enables the establishment of clusters with optimized routes tofacilitate efficient delivery and transportation planning. Experimental results withthe proposed algorithm confirm lower dispersion of shortest paths compared toexisting clustering algorithms. 경로 분산 최소화 군집 알고리즘이란 동일 군집 내 최단 경로를 구하고, 군집 간의 경로 분산을 최소화하는 문제다. 예를 들어 배달 서비스 산업에서 각 배달원들이 여러 지점을 방문하여야 한다고 할 때, 이들에게 작업을 균등하게 배분하기 위해서는 배달원마다 경로 분산을최소화하는 군집을 구성하는 것이 필요하다. 이러한 제안은 실제 상황에서 작업이 공평하게분배되어야 한다는 요구사항을 반영하고, 최적 경로를 통해 효율적인 배송 및 운송 계획을수립할 수 있다. 제안된 알고리즘으로 실험한 결과, 기존의 군집화 알고리즘보다 더 낮은 최단 경로 분산을 가짐을 확인했다.

개념벡터를 활용한 텍스트 문서 군집화에 대한 연구

신양규 대구한의대학교 기초과학연구소 2003 基礎科學 Vol.7 No.2

인터넷과 정보통신기술의 발전으로 폭증하고 있는 텍스트 문서들을 유사한 것들끼리 분류할 필요가 있다. 본 논문에서는 텍스트 문서들에 대하여 각 군집별로 개념 벡터를 생성하여 내용이 유사한 것들끼리 군집화 하는 방법을 연구하였다. 개념벡터는 군집 내에 속한 각 텍스트 문서들에 대응하는 벡터들의 중심 벡터로 계산하였으며, 벡터들은 단위벡터로 정규화 되어 n차원 구면상에서 군집화가 이루어진다. The necessary of clustering for text document data is rapidly increased. But the standard k-means clustering method for text data is sensitive to initial starting condition. In this paper, an improved method of k-means clustering algorithm for text data has been presented, where a concept vector is generated for each cluster on the basis of cosine similarity of text documents. The concept vector is a mean vector of the elements of each cluster. Further, the concept vectors are unit vectors that have been normalized on the n-dimensional sphere.