As Internet has been wildly spreaded and it's technique is advanced, the use of computers has been routinized and almost data are stored in computers. Accordingly, many companies and researchers have tried to find the relations in these tremendous data and the one way is to use clustering algorithm which is used to find out similar data set in the entire data set and to discover the common properties. In early period, clustering algorithm was performed based on a main memory of a computer and PAM(Partitioning Around Medoids) was representative, which can be complemented k-means algorithm defeat. PAM performs clustering by using the medoid of data instead of means. PAM works well in small data set but it is difficult to apply it to large data set. Therefore, CLARA(Clutering LARge Application) shows up to be used in large data set. This algorithm samples data from large data set and applies PAM to the sample data. CLARA has limits caused by the fixed samples in each clustering stage and has a problem that if the good mediod is not sampled then the result of the clustering becomes not good. CLARANS(Clustering Large Application based upon Randomized Search) overcomes these problems by drawing a sample with some randomness. This algorithm executes clustering using k mediod set extracted in the processing of clustering in each stage. The main objective is to compare and analyze the algorithms which are popularly used for the clustering of big data.

효율적인 악취관리를 위해서는 민원지역에서 발생한 악취를 분류하고, 그 악취원을 분 석해야 한다. 이를 위해서는 민원지역에서 발생한 악취를 나타낼 수 있는 악취대표패턴과 악취원의 냄새가 필요하다. 이에 본 논문에서는 민원지역의 악취분류를 위해 k-mean 알고리즘을 이용하여 악취데이 터에 대한 군집화를 수행하였다. 그 결과 생성된 악취대표패턴과 미리 측정된 악취원별 냄새와의 유사도를 비교하여 악취에 대한 분류를 수행하였다. 또한, 대기 중에서 여러 악 취가 섞였을 경우를 고려하여 non-negative least square를 이용하여 해당 악취에 대해 책임 이 있는 하나 이상의 악취원과 기여도를 추적하였다. 이러한 본 연구의 성과는 악취 관련 민원해결에 기여할 것으로 사료된다.

In ubiquitous computing, shared environments adjust themselves so that all users in the environments are satisfied as possible. Inevitably, some of users sacrifice their satisfactions while the shared environments maximize the sum of all users’ satisfactions. In our previous work, we have proposed social welfare functions to avoid a situation which some users in the system face the worst setting of environments. In this work, we consider a more direct approach which is a preference based clustering to handle this issue. In this approach, first, we categorize all users into several subgroups in which users have similar tastes to environmental parameters based on their preference information. Second, we assign the subgroups into different time or space of the shared environments. Finally, each shared environments can be adjusted to maximize satisfactions of each subgroup and consequently the optimal of overall system can be achieved. We demonstrate the effectiveness of our approach with a numerical analysis.

1. 세계 26개국에서 도입된 녹두 유전자원 705점에 대하여16개의 형태적 형질 특성을 이용하여 각각 두 가지의 군집방법, 핵심집단 자원수 결정방법 및 표본추출 방법을 조합하여 총8개의 핵심집단(SUNPR, SUNPPr, UNPR, UNPPr, SUNLR, SUNLPr, UNLR, UNLPr)을 작성하여 원수집단과 비교한바 8개핵심집단 모두 원수집단과는 분산과 평균치에서 차이가 없었다. 2. Nei의 다양성지수는 8개 핵심집단 모두 원수집단 보다높았고, 특히 UNLPr이 가장 높았으며, UNPR은 다른 핵심집단에 비하여 상대적으로 낮은 지수를 보였다. 3. 원수집단과 핵심집단간 자원분포의 동질성을 파악하기 위하여 카이자승 검증을 한 결과 12개 양적형질과 1개의 질적형질(종피색)은 모든 핵심집단이 동질분포를 보였으나 3개의질적 형질 (배축색, 종피광택, 생육습성)은 핵심집단에 따라서동질분포를 하는 것과 그렇지 않은 것이 있었으며, 8개 핵심집단 중 UNPPr은 동질성이 가장 높았다. 평균차율(MD%)과일치율(CR%)은 8개 핵심집단 모두 유의한 수준을 보였다. 4. 8개의 모든 핵심집단이 원수집단과 평균치에서 차이가 없고, 높은 다양성을 과 동질한 분포를 보이며, 평균차율(MD%)과 일치율(CR%)이 유의한 수준을 보여 원수집단의 다양성을잘 나타내는 것으로 해석되었다. 5. 핵심수집단 크기(10%와 15%)에 따른 다양성은 유의한차이가 없었으며, 8개의 핵심집단 중 평균치, 동질분포, 일치율 및 도복내성을 고려할 때 UNPPr이 가장 좋은 핵심집단으로 사료되었다.

F-Measure is one of the external validity indexes for evaluating clustering results and has been widely used.Though it has clear advantage over other widely usedexternal measures such as Purity and Entropy, FMeasure has inherently been less sensitive than other validity indexes in some cases. This insensitivity owes to the definition of F-Measure that counts only most influential portions. In this research, we define a new validity index based on F-Measure, called Fn-Measure and show that it can detect the difference in the cases that original F-Measure cannot detect the difference in clustering results.

We present the first measurement of the angular two-point correlation function for AKARI 90μm point sources, detected outside of the Milky Way plane and selected as candidates for extragalactic sources. This is the first measurement of the large-scale angular clustering of galaxies selected in the far-infrared after IRAS. We find a positive clustering signal in both hemispheres extending up to ~ 40 degrees, without any significant fluctuations at larger scales. The observed correlation function is well fitted by a power law function. However, southern galaxies seem to be more strongly clustered than northern ones and the difference is statistically significant. The reason for this difference - technical or physical - is still to be found.

이 연구는 입목축적과 산림관리정책 간의 전이함수(transfer function model)를 도출하기 위한 선행연구로, 입목축적변화를 유도하는 산림사업 간 다중공선성의 문제를 해결하기 위해 주성분 분석을 실시하였다. 분석자료는 9개의 대표적인 산림관리정책에 대해 1977~2008년까지 32년간의 연도별 시계열데이터를 활용하였으며, 분석 결과 추출된 3개의 주성분에 대한 전체 설명력은 91.4％로 상당히 높게 나타났다. 요약된 3개의 성분은 양호한 산림관리·병해충관리·산불발생이라는 새로운 변수명으로 개념화하였다.

논문에서는 하천 수위 감지용 CCD카메라에서 입력된 동영상에서 다리 기둥 영역과 물 영역을 구분하여 수위를 감지하는 방법을 제안한다. 하천 영상에서는 다리 기둥이 있고 그 사이로 강물이 흐르기 때문에, 물이 흐르는 부분에서만 강한 움직임이 발생하게 된다. 따라서, 본 논문에서는 optical flow를 사용하여 강물의 움직임을 감지하고 움직임이 감지된 픽셀들을 Y축으로 투영시켜 움직임 누적 히스토그램을 생성한다. 이후, 생성된 움직임 누적 히스토그램에 대해 K-means 군집화를 적용 시킨다. 단순히 기둥 영역과 물 영역을 구분하기 위해서는 K=2인 K-means 군집화를 수행하면 되지만, 기둥 영역과 물보라가 심한 부분, 물이 잔잔하게 흐르는 부분으로 나누기 위해서 K=3인 K-means 군집화를 수행한다. K-means 군집화에 의해 3개의 군집으로 나뉜 히스토그램에서 위쪽 첫 번째 군집과 두 번째 군집의 경계를 검출하면 그 부분이 곧 하천의 수위가 된다. 본 논문에서는 K=2, K=3일 경우의 K-means 군집화를 사용한 방법과 기존의 CCD카메라 기반의 수위감지알고리즘을 비교 실험하였고, 실험 결과 기존의 연구보다 움직임백터와 K-means 군집화 방법을 결합한 방법이 가장 좋은 성능을 보여 주었다.

이 연구는 식품산업의 경쟁력 확보 수단으로 클러스터에 대한 논의가 세계 각국에서 활성화되고 있음을 감안하여 경남지역의 식품산업이 클러스터로 형성 및 발전이 가능한지를 분석하였다. 클러스터의 잠재성 평가는 2차 자료로 측정이 가능한 5가지 지표를 사용하여 분석 하였다. 평가지표로는 클러스터의 절대적 규모, 상대적 규모, 전문화, 지배력, 집적도가 사용되었다. 측정지표의 분석결과 경남의 식품산업은 클러스터 조성시 경제적 효과의 창출이 가능하며, 경쟁력 뿐 만 아니라 지역전문화와 지배력을 갖춘 것으로 평가되어 잠재적 클러스터 기준에 합치하는 것으로 나타났다.

In this study, we developed a heuristic algorithm to get better efficiency of clustering than conventional algorithms. Conventional clustering algorithm had lower efficiency of clustering as there were no solid method for selecting initial center of cluster and as they had difficulty in search solution for clustering. EMC(Expanded Moving Center) heuristic algorithm was suggested to clear the problem of low efficiency in clustering. We developed algorithm to select initial center of cluster and search solution systematically in clustering. Experiments of clustering are performed to evaluate performance of EMC heuristic algorithm. Squared-error of EMC heuristic algorithm showed better performance for real case study and improved greatly with increase of cluster number than the other ones.

Negative binomial yield model for semiconductor manufacturing consists of two parameters which are the average number of defects per die and the clustering parameter. Estimating the clustering parameter is quite complex because the parameter has not clear