Earticle

산불을 효과적으로 예방하기 위해서는 산불 발생위험도가 높은 다발지역을 지정하여 감시자원을 집중배치 하여야 한다. 본 연구에서는 산림청 산불통계자료상의 발생 위치정보를 이용하여 1991~2015년 사이 발생한 산불의 분포 패턴을 분석하였고, 최근린분석과 Kernel 분석을 이용하여 시군구별 산불다발지역을 선정하였다. 그 결과, 산불발생 분포지역은 총 5단계의 군집으로 분류할 수 있었고, 그 중 산불밀도가 높은 1, 2군집은 특별시 및 광역시를 비롯한 대도시권이 형성된 지역과 동해안 지역에 주로 분포하였다. 또한 다발위험지로 분류되는 주의, 경계, 심각의 비율이 전체 국토면적의 10% 가량이었다. 특히 대도시지역은 국토면적의 25.25%가 ‘주의’, 11.53%가 ‘경계’, 17.90% 가 ‘심각’으로 분류되었다. 따라서 전체 국토 면적의 54.68%가 다발 위험지역으로 선정됨에 따라, 대도시지역의 다발위험도는 전국 평균을 상회하는 것으로 나타났다. 본 연구의 결과는 산불 예방 및 진화자원의 우선 배치지역을 선정하는데 활용될 수 있다.

This study identified the high-risk areas by analyzing fire occurrence patterns using the forest fires location data released by the Korea Forest Service. The areas where forest fires have occurred frequently were selected using nearest neighbor method and Kernel density method. The administrative areas were classified into five clusters based on the nearest distances between the fire occurrences, where a shorter distance means a more fire occurrence in the given area. The clusters in the first and second classes (having shorter distances) were found to be mostly major cities and areas on the east coast. The high density fire areas accounted for approximately 10% of the entire area of South Korea. In major cities, the numbers of fire occurrences were well over the national average. The results of this study can support the local governments to prioritize areas for forest fire prevention according to the predicted risks.

잠재프로파일분석(latent profile analysis: LPA)은 모집단에 존재하는 비슷한 특성을 공유하는 개인들로 구성된 하위집단을 확인하기 위해 심리학의 여러 분야에서 흔히 사용되는 모형이다. 결측값이 존재하는 자료에 잠재프로파일분석을 적용하기 위해 가장 권장되는 방법은 완전정보최대우도법(full information maximum likelihood: FIML)이다. 본 연구에서는 비교적 간단한 알고리즘으로 이루어진 k-최근접이웃(k-nearest neighbor: kNN) 대체법을 LPA에서 결측값을 처리하기 위한 효율적인 대안으로 제안하고 시뮬레이션 자료를 통해 kNN 대체법의 활용 가능성을 검증하였다. 결측값 생성 메커니즘, 결측률, 하위집단 간 거리, 표본 크기를 변화시켜 자료를 생성하고 생성된 자료에 kNN 대체법 적용하고 LPA를 수행한 결과와 FIML을 통한 결과를 추정한 하위집단 수, 하위집단 평균 프로파일의 정확도, 분류의 품질을 기준으로 비교하였다. 분석 결과, 하위집단 수의 추정은 대부분의 조건에서 kNN 대체법이 FIML과 비슷한 정확도를 보였으며 하위집단 간 거리가 가깝고 표본크기가 작은 조건에서는 더 우수한 결과를 보였다. 하위집단 프로파일의 정확도는 두 방법 간에 일관성 있는 차이를 발견할 수 없었다. 분류의 품질은 거의 모든 조건에서 kNN 대체법을 적용한 결과가 완전자료에서 얻어진 결과에 가까웠다. 본 연구는 LPA를 위한 kNN 대체법의 활용 가능성을 확인한 최초의 연구로서 의의를 가진다. 본 연구의 결과를 통해 FIML을 통한 분석이 어려운 조건에서 결측값 처리를 위한 대안으로서 kNN 대체법의 활용 뿐만 아니라 kNN 대체법과 FIML의 결과를 비교함으로써 LPA 결과의 신뢰도를 확인하는 방식으로 사용할 것을 제안한다.

Latent profile analysis (LPA) is a method commonly used in psychology to identify subgroups of individuals who share common characteristics. To apply LPA on data with missing values, full information maximum likelihood (FIML) and multiple imputation (MI) are commonly recommended. In this study, we propose k-nearest neighbor (kNN) imputation, as an efficient alternative to handle missing data in LPA and examined its potential using simulated datasets. Datasets were generated with varying conditions: missing value generation mechanisms, missing rates, distances between subgroups, and sample sizes. Complete data were generated by kNN imputation from the simulated datasets and were used in LPA. Results were compared to the results from FIML in terms of the number of estimated subgroups, the accuracy of mean profiles, and the quality of classification. The accuracy of the number of subgroups from kNN imputation was comparable to the results from FIML in most conditions, and kNN imputation performed better in some conditions Neither method consistently performed better in terms of the accuracy of mean profiles. The quality of classification from kNN imputation was better in all conditions, and was closer to the results from complete data analyses. From the results, we suggest kNN imputation as an alternative to FIML to handle missing data in LPA, especially in conditions wherein FIML often fails. We also suggest using kNN imputation as well as FIML to compare results to check the stability of parameter estimates.

암호화된 공간데이터베이스와 같은 최근의 여러 응용에서는 질의 기준이 최대근접객체가 되는 객체들을 찾는 역최대근접질의가 자주 발생한다. 실세계의 검색공간에는 강, 호수 그리고 고속도로 등과 같은 다양한 장애물이 존재하며, 이러한 환경에서 검색성능을 높이기 위해서는 장애물을 고려한 검색거리 측도가 반드시 필요하다. 본 연구에서는 장애물이 존재하는 검색공간에서 역최대근접질의 처리를 최적화하기 위한 검색거리 측도들과 질의처리 알고리즘을 제시한다.

It is occurred frequently the reverse nearest neighbor queries to find objects where a query point can be the nearest neighbor object in recently applications like the encrypted spatial database. In a search space of the real world, however, there are many physical obstacles(e.g., rivers, lakes, highways, etc.). It is necessary the accurate measurement of distances considered the obstacles to increase the retrieval performance such as this circumstance. In this study, we present the algorithm and the measurement of distance to optimize the processing performance of reverse nearest neighbor queries in a search space with the presence of obstacles.

K-aggregate nearest neighbor query method of mobile objects in road networks is studied. Moving state model of object is introduced, and road network distance calculation formula is provided. Besides, this paper designs a kANN query algorithm that can find out the previous k target nodes with the smallest aggregate function value among multiple target nodes for various query points when query points and data points are under moving state in road networks. The candidate results are cut short via pruning method. Finally, performance of the algorithm is verified through simulation experiment, and results of the simulation experiment prove that this algorithm has high efficiency and accuracy.

The field of vehicle routing is currently growing rapidly because of many actual applications in truckload and less than truckload trucking, courier services, door to door services, and many other problems that generally hinder the optimization of transportation costs in a logistics network. The rapidly increasing number of customers in such a network has caused problems such as difficulty in cost optimization in terms of getting a global optimum solution in an acceptable time. Fast algorithms are needed to find sufficient solutions in a limited time that can be used for real time scheduling. In this paper, the nearest L-method (NLNM) is proposed to obtain a vehicle routing solution. String neighbors of different lengths were chosen, tested and compared. The applied de crossing procedure is meant to solve the routes by NLNM by giving a better solution and shorter computation time than that of NLNM with long string neighbors.

When user wants to find objects which have the nearest position from him, we use the nearest neighbor (NN) query. The GIS applications, such as navigation system and traffic control system, require processing of NN query for moving objects (MOs). MOs have trajectory with changing their position over time. Therefore, we should be able to find NN object continuously changing over the whole query time when process NN query for MOs, as well as moving nearby on trajectory of query. However, none of previous works consider trajectory information between objects. Therefore, we propose a method of continuous NN query for trajectory of MOs. We call this CTNN (continuous trajectory NN) technique. It ran find constantly valid NN object on the whole query time by considering of trajectory information.

이 논문에서는 곤충 발자국의 패턴을 판별하기 위한 전 단계로 추출되는 군집화된 세그먼트들 중에서, 곤충 발자국의 패턴을 분석하는 데에 부적합한 세그먼트들을 제거하기 위한 계층적 최근접 검색 기법을 제안한다. 발자국 형태와 거의 구별되지 않는 비정형적인 노이즈는 발자국과 서로 구별되는 특징을 규명하기 전까지는 영상처리 전 단계에서 완전히 제거될 수 없어 군집화 기법에 의해 추출된 세그먼트에도 이러한 노이즈를 내포하게 된다. 따라서 모든 세그먼트의 적합성을 평가하여, 노이즈 정보로 인해 타당성이 부족한 세그먼트를 제거함으로써 다음 단계에 수행되는 세그먼트들에 대한 곤충 발자국 패턴의 특징값 추출 성능이 향상될 수 있다.

In this paper, we proposed a hierarchical nearest-neighbor searching method for deciding fitness of a clustered segment. It is difficult to distinguish the difference between correct spots and atypical noisy spots in footprint patterns. Therefore we could not completely remove unsuitable noisy spots from binarized image in image preprocessing stage or clustering stage. As a preprocessing stage for recognition of insect footprints, this method decides whether a segment is suitable or not, using degree of clustered segment fitness, and then unsuitable segments are eliminated from patterns. Removing unsuitable segments can improve performance of feature extraction for recognition of inset footprints.

문서 범주화에서 문서의 내용에 따라 적합한 범주의 종류와 수를 찾는 문제를 해결하기 위해서는 문서 당 하나의 범주를 할당할 경우에 가장 좋은 성능을 보이는 모델이 효과적일 것이다. 그러므로, 본 논문에서는 문서 당 하나의 범주를 할당할 경우에 좋은 결과를 보이는 k-nearest neighbor 방법을 이용한다. 그리고 k-nearest neighbor 방법을 이용한 문서 범주화의 성능을 향상시키기 위해서, 문서 표현에 사용하는 단어들을 범주 자질의 성격을 갖는 단어들로 제한하는 방법을 제안한다. 제안한 방법은 Router 신문 일년치로 구성된 Router-21578 테스트 집합에서 breakeven point 82%라는 좋은 결과를 보였다.

vp tree는 기준점(vantage point)과의 거리를 기준으로 데이터베이스 내의 자료를 색인하는 자료구조이다. 멀티미디어 자료 검색에서 비슷한 정도는 객체간의 거리를 바탕으로 비교하고, vp tree 색인 구조는 이 과정을 내포하고 있기 때문에 최근 멀티미디어 검색 연구에서 많이 사용되고 있다. 검색 방법에는 query와 가장 가까운 대상을 찾는 Nearest Neighbor Search, 또는 query와 가까운 k등까지를 검색하는 k-Nearest Neighbor Search가 있다. 본 논문에서는 Content-based retrieval에서 최근 자주 사용되는 vp tree에서 효과적인 k-NNS 방법을 제안하고, 기존의 전형적인 k-NNS 방법과의 비교 실험 결과를 보인다.

비디오 데이터의 효율적인 검색, 요약 등에 활용하기 위해서 대용량의 비디오 데이터를 프레임(Frame), 샷(Shot),스토리(Story)의 계층적인 구조로 표현하는 방법들이 요구되고 있으며, 이에 따라 비디오를 샷, 스토리 단위로 분할하는 연구들이 수행되고 있다. 본 논문은 비디오가 샷 단위로 분할되어 있다고 가정한 후, 인접한 샷들을 결합하여 의미 있는 최소 단위인 스토리를 분할하는 방법을 제안한다. 제안하는 방법은 각 샷에서 추출된 대표 프레임들을 비교하기 위한 CCV(Color Coherence Vector) 영상 특징을 추출한다. CCV 특징의 시각적인 유사도의 초기임계값과 일정한 시간 안에 반복되는 프레임들을 찾기 위한 시간적인 유사도의 시간 임계값을 설정하여NN(Nearest Neighbor) 클러스터링 방법을 이용하여 클러스터링을 한다. 클러스터링된 정보와 같은 장면이 한번이상 반복되는 스토리의 특성을 이용해 비디오를 스토리로 분할한다. 영화 비디오 데이터를 이용한 실험을 통해 제안하는 방법의 유효성을 검증하였다.

In this paper, a pattern classification method using closest decision method based on the mean of norm in the closet prototype from an input pattern and its k nearest neighbor prototypes is presented to do accurate classification in arbitrary distributed patterns when the number of patterns is very low. Also this method can be used to classify input pattern precisely when the number patterns is very low because this method considers the weight by the difference of variance in prototypes around the discrimination boundary.

이 논문은 프로토타입 선택 방법을 제안하고, 편의-분산 분해를 이용하여 최근접 이웃 알고리즘과 프로토타입 기반 분류 학습의 일반화 성능 비교 평가에 있다. 제안하는 프로토타입 분류기는 클래스 영역 내에서 가변 반지름을 이용한 다차원 구를 정의하고, 적은 수의 프로토타입으로 구성된 새로운 훈련 데이터 집합을 생성한다. 최근접 이웃 분류기는 새 훈련 집합을 이용하여 테스트 데이터의 클래스를 예측한다. 평균 기대 오류의 편의와 분산 요소를 분해하여 최근접 이웃 규칙, 베이지안 분류기, 고정 반지름을 이용한 프로토타입 선택 방법, 제안하는 프로토타입 선택 방법의 일반화 성능을 비교한다. 실험에서 제안하는 프로토타입 분류기의 편의-분산 변화 추세는 모든 훈련 데이터를 사용하는 최근접 이웃 알고리즘과 비슷한 편의-분산 추세를 보였으며, 프로토타입 선택 비율은 전체 데이터의 평균 약 27.0% 이하로 나타났다.

The paper proposes a prototype selection method and evaluates the generalization performance of standard algorithms and prototype based classification learning. The proposed prototype classifier defines multidimensional spheres with variable radii within class areas and generates a small set of training data. The nearest-neighbor classifier uses the new training set for predicting the class of test data. By decomposing bias and variance of the mean expected error value, we compare the generalization errors of k-nearest neighbor, Bayesian classifier, prototype selection using fixed radius and the proposed prototype selection method. In experiments, the bias-variance changing trends of the proposed prototype classifier are similar to those of nearest neighbor classifiers with all training data and the prototype selection rates are under 27.0% on average.

이 논문은 질의와 검색 대상 객체가 모두 이동 객체인 경우, 즉 3 차원 폴리라인(polyline) 형태의 경로를 가지는 객체들 간의 연속(continuous) 최근접 질의 처리에 유용한 기법을 제안한다. 질의경로를 따라 객체를 탐색해가면서 질의에 대한 최근접 정보가 변하는 시점을 찾는 것이 목적인 연속 최근접 질의 처리는 전체 질의 경로에 올바른 최근접 정보 리스트를 제공하지만, 기존의 방법들은 검색 대상 객체가 동적인 경우에 적용되기에는 시간에 따라 움직이는 객체의 위치변화를 처리하지 못하고, 질의 시점과 대상 객체간의 시점을 연관시키기 어렵다는 문제점들을 가지고 있다. 따라서 이 논문에서는 데이터 객체들의 궤적 정보는 STR 트리로 유지하고, 질의 경로 세그먼트와 질의의 시간 인터벌에 포함되는 데이터 객체 세그먼트 모두에 대해 추출시간(sampling time) 선택, 스윕라인(sweep line) 적용, 위치 추정 함수 이용 등의 단계를 처리함으로써, 이 문제를 해결하고 질의 경로 전체에 정확한 최근접 객체 정보 리스트를 제공한다. 제안된 기법은 물류정보시스템, 국방정보시스템, 기상, 교통 등 시공간 이동 객체의 질의를 다루는 시스템에 적용할 수 있다.

상권 내에 존재하는 여러 개의 주차장을 통합 관리하는 시스템에서는 주차장의 실시간 현황 및 접근 경로를 변화 등과 같은 다양한 실시간 제약 조건을 고려한 최근접 주차장에 대한 경로 안내가 필요하다. 이 논문에서는 실시간 제약 조건을 고려한 통합 주차관제 시스템의 최적 경로 탐색 기법을 제안 하고자 한다. 구체적으로 고객이 지정한 주차장의 여러 가지 상황(주차거부, 휴업, 공사 중, 도로 통행 금지 등)을 고려한 인접 지역의 경로 재탐색 방법을 상황별로 알아보고, 각 상황에 맞는 최적의 주차장 접근 경로 탐색 기법을 자세히 다룬다.

For a integrated system to control several parking lots within a commercial district, it is required to guide a route to a nearest neighbor parking lot considering diverse realtime constraints such as realtime status of parking lots and changes of an access route. This paper proposes an optimized route-searching technique of integrated parking control system considering realtime contraints. In concrete, it proposes a method of researching a route in the surrounding area considering various status of parking lots that a customer designates (no parking, closed, under construction, no passing of a road) and deals with a route-searching technique optimized for each situation in detail.

멀티미디어 데이타베이스 시스템에서 k-최대근접질의는 매우 빈번히 발생하며, 다른유형의 공간질의에 비하여 처리비용이 많이 요구된다. K-최대근접질의의 처리비용을 최적화하기 위해서는 색인에서 검색되는 노드의 수와 연산시간을 최소화할 수 있어야한다. 본 논문에서는 최적검색거리[1]의 연산시간을 줄일 수 있는 새로운 검색거리를 제안하고 그 특성을 보인다.

In multimedia database systems, the k nearest neighbor query occurs frerluently and requires the processing cost higher than other spatial queries do. The numberof searched nodes and the computation time in an index can be minimized for optimizing the cost of processing the k nearest neighbor query. In this paper, we propose the search distance which can reduce the computation time of the optimal search distance.

스마트 기기의 대중화로 다양한 위치 기반 서비스가 제공되고 있다. 최근에는 소셜 서비스와 결합한 위치 기반 소셜 서비스들이 생겨나고 있다. 이러한 위치 기반 소셜 네트워크 서비스에서는 사용자 중심의 가장 가까운 위치를 검색하는 k-최근접 질의 처리의 요구가 증가된다. 본 논문에서는 대규모 사용자 환경에서 질의를 효율적으로 처리하기 위한 근사 k-최근접 질의 처리 기법을 제안한다. 제안하는 기법은 빅데이터 분산 처리기술을 활용하여 효율적인 스트림 처리를 수행한다. 본 논문에서는 대량의 위치 데이터에 대한 색인을 위해 전통적인 그리드 색인 기법을 변형한 색인 기법을 제안한다. 제안하는 질의 처리기법은 사용자의 진행방향을 고려하여 해당 셀을 우선적으로 탐색한다. 이를 통해 k개의 근사 결과 집합을 생성할 수 있다. 제안하는 기법의 우수성을 입증하기 위해 기존 기법과 다양한 성능 평가를 수행한다.

With the growing popularity of smart devices, various location based services have been providing to users. Recently, some location based social applications that combine social services and location based services have been emerged. The demands of a k-nearest neighbors(k-NN) query which finds k closest locations from a user location are increased in the location based social network services. In this paper, we propose an approximate k-NN query processing method for fast response time in a large number of users environments. The proposed method performs efficient stream processing using big data distributed processing technologies. In this paper, we also propose a modified grid index method for indexing a large amount of location data. The proposed query processing method first retrieves the related cells by considering a user movement. By doing so, it can make an approximate k results set. In order to show the superiority of the proposed method, we conduct various performance evaluations with the existing method.

최근 위치 측정 기술과 모바일 기기들의 발달과 함께 위치 기반 서비스가 중요하게 연구되고 있다. 위치기반서비스를 제공하기 위해 많은 연구자들이 맵리듀스를 활용한 다양한 질의 처리 기법을 제안하였다. 그 중에 하나가 맵리듀스를 활용한 리버스 k-최근접 질의 처리 기법이다. 하지만 기존 기법들은 연속 리버스 k-최근접 질의 처리를 수행하기 위해 많은 처리 비용이 요구된다. 본 논문에서는 맵리듀스를 활용한 효율적인 연속 리버스 k-최근접 질의 처리 기법을 제안한다. 제안하는 기법은 60도 가지치기 기법을 이용한다. 제안하는 기법은 60도 가지치기 기법을 활용하여 모니터링 영역을 생성하고 모니터링을 수행하여 결과 업데이트을 수행하기 때문에 효율적으로 결과 업데이트를 수행한다. 또한, 본 논문에서는 제안하는 기법의 우수성을 보이기 위해 기존 기법과의 성능평가를 수행한다.

With the development of location aware technologies and mobile devices, location-based services have been studied. To provide location-based services, many researchers proposed methods for processing various query types with Mapreduce(MR). One of the proposed methods, is a Reverse k-nearest neighbor(RkNN) query processing method with MR. However, the existing methods spend too much cost to process the continuous RkNN query. In this paper, we propose an efficient continuous RkNN query processing method with MR to resolve the problems of the existing methods. The proposed method uses the 60-degree-pruning method. The proposed method does not need to reprocess the query for continuous query processing because the proposed method draws and monitors the monitoring area including the candidate objects of a RkNN query. In order to show the superiority of the proposed method, we compare it with the query processing performance of the existing method.

커널 함수는 데이터를 high dimension 상의 속성 공간으로 mapping함으로써 복잡한 분포를 가지는 데이터에 대하여 기존의 선형 분류 알고리즘들의 성능을 향상시킬 수 있다. 본 논문에서는 기존의 유클리디안 거리측정방법 대신에 커널 함수에 의한 속성 공간의 거리측정방법을 fuzzy K-nearest neighbor 알고리즘에 적용한 fuzzy kernel K-nearest neighbor(FKKNN) 알고리즘을 제안한다. 제시한 알고리즘은 데이터에 대한 적절한 커널 함수의 선택으로 기존 알고리즘의 성능을 향상 시킬 수 있다. 제시한 알고리즘의 타당성을 보이기 위하여 여러 데이터 집합에 대한 실험결과를 분석한다.