1 |
1
하나 이상의 객체의 모든 객체 쌍 간의 유사도들을 측정하는 동작;상기 측정된 유사도들에 기반하여 유사도 그래프를 생성하는 동작; 및상기 유사도 그래프에 대해 그래프 분할 알고리즘을 반복 적용하는 클러스터링을 수행함으로써 계층 구조를 형성하는 동작;을 포함하고,상기 클러스터링은 클러스터의 크기(diameter) 및 상기 클러스터 내에 포함된 객체의 개수 중 하나 이상을 고려하여 수행되고,상기 클러스터의 크기는 상기 클러스터 내의 모든 객체 쌍 간의 거리들 중에서의 최소 값을 의미하고,상기 그래프 분할 알고리즘은 상기 유사도 그래프를 간선 절단(edge)이 최소화되도록 이분할(bi-partitioning)하는 데이터 조직화 방법
|
2 |
2
제1항에 있어서,상기 객체는 이미지의 데이터인, 데이터 조직화 방법
|
3 |
3
제2항에 있어서,상기 이미지는 배아 이미지인, 데이터 조직화 방법
|
4 |
4
제2항에 있어서,상기 하나 이상의 객체의 모든 객체 쌍 간의 유사도들을 측정하는 동작은,상기 이미지로부터 RGB 벡터를 추출하는 동작; 및상기 RGB 벡터를 이용하여 하나 이상의 이미지의 모든 이미지 쌍 간의 유사도를 측정하는 동작을 포함하는, 데이터 조직화 방법
|
5 |
5
제4항에 있어서,상기 이미지로부터 RGB 벡터를 추출하는 동작은,상기 이미지의 RGB 공간 상에서의 컬러 히스토그램을 추출하는 동작; 및상기 컬러 히스토그램에 기반하여 상기 이미지의 RGB 벡터를 추출하는 동작을 포함하는, 데이터 조직화 방법
|
6 |
6
제1항에 있어서,상기 유사도 그래프는 k 개의 이웃들로 구성된 k-NN(nearest neighbors; NN, 최근접 이웃) 그래프인, 데이터 조직화 방법
|
7 |
7
제6항에 있어서,상기 k-NN 그래프는 유사도 기반의 k-이웃 질의를 수행하여 검색된 k 개의 객체만을 노드로 연결함으로써 표현하는, 데이터 조직화 방법
|
8 |
8
제6항에 있어서,상기 k-NN 그래프의 노드 V는 n 개의 이미지들에게 대응하고, 노드 i 및 노드 j 사이의 간선 (i, j)는 상기 노드 i에게 대응하는 이미지 및 상기 노드 j에게 대응하는 이미지 사이의 유사도 wij를 가중치로 갖는, 데이터 조직화 방법
|
9 |
9
삭제
|
10 |
10
제1항에 있어서,상기 유사도 그래프에 대해 그래프 분할 알고리즘을 반복 적용하는 클러스터링을 수행함으로써 계층 구조를 형성하는 동작은,상기 유사도 그래프를 상기 그래프 분할 알고리즘에 의해 제1 미리 정해진 개수의 클러스터들로 분할하는 동작; 및상기 제1 미리 정해진 개수의 클러스터들 중 객체의 개수가 임계값보다 큰 클러스터들을 상기 그래프 분할 알고리즘을 사용함으로써 제2 미리 정해진 개수의 클러스터들로 재분할하는 동작을 포함하는, 데이터 조직화 방법
|
11 |
11
제10항에 있어서,상기 유사도 그래프에 대해 그래프 분할 알고리즘을 사용함으로써 제1 미리 정해진 개수의 클러스터들을 구성하는 동작은,상기 유사도 그래프를 이분할함으로써 클러스터들을 생성하는 동작; 및상기 이분할에 의해 생성된 클러스터 중 최소 유사도 값이 가장 클러스터를 이분할함으로써 클러스터들을 생성하는 동작을 포함하는, 데이터 조직화 방법
|
12 |
12
제1항에 있어서,상기 계층 구조의 루트 노드 및 비단말 노드들 각각에 대한 대표 객체를 선택하는 단계:를 더 포함하는, 데이터 조직화 방법
|
13 |
13
제12항에 있어서,상기 대표 객체는 상기 루트 노드 또는 상기 비단말 노드에 대응하는 클러스터 내의 객체들 중 평균 유사도가 가장 큰 객체인, 데이터 조직화 방법
|
14 |
14
제12항에 있어서,상기 계층 구조의 노드의 대표 객체를 표시함으로써 상기 계층 구조의 하향식 탐색을 제공하는 동작을 더 포함하는, 데이터 조직화 방법
|
15 |
15
하나 이상의 배아 이미지의 모든 이미지 쌍 간의 유사도들을 측정하는 동작;상기 측정된 유사도들에 기반하여 유사도 그래프를 생성하는 동작; 및상기 유사도 그래프에 대해 그래프 분할 알고리즘을 반복 적용하는 클러스터링을 수행함으로써 계층 구조를 형성하는 동작을 포함하고,상기 클러스터링은 클러스터의 크기(diameter) 및 상기 클러스터 내에 포함된 객체의 개수 중 하나 이상을 고려하여 수행되고,상기 클러스터의 크기는 상기 클러스터 내의 모든 객체 쌍 간의 거리들 중에서의 최소 값을 의미하고,상기 그래프 분할 알고리즘은 상기 유사도 그래프를 간선 절단(edge)이 최소화되도록 이분할(bi-partitioning)하는, 배아 이미지의 계층 구조 형성 방법
|
16 |
16
제15항에 있어서,상기 계층 구조의 루트 노드 및 비단말 노드들 각각에 대한 대표 객체를 선택하는 단계: 및상기 계층 구조의 노드의 대표 객체를 표시함으로써 상기 계층 구조의 하향식 탐색을 제공하는 동작을 더 포함하고, 상기 대표 객체는 상기 루트 노드 또는 상기 비단말 노드에 대응하는 클러스터 내의 배아 이미지들 중 평균 유사도가 가장 큰 배아 이미지인, 배아 이미지의 계층 구조 형성 방법
|
17 |
17
삭제
|
18 |
18
삭제
|