히스토그램 데이터 동적 군집화와 적응형 제곱 워서스테인 거리

초록

본 논문은 히스토그램 형태의 복합 데이터를 대상으로, 평균과 분산(내부 형태) 두 구성요소로 분해되는 워서스테인 거리의 제곱값에 가중치를 부여한 적응형 거리 함수를 이용한 동적 군집화 알고리즘을 제안한다. 전역 가중치와 군집별 가중치를 각각 학습함으로써 변수와 그 구성요소의 중요도를 자동으로 조정하고, 군집 내·외부 관성을 확장된 비율 지표로 해석한다. 합성 데이터와 실제 데이터 실험을 통해 제안 방법이 다양한 형태와 규모의 군집을 효과적으로 탐지함을 보인다.

상세 분석

이 연구는 히스토그램을 단순히 빈도 벡터가 아닌 확률분포로 간주하고, 두 히스토그램 사이의 차이를 L2‑워서스테인 거리로 측정한다는 점에서 출발한다. 워서스테인 거리는 정량화 함수의 차를 적분한 형태이며, 기존 연구에서 제시된 바와 같이 평균 차이(위치)와 중심화된 히스토그램 간 거리(분산·형태)로 정확히 분해될 수 있다. 논문은 이 분해 구조를 활용해 거리의 각 구성요소에 별도의 가중치 λ를 부여하는 적응형 거리 모델을 정의한다. 두 가지 가중치 학습 전략을 제시하는데, 첫 번째는 전체 데이터 집합에 대해 각 변수·구성요소별 가중치를 전역적으로 추정하고, 두 번째는 각 군집 내부에서 별도 가중치를 추정한다는 점에서 차별화된다.

동적 군집화(DC) 프레임워크는 k‑means와 유사하게 ‘할당 단계’와 ‘대표 단계’를 반복하면서 목표 함수인 가중 제곱 워서스테인 거리의 총합을 최소화한다. 여기서 군집의 대표는 워서스테인 평균(바리센터)으로 정의되며, 이는 각 히스토그램의 분위수 함수를 평균한 새로운 히스토그램이다. 가중치 업데이트는 각 단계에서 현재 군집 할당에 기반한 변수·구성요소의 변동성을 측정하고, 변동성이 큰 요소에 낮은 가중치를, 안정적인 요소에 높은 가중치를 부여하도록 설계된다. 이는 군집이 서로 다른 규모와 방향성을 가질 때도 적절히 반영할 수 있게 한다.

또한 논문은 전통적인 군집 평가 지표인 총 관성(T), 군집 내 관성(W), 군집 간 관성(B)을 적응형 거리 버전으로 확장한다. 가중치가 포함된 관성 분해는 Huygens 정리를 그대로 적용할 수 있음을 보이며, 이를 통해 각 변수·구성요소가 군집 형성에 기여한 정도를 정량적으로 해석할 수 있다.

실험에서는 먼저 합성 데이터에서 변수별 변동성 차이를 인위적으로 조정하여 전역 가중치와 군집별 가중치가 실제로 해당 차이를 포착하고, 군집 재구성 정확도가 향상되는지를 검증한다. 이어 실제 데이터(예: 이미지 색상 히스토그램, 환경 측정값 히스토그램)에서 제안 방법을 적용했을 때, 기존 유클리드 기반 k‑means 대비 군집 경계가 명확해지고, 변수 중요도 해석이 직관적으로 가능함을 보여준다. 전체적으로 이 논문은 히스토그램 데이터에 특화된 거리 정의와 가중치 학습 메커니즘을 동적 군집화에 통합함으로써, 복합 분포형 데이터의 구조적 특성을 보다 정밀하게 파악할 수 있는 방법론을 제공한다.