기존의 syntax 위주의 직력성 이론만 가지고서는 거래의 실행시간상 차별화 특성을 수용하면서 다수의 거래에 대한 단위시간당 처리 생산성을 높이기는 힘든 형편이다. 이러한 상황을 해결하기 위하여 이타적 잠금기법(altruistic locking :AL)은 거래가 객체를 사용한 다음 더 이상 그 객체를 요구하지 않을 때 다른 거래들이 그 객체를 로크할 수 있도록 미리 객체에 대한 로크를 해제함으로써 거래들의 대기시간을 줄이기 위한 취지에서 제안된 것이다. 확장형 이타적 잠금(extended altruistic locking :XAL)기법은 AL을 자취의 확장 측면에서 개선한 잠금기법으로서 AL이 근본적으로 안고 있는 반드시 기부된 객체만을 처리해야 한다는 부담을 보다 완화한 기법이다. 본 논문에서는 우선 장기거래로 인한 단기거래의 장기적 대기현상 완화 측면에서의 AL과 XAL의 공통적 한계점을 분석하였다. Client-server 환경하에서 장기거래로 인한 단기거래의 장기적 대기현상을 최소화하도록 줄임으로써 작업처리율을 높이는 반면, 거래간의 평균 대기시간을 줄일수 있는 새로운 확장형 이타적 잠금기법인 전후진방식의 신형 확장 기법인 2DL(two-way donation locking)을 제안하였다. 모의실험에 의한 성능평가 결과 장기거래의 길이가 5이상, 9이하인 상황에서 2DL은 2PL 보다 작업 처리율과 거래의 평균 대기시간 면에서 우수한 결과를 나타내었다.
위상 관계는 공간 데이터베이스의 질의 최적화에 중요한 역할을 한다. 만일 위상 관계를 사전에 알 수 있다면 비용이 많이 드는 질의 처리는 피할 수 있다. 본 논문에서는 1) 공간 객체간의 위상 관계의 파악, 2) 주어진 위상 관계의 일관성 검사, 3) 주어진 위상 관계로부터 새로운 위상 관계의 유도 등의 문제에 관하여 논의하고자 한다. 이러한 논의는 위상 관계와 관련된 질의가 주어졌을 때 효과적인 공간 질의 처리를 가능하게 하여준다. 특히 위상 관계로서 8가지 종류({equal, disjoint, overlap, meets, contains, contained-in, properly-contains, properly-contained-in})를 고려한다. 본 논문에서는 주어진 위상 관계의 일관성을 검증하는 알고리즘을 제시하고 주어진 위상 관계로부터 모든 가능한 새로운 위상 관계를 유도하는 알고리즘을 제시한다.
바둑이 진행될 때마다 적절한 후보 자리를 계산하는 모델이 있다면, 사례를 이용하지 않고도 후보 생성알고리즘의 표준으로 정립될 수 있다. 본 논문에서는 바둑을 조합 게임론에 따라서 분석하고, 흑, 백간 영역의 차이를 반면의 형세로 나타내는 확률 행렬(PM)을 기반으로 임의의 국면에 대한 후보를 생성하는 후보 본 논문에서 설계된 CGS는 임의의 국면에 돌이 놓여지면 영향력, 안정도, 살아남을 확률 값(PV), 확률행렬(PM)을 계산하고, 현 국면에 대한 적당한 후보를 생성한다. CGS의 기본 전략은 현재의 반면에 대해서 다섯 개의 후보를 생성하고 그 중에서 PV가 높은 지점을 최종 후보로 선정한다. CGS는 공격보다 방어에 주력하였으며 정석 사례를 사용하는 NEMESIS에 비해서 사례를 전혀 구축하지 않은 CGS가 초반에 있어서 다소 우세함을 보여준다.
본 논문은 얼굴영상에서 눈과 입 부위를 추출하기 위한 알고리즘을 제안하였다. 첫째로, 눈과 입의 에지 이진 화소 집합의 고유 값 (Eigenvalue) 과 고유 벡터 (Eigenvector) 로 부터 추출한 정보들은 눈과 입을 찾기 위한 좋은 특징이 된다. 눈과 입 부위의 긍정적 샘플과 부정적 샘플로부터 추출한 고유 특징들로 다층 신경망을 학습하여 특정 영역이 눈과 입 부위 포함하는 정도를 나타내도록 하였다. 둘째로, 시스템의 강건성 확보를 위해 서로 다른 구조의 단일 MLP를 묶어서 그 결과를 이용하는 Ensemble network 구조를 사용하였다. 두 눈과 입에 각각 별도의 Ensemble network을 사용하였고, 각 Ensemble network내 MLP들의 출력이 최대가 되는 영역의 중심 좌표들을 평균하여 최종 위치를 결정하였다. 셋째로, 특징 정보 추출 검색 영역을 즐기기 위해 얼굴 영상 에지 정보와 눈과 입의 위치 관계를 이용해 눈과 입의 대략적인 영역을 추출하였다. 제안된 시스템은 적은 수의 정면 얼굴에서 추출한 고유 특징들로 학습된 Ensemble network을 사용하여 학습에 사용되지 않은 다른 사람들의 정면얼굴 뿐만 아니라 일정한 범위 내 자세 변화에서도 좋은 일반화 성능을 얻고 있으며, 작은 범위 내에서의 얼굴 크기 변화나 좌우 20°이내의 자세 변화에 대해서도 신경망의 일반화 기능을 이용하여 강건한 결과를 얻고 있음을 확인하였다.
일괄 수용 서비스 스케줄링에서의 배칭(Batching) 기법은 서비스를 요청한 사용자들을 일정 시간 동안 그룹화 하여 한꺼번에 서비스하기 때문에 서비스 개시를 위한 지연시간이 발생한다. 그러나 이 지연시간을 효과적으로 제어하지 못하면 대기시간의 불규칙으로 서비스 공정성이 저하되고, 서비스 취소가 발생할 수 있다. 본 논문에서는 기존의 배칭(Batching) 기법인 선입 선출(FCFS) 및 빈도수 우선 방식(MQL)에서 문제시되던 평균 대기시간의 증가, 비 인기 비디오의 서비스 지연 문제를 해결하기 위한 적응적 배칭 정책을 제안한다. 적응적 배칭 정책의 개념은 일정한 시간 간격 내에 서비스 요청 패턴을 감시하여 동적으로 서비스 비디오 수를 다중으로 선택하는 방식이며, 이를 위하여 현재의 서버 활용률, 비디오 인기 분포도, 서비스 대기 시간이 활용된다. 또한 이를 시뮬레이션 한 결과, 기존의 방식들에 비하여 서비스 평균 지연 시간을 약20∼30% 정도 단축하였으며, 서비스 최대 대기 시간 보장 등 사용자에 대한 서비스면 에서도 향상된 결과를 보임을 입증하였다.