본 논문에서는 adaboost(adaptive boosting)를 이용한 눈 검출 알고리즘을 제안한다. 또한 기존의 adaboost를 이용한 눈 검출 알고리즘의 문제점으로 지적된, 실제 눈이 아님에도 불구하고, 눈으로 찾는 오검출율(false alarm rate)를 감소시키기 위해 각막 면에 생성되는 조명의 반사광을 모델링을 통해 추정하고 adaboost의 학습과 눈 검출에 사용되는 박스의 최적의 크기를 실험을 통해 결정하였다. 위의 결과로 검출된 눈 영역을 중심으로 일정 영역에 대하여 동공과 홍채 영역을 원형검출기(circular edge detector)를 이용하여 검출하였다. 실험결과 휴대폰으로 취득한 얼굴영상에서 약 99%의 눈 검출 정확도를 나타내었으며 휴대폰 환경에 적용했을 때 처리시간은 1초 내외 소요됨을 알 수 있었다.

입자 물리 방사선 연구는 우리 일상생활의 많은 부분에 도움을 주고 있다. 비파괴검사를 가능하게 하여 우리가 사용하는 물건의 안전성을 검증하고, 사람에게 유해한 환경을 판단하고, 사람의 질병을 치료하는 등 다양한 분야에서 활용되고 있다. 이와 같이 입자 물리 방사선 연구는 유용하지만 직접적인 실험을 하기가 어려워 컴퓨터 시뮬레이션을 이용한다. 그 중 현재 대표적인 입자 물리 시뮬레이션 라이브러리 중 하나가 Geant4이다. 그러나 Geant4는 시뮬레이션을 하기 위해 사용자가 직접 C++언어를 통하여 프로그램을 작성해야 하는 어려움이 있다. 이 어려움을 해결하기 위해 물리연구자의 요구사항을 분석하여 Geant4 에 맞는 시뮬레이션 환경을 생성하는 시뮬레이션 자동화 프레임워크인 Geant4Editor를 설계하였다. Geant4Editor는 자원 관리자(Data Manager)를 통하여 자원(사용자 생성 데이터)을 효율적으로 관리하며, 시뮬레이션에서 필요한 필수 클래스를 사용자의 요구를 반영하여 자동으로 생성한다.

Gene set enrichment analysis (GSEA)는 두 개의 클래스를 가지는 마이크로어레이 실험 데이터 분석을 위해 생물학적 특징을 기반으로 구성된 다양한 유전자-집합 중에서 두 클래스의 발현값들이 통계적으로 중요한 차이를 나타내는 유의한 유전자-집합을 추출하기 위한 분석 방법이다. 특히, 유전자에 대한 다양한 생물학적인 정보를 지닌 유전자 주석 데이터베이스(Cytogenetic Band, KEGG pathway, Gene Ontology 등)를 이용하여 마이크로어레이 실험에 사용된 전체 유전자 중 특정 기능을 가지는 유전자들을 그룹화하여 다양한 유전자-집합을 발굴하고, 각 유전자-집합 내에서 두 클래스간에 발현값의 차이를 참조하여 유의한 유전자들을 결정하여, 이를 기반으로 통계적으로 유의한 유전자-집합들을 최종 검출하는 방법이다. 본 논문에서는 GSEA 분석 과정에서 현재 주로 사용되고 있는 signal-to-noise ratio 기반 유전자 서열화(gene ranking) 방법 대신에, Fisher criterion을 이용한 유전자 서열화 방법을 적용함으로써 기존의 GSEA 방법에서 추출하지 못한 생물학적으로 의미 있는 새로운 유의 유전자-집합을 추출하는 방법을 제안하고자 한다. 또한, 제안한 방법의 성능을 고찰하기 위하여 공개된 Leukemia 관련 마이크로어레이 실험 데이터 분석에 적용하였으며, 기존의 알려진 결과와 비교 분석함으로써 제안한 방법의 유용성을 검증하고자 하였다.

유전자 발현 데이터의 분석 기법 중 무감독 학습 기반의 클러스터링 기법은 생물학적 변화와 진의 발현 정도를 이해하는데 자주 사용되는 방법이다. 생명공학 연구에 있어서 그래프 기반의 MCL 알고리즘은 그래프 내의 노드들을 클러스터링 하는 알고리즘으로 빠르고 효과적이다. 우리는 기존의 MCL 알고리즘을 개선하여 마이크로어레이 데이터에 적용시켰다. MCL 알고리즘 수행 시 inflation과 대각선 항의 두 요인을 조정하는 시뮬레이션을 실행하였으며, 마코브 행렬을 이용하여 변환하였다. 또한 개선된 MCL 알고리즘에서는 더 명확한 클래스를 구분하기 위하여 각 열의 평균을 구한 후 그 값을 임계치로 사용하였다. 따라서 수정된 알고리즘은 기존의 알고리즘들보다 정확도를 높일 수 있었다. 즉, 실제 실험 결과 기존에 알려진 클래스와 비교했을 때 평균 70%의 정확도를 보였다. 또한, 다른 클러스터링 기법, K-means 알고리즘, 계층적 클러스터링 그리고 SOM 알고리즘을 비교 분석하였으며, 그 결과 MCL 알고리즘이 다른 클러스터링 기법보다 더 좋은 결과를 보임을 알 수 있다.

본 논문에서는 손 모양 인식을 이용한 비전기반의 모바일 로봇제어 시스템을 제안한다. 손 모양을 인식하기 위해서는 움직이는 카메라로부터 정확한 손의 경계선을 추출하고 추적하는 것이 필요하다. 이를 위해 본 논문에서는 초기 윤곽선 위치 및 경계에 강건하고, 빠른 물체를 정확히 추적할 수 있는 mean shift를 이용한 활성 윤곽선 모델(ACM) 추적 방법을 개발하였다. 제안된 시스템은 손 검출기, 손 추적기, 손 모양 인식기, 로봇 제어기 4가지 모듈로 구성된다. 손 검출기는 영상에서 피부색 영역으로 정확한 모양을 손으로 추출한 이후 활성 윤곽선 모델(ACM) 과 mean shift를 사용하여 손 영역을 정확히 추적한다. 마지막으로 Hue 모멘트에 이용하여 손의 형태를 인식한다. 제안된 시스템의 적합성을 평가하기 위하여 2족 보행로봇 RCB-1에서 실험이 수행되었다. 실험 결과는 제안된 시스템의 효율성을 증명하였다.

유비쿼터스 서비스 환경에서는 연결의 신뢰성이 낮고 서비스를 제공하는 시스템에 대한 침입이나 서비스 실패가 발생할 확률이 높다. 따라서 유비쿼터스 컴퓨팅 환경에서는 본연의 서비스를 지연 없이 제공할 수 있는 시스템 능력, 즉 서비스 생존성을 제고해야할 필요가 있다. 본 논문에서는 유비쿼터스 정보 서비스 환경에서 결함감내 Jini 서비스 개발을 돕는 Jgroup/ARM 프레임워크를 분석한다. 이 분석을 토대로 보안성과 가용성 서비스 품질을 만족하는 침입감내 Jini 서비스 구조를 제시한다. 제시된 침입감내 Jini 서비스 구조는 네트워크 분할이나 서버 붕괴와 같은 결함뿐만 아니라 취약점을 악용한 공격으로부터 시스템을 보호할 수 있으며 심리스 서비스 지속이 가능하도록 낮은 응답지연의 성능을 보여준다. 테스트베드를 통해 실험한 결과, 서비스 품질 저하를 무시할 수 있는 수준에서 높은 보안성과 가용성을 제공할 수 있음을 확인하였다.

인접한 RFID 리더가 동시에 같은 채널을 사용할 경우 리더간에 충돌이 발생한다. RFID가 밀집된 상황에서는 채널수가 많다고 하더라도 RFID 리더간에 채널접근을 적절히 제어하지 않을 경우 RFID 리더간의 잦은 충돌로 인해 성능을 보장할 수 없다. 기존에 사용되는 리더 충돌 방지 기법인 FH(Frequency Hopping) 및 LBT(Listen Before Talk) 방식의 경우 채널수가 많은 환경에서 효율적으로 채널을 할당하는 메커니즘을 갖고 있지 않기 때문에 동시에 다채널, 밀집리더 환경에서는 성능을 보장할 수 없는 문제가 있다. 본 논문에서는 밀집 리더 환경에서 리더 충돌 문제를 개선할 수 있는 확률적 채널 호핑 알고리즘을 제안한다. 확률적 채널 호핑 알고리즘은 채널을 점유하기 전 LBT 방식을 기반으로 랜덤 백오프를 사용함으로써 여러 리더가 경쟁할 경우 발생하는 충돌을 줄여준다. 또한, LBT 과정에서 타 채널로 호핑하는 확률을 리더의 밀집도 및 채널의 사용률을 반영하여 적응적으로 할당함으로써 채널 이용률을 높인다. 시뮬레이션을 통해 제안하는 알고리즘이 기존의 방법에 비해 우수함을 보인다.

현재 많은 연구자들이 저비용, 저 전력을 필요로 하는 센서 네트워크를 활용하여 사람의 건강 상태를 실시간으로 모니터링 할 수 있는 u-Healthcare(ubiquitous Healthcare) 시스템을 구축하는데 심혈을 기울이고 있다. u-Healthcare 시스템은 센서 네트워크로부터 수집된 대량의 생체신호를 신속히 처리 분석하여 의료진에게 전달함으로써 시간과 장소에 관계없이 환자에게 적절한 의료 서비스를 제공할 수 있다. 기존의 u-Healthcare 시스템을 통해 환자의 건강상태 모니터링이 가능하지만 수집된 생체 신호를 신속히 분석하여 의학적으로 의미 있는 결과를 도출하는 것은 아직 어려운 상황이다. 본 논문에서는 대량의 생체신호를 고속으로 연산할 수 있는 그리드 컴퓨팅 기술을 센서 네트워크와 결합하여 환자의 생체신호를 측정하여 의학적으로 의미 있는 결과를 도출하고자 한다. 서로 다른 프로토콜을 사용하는 두 네트워크의 연동을 위해 게이트웨이가 필요하며, 게이트웨이에는 효과적인 u-Healthcare서비스 제공을 위해 센서 네트워크의 효율적 관리 및 제어, 생체신호 실시간 모니터링, 그리드 네트워크와 연계된 통신 서비스 등의 기능이 포함되어야 한다. 본 논문에서는 진보된 u-Healthcare 시스템을 구축하기 위하여 센서 네트워크와 그리드 네트워크를 유연하게 연동할 수 있는 센서그리드 게이트웨이를 설계하고 구현된 결과를 제시한다.