폴트 트리 분석(Fault Tree Analysis)은 산업계에서 가장 널리 사용되는 안전성 분석 기법 중의 하나이다. 하지만, 이 기법은 보통 수작업으로 이루어지며, 분석 결과를 체계적이고 자동적으로 검증할 수 있는 방법이 없다는 약점을 지닌다. 본 논문에서는 실시간 모델 체커인 UPPAAL을 이용하여 안전성이 중요한 소프트웨어의 요구 사항들을 정형 명세하고, 수작업으로 찬성된 폴트 트리의 정확성을 검증하는 방법을 제안하고 있다. 제안된 방법을 유용성을 확인하기 위해서 월성 원자력 발전소의 비상 정지 소프트웨어(Wolsung SDS2)에서 사용된 기능 요구 사항들을 예제로서 사용하였다. 폴트 트리는 월성 SDS2에 대한 전문적인 지식을 지니고 폴트 트리를 이용한 안전성 분석을 여러 번 수행해 본 경험이 있는 대학원생들에 의해 작성되었다. 기능 요구 사항들은 UPPAAL의 입력으로서 사용되기 위해서 시제 오토마타의 형태로 수작업으로 변환되었으며, 이 폴트 트리의 정확성을 검증하기 위해서 모델 체킹을 사용하였다 본 논문에서 제안된 방법을 월성 SDS2 예제에 적용해 본 결과, 수작업으로 작성된 폴트 트리에 존재하는 오류를 찾을 수 있었으며, 이러한 작업을 통하여 제안된 방법이 폴트 트리 분석에 대한 신뢰도를 높이는데 유용함을 발견하였다.

소프트웨어 개발 초기에 개발비용, 소요인력과 기간을 추정하는 것은 소프트웨어공학 분야에서 어렵고도 중요한 문제이다. 이 정보들은 소프트웨어 요구사항 명세서로부터 측정된 소프트웨어 규모인 기능점수를 이용하여 추정한다. 측정된 소프트웨어 규모를 개발하기 위해서는 개발팀을 몇 명으로 구성할 것인가가 문제로 제기된다. 본 논문은 소프트웨어 개발팀의 규모를 추정할 수 있는 모델을 제시한다. 모델을 유도하기 위해 301개 소프트웨어 프로젝트들이 사용되었다. 먼저, 통계적 알고리즘 모델인 회귀모델을 연구하였다. 다양한 데이타 변환과 회귀분석 결과 좋은 성능의 모델을 얻지 못하였다. 따라서, 비알고리즘 모델인 RBF망을 적용하여 잔차가 랜덤하게 분포하고 우수한 성능을 가진 모델을 제안하였다. 본 모델은 소프트웨어 개발에 필요한 개발팀 규모에 대한 기준을 제공함으로써 인력관리 정보로 활용할 수 있다.

고전적인 결정적 테스팅 방법은 명세와 프로그램의 동치 관계를 기반으로 병행 프로그램의 수행 경로를 제어한다. 따라서, 주어진 시퀀스를 직접 구현하지 않고, 그와 의미적으로 동일한 다른 시퀀스를 구현한 프로그램에 대해서는 결정적 테스팅 방법을 적용하기 어렵다. 이를 해결하기 위해서, 우리는 테스트 시퀀스와 의미적으로 동일한 모든 시퀀스들을 허용하는 동치 집합 오토마타를 이용한 오토마타 기반 테스팅 방법을 제안하였었다. 이 논문에서는 Java 다중 스레드 프로그램에 대한 오토마타 기반 테스팅 환경을 제안하고, 테스팅 환경 내의 테스트 수행 지원 도구를 설계하고 구현하는 방법을 제안한다. 테스트 수행 지원 도구에서는 주어진 Java 다중 스레드 프로그램을 오토마타 기반의 결정적 테스팅 방법이 적용된 프로그램으로 변환하고, 이 변환된 프로그램을 수행함으로써 테스트의 결과를 알 수 있다. 이를 위해서 테스트 수행 지원 도구 내에서 동치 집합 오토마타를 생성하는 오토마타 생성기와 프로그램의 수행을 제어하기 위한 재연 제어기를 설계하고 구현한다. 그리고, 가스 충전소 예제를 이용하여 오토마타 기반의 결정적 테스팅의 과정 및 효과를 기술한다.

분산 웹 애플리케이션에 대한 관심도가 증가함에 따라서 복잡한 분산 프레임워크와 관련된 코드의 작성 없이 비즈니스 코드 작성에 주력할 수 있게 해 주는 서버측 Java 컴포넌트 아키텍처인 EJB에 대한 관심도 또한 증가하고 있는 추세이다. 그러나 이러한 관심도의 증가에도 불구하고 지금까지는 이러한 시스템의 신뢰성 측면에 대한 노력은 미비한 것이 현실이다. 따라서 본 논문에서는 객체지향 시스템 개발에서 소프트웨어의 신뢰성을 높여줄 수 있는 접근법으로 증명되고 있는 DbC 접근법을 EJB 기반 애플리케이션의 정형 명세 작성에 적용하기 위한 명세 기법을 제안한다. 이러한 명세 기법을 통해 개발자들은 EJB 기반 애플리케이션 개발에 있어서 신뢰성 측면의 이점을 얻을 수 있다.

J2EE(Java 2, Enterprise Edition)의 등장으로 국내.외 수많은 기업들이 J2EE의 모델에 맞게 엔터프라이즈 어플리케이션을 개발하고 있다. 이것은 J2EE의 핵심 기술 요소인 Enterprise Jana Beans(EJB)의 컴포넌트 모델이 분산 객체 어플리케이션의 개발을 간단하게 해주기 때문이다. EJB 어플리케이션은 컴포넌트 지향의 객체 트랜잭션 미들웨어를 사용하여 구현되며, 많은 어플리케이션이 분산 트랜잭션을 이용한다. EJB 서버는 이를 위한 미들웨어 서비스를 제공하여 EJB 개발자가 비즈니스 로직에 집중할 수 있도록 한다. 이러한 특징은 EJB 기술을 각광받게 하는 요인이 되었고, EJB 기반의 어플리케이션 개발에 관한 연구가 활발하게 이루어지게 하였다. 그러나 아직은 EJB 어플리케이션 운영 상태에서 성능을 측정하기 위한 메트릭에 대한 연구가 미흡하다. 본 논문에서는 운영 상태의 EJB 어플리케이션에서 서비스를 위한 워크플로우를 살펴보고, 어플리케이션 내부 작업을 여러 요소들로 분류한다. 분류된 여러 요소를 이용하여 빈(Bean) 레벨까지의 성능 측정을 위한 메트릭을 제시한다. 성능 측정에 사용되는 각 요소들을 추출하기 위해 우선 EJB 어플리케이션의 운영 상태에서 발생하는 빈의 종류에 따른 생명주기를 분석하고, 이를 기반으로 성능과 관련된 요인을 추출하여 빈의 종류에 따른 성능 요인을 메트릭에 부여할 수 있도록 한다. 또한 빈 메소드 호출시 발생하는 빈의 활성화와 메시지 전파 등의 특성을 파악하고, 어플리케이션 내에서 워크플로우에 참여하는 빈들 간의 관계를 분석하여 워크플로우에 대한 성능 측정이 가능하도록 한다. 또한 제안된 메트릭을 통하여 EJB 어플리케이션의 성능 향상을 도모할 수 있도록 한다.

시스템이 실행 중 다양한 환경 요인에 의해 발생할 수 있는 불확실성을 명세하기 위해 확률의 개념을 적용한 명세 방범이 요구되고 있다. 본 논문에서는 실행에 영향을 주는 많은 환경 요인들을 고려하여, 변화하는 실행 환경에서 시스템의 행위를 예측, 분석하기 위한 확률 정형 기법인 확률 추상 시간 기계(PATM:Probabilistic Abstract Timed Machine)를 제안한다. PATM에서는 확률에 영향을 주는 환경요인을 실행 도중 변경이 가능한 가변 확률 요인과 변경이 불가능한 고정 확률 요인으로 분류하고 있다. 시스템의 행위에 대한 분석은 PATM의 동적 실행모델인 확률 도달성 그래프를 통해서 이루어진다. 분석결과를 토대로 시스템의 동작 실패 가능성을 예측하고, 이에 영향을 미치는 가변 환경 요인을 변경하여 궁극적으로 시스템의 신뢰도를 향상할 수 있도록 한다.

본 논문에서는 변형된 칼라 코렐로그램(Color Correlogram)을 이용한 영상검색 방법을 제안한다. 제안한 방법은 영상 내의 같은 칼라를 가지는 영역의 크기 변화에 강인하게 영상을 검색하기 위해, 영상에서 얻어진 칼라 코렐로그램의 오토-코렐로그램(auto-correlogram)과 크로스-코렐로그램(cross-correlogram) 영역을 각각 정규화하여 변형된 칼라 코렐로그램을 얻는다. 그리고 영상검색을 위한 유사도 측정시, 오토-코렐로그램에 가중치를 크로스-코렐로그램 영역보다 작게 준다. 제안한 방법은 칼라 코렐로그램의 정보를 효과적으로 사용함으로써, 영상검색 성능을 높일 수 있다. 실험을 통해 제안한 방법이 기존의 칼라 코렐로그램을 이용한 방법보다 효과적으로 영상을 검색할 수 있음을 확인하였다.

XML을 이용한 사용자 인터페이스 개발은 플랫폼과 프로그래밍 언어에 독립적이며, 사용자가 배우기 쉽고, 사용하기 쉬운 장점을 가지고 있다. 그러나, 현재까지 개발된 XML 기반 사용자 인터페이스 언어들은 정형화된 모델을 사용하지 않고 있으며, 사용자 인터페이스와 내부 로직의 결합 및 이벤트 처리 부분이 미약한 단점을 가지고 있다. 이러한 문제점을 해결하기 위해서 본 논문에서는 MVP(Model-View-Presenter) 모델을 확장한 EMVP (Extended MVP)를 제시하고, EMVP를 기반으로 사용자 인터페이스를 개발할 수 있는 새로운 XML 응용프로그램인 XUIML을 소개한다. XUIML은 EMVP를 기반으로 인터페이스 형태, 이벤트 처리, 데이타 흐름, 인터페이스와 내부 로직의 결합을 기술할 수 있는 방법을 제공한다 XUIML 시스템은 텍스트 편집기와 그래픽 편집기 및 XUIML을 자바와 C# 코드로 변환할 수 있는 변환기를 제공한다. 한편, XUIML의 그래픽 편집기는 직접 조작 방식을 지원하기 때문에 GUI 디자인 도구와 같은 높은 생산성을 얻을 수 있다.

CLDC는 가비지 콜렉션을 위해, 가비지 콜렉션이 필요한 시점에 모든 작업을 수행하는 스탑더 월드 가비지 콜렉션 알고리즘을 일반적으로 사용한다. 이 방법은 길고 예측할 수 없는 지연시간으로 인하여 대화형 자바 임베디드 시스템에서는 부적당하다. 본 논문에서는 평균 지연시간을 줄이고 대화형 환경을 지원하는 가비지 콜렉션 알고리즘을 제안한다. 가비지 콜렉터는 객체의 크기에 따라 할당 위치를 결정하는 할당기와 점진적 마크-회수 알고리즘을 사용하는 콜렉터로 구성된다. 가비지 콜렉터는 스레드 스케줄링 정책에 따라 주기적으로 호출되며, 할당기는 콜렉션 주기 동안 마크된 상태의 객체를 할당한다. 또한 콜렉션 주기의 마지막에 비트 패턴의 의미를 교환하는 칼라토글방식을 사용한다. 제안한 가비지 콜렉터와 스탑더월드 마크-회수 가비지 콜렉터의 성능을 비교하였으며, 이 비교 실험을 통해 평균 지연시간은 감소하고, 균일하고 낮은 응답시간을 제공함을 확인하였다.

기계학습 기법을 이용한 문서분류시스템의 정확도를 결정하는 요인 중 가장 중요한 것은 학습문서 집합의 선택과 그것의 구성방법이다. 학습문서집합 선택의 문제란 임의의 문서공간에서 보다 정보량이 큰 적은 양의 문서집합을 골라서 학습문서로 채택하는 것을 말한다. 이렇게 선택한 학습문서집합을 재구성하여 보다 정확도가 높은 문서분류함수를 만드는 것이 학습문서집합 구성방법의 문제이다. 전자의 문제를 해결하는 대표적인 알고리즘이 능동적 학습(active learning) 알고리즘이고, 후자의 경우는 부스팅(boosting) 알고리즘이다. 본 논문에서는 이 두 알고리즘을 Naive Bayes 문서분류 알고리즘에 적응해보고, 이때 생기는 여러 가지 특징들을 분석하여 새로운 학습문서집합 구성방법인 AdaBUS 알고리즘을 제안한다. 이 알고리즘은 능동적 학습 알고리즘의 아이디어를 이용하여 최종 문서분류함수룰 만들기 위해 임시로 만든 여러 임시 문서분류함수(weak hypothesis)들 간의 변이(variance)를 높였다. 이를 통해 부스팅 알고리즘이 효과적으로 구동되기 위해 필요한 핵심 개념인 교란(perturbation)의 효과를 실현하여 문서분류의 정확도를 높일 수 있었다. Router-21578 문서집합을 이용한 경험적 실험을 통해, AdaBUS 알고리즘이 기존의 알고리즘에 비해 Naive Bayes 알고리즘에 기반한 문서분류시스템의 정확도를 보다 크게 향상시킨다는 사실을 입증한다.