소프트웨어 개발의 독립성과 품질 및 생산성의 향상을 위한 재사용 기술로 컴포넌트 기반 개발(component-based development) 방법론이 사용되기 시작했다. 개발될 컴포넌트 기반 시스템의 품질 향상을 위해, 개별 컴포넌트에 대한 개발 주기의 초기 단계에 적용 가능한 컴포넌트 메트릭스에 대한 연구가 필요하다. 따라서, 본 논문에서는 컴포넌트 분석단계의 정보를 사용하여, 컴포넌트 인터페이스 복잡도(CCI)와 컴포넌트 인터페이스 응집 결여도(LCC)를 측정한다. 컴포넌트 인터페이스 복잡도는 인터페이스를 이해, 변경, 관리, 사용하기 위한 어려움을 나타낸다 할 수 있고, 컴포넌트 인터페이스 응집 결여도는 컴포넌트가 독립된 기능 단위로 내부 구성요소들이 얼마나 강하게 연관되었는지를 나타낸다 할 수 있다. 이는 시스템 개발 주기의 초기 분석 단계에서, 독립된 기능 단위로 복잡도가 낮으며 응집도가 높은 컴포넌트를 예측 가능함으로써, 최종적으로는 시스템의 품질 향상을 기대할 수 있다.

컴포넌트와 재사용의 개념을 함께 가지는 컴포넌트 기반 소프트웨어 개발 방법은 소프트웨어 개발시간과 비용을 줄이고, 생산성을 향상시키는 등의 장점을 가진다 이때 컴포넌트들의 재사용을 체계적으로 지원하기 위해 컴포넌트 기반 소프트웨어 개발 프로세스와 병행한 도메인 분석과 설계 방법이 필요하다. 또한 현재의 도메인 분석, 설계 방법에서 부족한 도메인 내의 공통성과 다양성을 인식하는 과정에 대해 객관적인 분석 제시가 필요하다. 그리고 그 정보를 도메인 모델에 잘 반영시켜 그로부터 도메인 컴포넌트를 추출하고 이를 도메인 아키텍쳐에 명시적으로 나타내는 방법이 필요하다 본 논문에서는 컴포넌트 기반 소프트웨어 개발 시 효율적인 재사용 방안으로 도메인을 체계적으로 정의하고 분석, 설계하는 방법을 제안한다. 도메인 내에서 다시 사용될 수 있는 부분, 즉 공통성을 가진 요소들을 요구사항 분석 단계에서부터 추출하여 이를 계속 유지, 정제시켜가며 각 단계의 산출물에 반영시킨다. 이 과정을 통해 공통성을 가진 형태의 도메인 컴포넌트를 생성해 낼 수 있으며 이를 기반으로 도메인 아키텍처를 설계할 수 있다. 본 논문에서 제시하는 도메인 분석, 설계를 통해 소프트웨어를 재사용(software reuse)할 수 있도록 해 주는 동시에, 재사용 가능한 소프트웨어(reusable software)를 생산할 수 있도록 함으로써 체계적인 재사용의 선순환 관계를 지원하게 된다.

시스템 개발 시 복잡성을 감소시키고 개발 비용과 기간을 단축하기 위하여 컴포넌트 기반 개발(CBD)이 산업계에서 보편화 되고 있다. 그러나, 현재 대표적인 CBD는 한 회사나 하나의 어플리케이tus에 의존적인 컴포넌트를 개발하고 있다[1,2]. 따라서 어떤 도메인의 여러 패밀리에서 컴포넌트를 재사용하기 위한 컴포넌트 가변성이 강조 되고 있다. 하지만, 컴포넌트 가변성의 정의나 유형에 대해 구체적으로 제시된 연구가 미흡하여, 컴포넌트의 주 목적인 재사용 측면보다. 유지보수 목적의 컴포넌트가 개발되고 있다[3]. 본 논문에서는 컴포넌트의 재사용성을 높이기 위하여, 컴포넌트 특징을 반영한 컴포넌트 가변성을 정형적으로 정의한다. 또한, 기존의 컴포넌트 가변성으로 인식된 논리 가변성을 명확하게 정의하고, 추가로 3가지 가변성 유형을 제시함으로써, 컴포넌트에서 존재하는 모든 가변성 유형을 제시한다. 컴포넌트 커스터마이제이션시에 가변성의 경우의 수를 예측, 확인 할 수 있는 컴포넌트 가변성 Scope를 제시한다. 컴포넌트 개발에 있어서 이러한 기법을 적용함으로써, 여러 패밀리 멤버에서 재사용 할 수 있는 고품질의 컴포넌트 개발을 지원 할 수 있다.

본 논문은 카메라로부터 획득된 영상 시퀀스로부터 얻어진 제스처 궤적 정보를 바탕으로 가장 기본적인 방향, 속도 및 공간 특징을 추출한 후, 각각의 특징 정보들의 인식 결과를 비교하여 어떠한 정보가 가장 유용한지 평가한다. 이를 위해 제스처 궤적 추적을 위해선 컬러 정보 및 모션 정보를 사용하였고, 인식모델로는 시간 데이타 처리에 적합한 HMM을 구성하였다. 실험을 위한 제스처 DB로는 인식하고자 하는 그래픽, 숫자, 알파벳모양의 48개 제스처에 대해 20명으로부터 5개씩 총 4800개의 데이타를 구축하였다.

최근 생명공학(BT)에 대한 관심이 집중되면서, 새로운 생리활성 물질을 찾거나 유전자 정보를 분석하기 위한 목적으로 전기영동 젤의 영상 분석 기술에 대한 요구가 급증하고 있다. 이를 위해서는 젤 영상의 레인에서 각 밴드의 위치와 양을 정확히 측정해야 한다. 기존 연구에서는 주로 레인의 프로파일에서 피크를 탐색하는 접근방법을 사용하는데, 이 피크의 위치는 밴드에 있는 최대 자기 화소의 위치도 아니고 더욱이 밴드 무게중심의 위치도 아니기 때문에 밴드의 대표 위치로 인정하기 어렵다. 또한, 피크 추출을 쉽게 하기 위해 다양한 영상 향상 처리를 적용하기 때문에 밴드의 양을 측정하기에는 부적절한 경우가 많다. 본 논문에서는 영상의 상대적인 밝기를 변화시키지 않으면서 먼저 밴드의 영역을 추출한 후, 밴드 영역의 밝기 합으로 양을 구하고 이의 무게중심을 밴드 위치로 정하는 방식을 채택한다. 실제로, 먼저 젤 영상 히스토그램에 엔트로피기반 임계치를 설정하여 레인을 추출한 후, 밴드 영역 추출을 위해 서로 다른 세 가지 방법을 시도한다. 첫째, 추출된 레인을 이등분하는 중심선을 탐색하여 피크와 밸리를 찾고, 피크의 상하 밸리를 각 밴드의 최소 포함 박스영역으로 지정하는 방법(MER), 둘째, 앞의 방법에서와 같이 구한 피크를 영역 성장의 시드로 사용하여 이웃하는 밴드와의 중첩을 해결하면서 밴드 영역을 추출하는 방법(RG-1), 셋째, 이와 달리 레인을 삼등분하는 두 탐색선에서 피크를 찾고 동일한 밴드에 속하는 피크 쌍을 결정한 후 영역을 성장하는 방법(RG-2)을 제안한다. 이상의 세 방법을 비교하기 위해 밴드의 위치 및 양을 측정한 결과, 밴드 위치의 평균 오차는 레인의 길이를 단위 크기로 정규화 할 때, MER 방법이 6%, RG-1 방법이 3%, RG-2 방법이 1%로 나타났다. 또한, 밴드 양의 평균 오차는 레인 내 밴드들의 양의 합을 단위 크기로 정규화 할 때, MER 방법이 8%, RG-1 방법이 5%, RG-2 방법이 2%로 나타났다. 결과적으로, RG-2 방법이 밴드의 위치 및 양 추출에 있어서 정확도가 가장 높은 것으로 판명되었다.

이 논문은 입술의 형태를 효과적으로 인식하는 방법을 제안하였다. 입술은 PDM(Point Distribution Model)을 기반으로 점들의 집합으로 표현하였다. 주성분 분석법을 적용하여 입술 모델을 구하고 모델에서 사용하는 형태계수의 분포를 GMM(Gaussian Mixture Model)을 이용하여 구하였다. 이 과정에서 계수를 정하기 위하여 EM(Expectation Maximization) 알고리듬을 사용하였다. 입술 경계선 모델은 입술을 구성하는 각 점과 주변 영역에서의 화소간 변화를 이용하여 구성하였으며 입술 탐색시 사용되었다. 여러 영상을 대상으로 실험한 결과 좋은 결과를 얻었다.

LR 파싱 시에 리덕션 골을 리덕션 시점 이전에 찾는 기법은 우문맥 계산 등의 다양한 응용을 갖는다. 기존 연구로서 미리 결정될 수 있는 리덕션 골의 집합을 생성해주는 방식이 제안되었다. 한편 이와 같은 집합 형태의 접근은 비결정적이어서 응용에 따라서는 부적절한 경우가 있다 이에 본 논문에서는 집합의 형태가 아닌 유일한 예상 가능한 리덕션 골을 제시하는 결정적인 방법을 제안한다.

고성능의 질의응답 시스템을 구현하기 위해서는 사용자의 질의 의도를 파악할 수 있는 질의 유형 분류기가 필요하다. 본 논문에서는 지지 벡터 기계(support vector machine, SVM)를 이용한 질의유형 분류기를 제안한다. 본 논문에서 제안하는 질의 유형 분류기의 분류 과정은 다음과 같다. 우선, 사용자 질의에 포함된 어휘, 품사, 의미표지와 같은 다양한 정보를 이용하여 사용자 질의로부터 자질들을 추출한다. 다량의 자질들 중에서 유용한 것들만을 선택하기 위해서 카이 제곱 통계량을 이용한다. 추출된 자질들은 벡터 공간 모델로 표현되고, 문서 범주화 기법 중 하나인 지지 벡터 기계는 이 정보들을 이용하여 질의 유형을 분류한다. 본 논문에서 제안하는 시스템은 질의 유형 분류 문제에 자동 문서 범주화 기법을 도입하여 86.4%의 높은 분류 정확도를 보였다. 또한 질의 유형 분류기를 통계적 방법으로 구축함으로써 lexico-syntactic 패턴과 같은 규칙을 기술하는 수작업을 배제할 수 있으며, 응용 영역의 변화에 대해서도 안정적인 처리와 빠른 이식성을 보장한다.

현재의 한국어 형태소 태그 부착 말뭉치에는 형태소 결합 경계의 철자변화 정보가 명시적으로 표시되어 있지 않다. 이로 인해 태그 부착 말뭉치로부터 형태소 분석에 필요한 사전을 자동으로 구축하거나 형태소 결합 경계의 철자변화 현상에 대한 체계적 예제 수집 등과 같은 한국어 형태론 연구에 필요한 자료 획득이 어렵다. 이 문제를 해결하기 위하여 본 논문은 사전과 음운 규칙을 이용하지 않고, 태그 부착 말뭉치의 어절 문자열과 형태소 문자열만을 비교하여 어절을 구성하는 형태소의 철자변화 현상을 인식하는 간단한 방법을 제안한다. 이 방법은 규칙을 사용하지 않기 때문에 두 형태소 결합으로 나타나는 모든 철자변화 현상을 유연하게 인식할 수 있고, 알고리즘 구현만으로 문제를 해결할 수 있기 때문에 비용이 싸다는 특징이 있다. 한 태그 부착 말뭉치에 대한 실험에서 본 방법은 실험 말뭉치 어절에 나타나는 철자 변화를 100% 인식하는 것으로 나타났다.

유전자 발현에 매우 중요한 신호역할을 하는 프로모터 영역은 여러 전사인자들이 결합하는 특정 부위들을 갖고 있다. 전사인자의 결합부위는 프로모터의 다양한 부위에 위치하며, 진화론적으로 잘 보존된 Consensus 형태의 염기서열 패턴을 띠고 있다. 본 논문은 이러한 최적의 패턴들을 탐색하기 위해 유전자 알고리즘을 기반으로 하면서, 동시에 MEME 알고리즘의 N-occurrence-per-dataset 모델의 가정과 패턴의 길이를 결정할 수 있는 Wataru 방법의 장점을 따르는 새로운 방법을 제시하고 있다. 이러한 탐색 방법은 유전체 연구자들이 임의의 DNA 염기서열 상에서 프로모터 영역을 예측하거나 특정 전사인자의 결합부위를 탐색하는데 적극 활용할 수 있다.

내용기반 비디오 복사 검출(content-based video copy detection)은 기존의 워터마킹 방법과 반대의 개념으로서, 비디오 스트림에 독특한 패턴을 첨가하는 워터마킹에 비해, 비디오의 복사본을 검출하기 위해 패턴을 첨가하지 않고 원본 비디오의 내용 기반 특징(content-based signature)을 비교한다. 기존의 일반적인 내용 기반 복사 검출방법은 키 이미지를 선택 한 다음 이미지 정합을 사용하였으나, 본 논문은 비디오 복사검출을 위해 시간에 따른 영상의 변화를 나타내는 모션을 구한다. 이를 각 방향으로 양자화하여 제안한 방향성 히스토그램을 구하면 비디오의 클립은 1차원 그래프 형태로 변환된다. 제안한 알고리즘은 실시간 검색을 위한 인덱스 구성에 적합하고, 비디오 특징의 정합에 의해 움직임 변화가 많은 TV광고 노출 횟수 검색 둥에 유리하다.

폭포수 모형을 기반으로 하는 구조적 개발 방법론에서는 요구 분석 단계에서 요구 사항들이 일단 명세화되고 나면, 이들은 단지 후속의 개발 단계를 위한 중간 산출물로만 사용되고 더 이상 요구 사항 자체를 관리 대상으로 취급하지 않기 때문에 설계 단계 이후에 발생하는 요구 사항의 변경을 관리할 수 있는 절차가 미흡하다. 그러나 현실적으로는 정보 기술의 발전, 시장 환경이나 적용 환경의 변화 등으로 인하여 개발 기간 중 요구 사항은 끊임없이 변화하게 된다. 따라서 이러한 요구 사항의 지속적인 변경을 지원하기 위해서는 전체 개발 생명 주기에 걸쳐 요구 사항을 관리하고 특히 설계 단계 이후의 요구 사항 변경을 지원할 수 있는 요구 사항 변경 관리 프로세스가 필요하다. 이 논문에서는 하향식(top-down)의 구조적 개발 방법론에 적용할 수 있는 요구 사항 변경 관리 프로세스 모델을 제안하여 설계 단계 이후에 발생하는 요구 사항의 변경을 체계적으로 관리하고 요구 사항 자체를 모든 개발 생명 주기에서 활용하기 위한 방안을 제시한다. 제안 프로세스는 마르미 방법론의 개발 프로세스와 산출물 측면의 적용 검토를 통하여 개발 방법론의 요구 사항 변경 및 관리에 대한 개선 효과를 평가한다.

컴포넌트 기반 소프트웨어 개발 방법은 새로운 패러다임으로 인식되고, 활발한 연구가 진행되고 있다. 그러나 컴포넌트 기반 개발에서 컴포넌트의 재사용성과 효율적인 소프트웨어 개발을 보장하기 위해서는 소프트웨어 아키텍처를 기반으로 한 개발이 필요하다. 본 논문에서는 컴포넌트 기반 소프트웨어 개발을 지원하기 위해, Kruchten이 제시한 4+1 뷰 모델을 기반으로 재 정의한 컴포넌트 기반 4+1 소프트웨어 아키텍처 뷰 모델을 제안한다. 또한 뷰 모델의 요소와 UML을 이용한 뷰 모델 요소의 표현을 제시한다 이 아키텍처는 컴포넌트의 사용문맥을 각 뷰에 반영함으로써 소프트웨어에 대한 이해와, 컴포넌트의 상호 작용에 대한 정보 등 컴포넌트 기반 소프트웨어 구성에 대한 틀을 구성한다.

J2EE(Java 2 Enterprise Edition)의 등장으로 J2EE의 모델에 따르는 엔터프라이즈 어플리케이션의 개발이 이루어지고 있다. 이것은 J2EE의 핵심 기술 요소인 Enterprise JavaBeans(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. 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 기법에 대한 연구가 미흡하다. 본 논문에서는 운영 상태의 EJB 어플리케이션의 성능을 모니터링할 수 있는 기법을 제안한다. 우선 어플리케이션의 서비스를 위한 워크플로우를 살펴보고, 내부 작업을 여러 요소들로 분류한다. 제안된 기법은 분류된 여러 요소들 중 성능 요소들의 측정을 제공한다. 또한, 한 워크플로우 동안 발생하는 생명주기에 관련된 빈의 상태 변화와 빈에서의 처리시간, 자원 사용률과 같은 성능 정보를 추출하여 모니터링할 수 있다.

협력적 추천에서는 일반적으로 사용자 모델과 항목 모델이 사용되어진다. 사용자 모델은 사용자들간의 선호도 상관관계를 학습하고, 추천하고자 하는 항목에 대한 다른 사용자들의 선호도를 기반으로 그 항목을 추천한다. 이와 유사한 방식으로 항목 모델은 항목들간의 선호도 상관관계를 학습하고, 다른 항목들간의 선호도를 기반으로 추천 받는 사용자에게 항목을 추천한다. 본 논문에서는 추천 성능의 향상을 위해서 사용자 모델과 항목 모델간의 다양한 통합 방법을 제안한다. 제안하는 통합 방법으로는 순차적, 병렬적 통합 방법, 퍼셉트론 또는 다층 퍼셉트론을 이용한 통합 방법, 퍼지 규칙을 이용한 통합 방법 그리고 BKS를 적용한 방법이다. 본 실험에서는 통합 모델을 위해서 다층 퍼셉트론을 이용하여 사용자와 항목 모델을 각각 학습한다. 다층 퍼셉트론은 최근접 이웃방법이나 연관 규칙을 이용한 방법과 같은 기존의 추천 방법보다 연관된 항목들간의 가중치를 학습할 수 있고, 기호 데이타와 수치 데이타를 쉽게 처리할 수 있는 장점이 있다. 본 논문에서는 통합된 모델이 어떠한 단일 모델보다도 우수하고, 실험을 통하여 다층 퍼셉트론을 이용한 통합 방법이 다른 통합 방법보다 효율적인 통합 방법임을 보여주고 있다.

유비쿼터스 컴퓨팅 환경에서는 사용자의 직접적인 의사 표현 뿐만이 아니라 사용자 및 사용자 주변에 대한 정보를 파악하여 서비스를 실행시킬 수 있는 컨텍스트 기반 응용 서비스의 중요성이 증가할 것이다. 본 논문은 응용 서비스를 개발하는데 필수적인 컨텍스트 기반 응용 서비스 모형을 제안한다. 제안된 모형에서는 5W1H 형태의 컨텍스트를 사용하여, 센서와 응용 서비스 사이의 독립성을 최대한 보장한다. 또한, 응용 서비스가 5W1H의 컨텍스트를 변형하여 응용 서비스가 실제 동작할 때 필요한 컨텍스트를 직접 생성함으로써 정확도 높은 컨텍스트의 사용을 보장한다. 제안된 모형의 유용성을 검증하기 위해 본 연구실에서 구축하고 있는 ‘유비홈 (ubiHome)’(가정 중심의 유비쿼터스 컴퓨팅 환경을 실험하기 위한 테스트 베드)의 센서 및 응용 서비스 개발에 제안된 모형을 적용하였다. 제안된 모형은 가까운 미래의 가정 학교, 사무실 등의 유비쿼터스 컴퓨팅 환경이 갖춰진 일상 생활의 사용자에게 컨텍스트 기반의 서비스를 구축하기 위한 방법으로 활용될 수 있다.

Annotation은 개인의 의견, 해설, 요약 등을 표기한 것으로써, 현재 전자문서 환경에서annotation을 효과적으로 처리할 수 있는 많은 연구가 이루어지고 있다. 그러나 기존 연구에서는 annotation의 기능성에 치중하여 직관적인 펜기반 입력 인터페이스를 제공하지 못하거나, 이를 지원하는 일부 시스템에서도 원본 문서와 annotation의 관계가 명확하지 못하여 재 활용성이 떨어지는 문제점이 있다. 이에 본 연구에서는 전자문서에서 펜 입력 장치 환경을 위한 컨텍스트 기반 annotation 모델링을 정의하고, 이를 활용한 인터페이스를 제안한다. 이를 위하여, annotation 유형, 문서의 컨텍스트 정보, 그리고 annotation과 원본 문서간의 관계를 정의하고, 모델링 정보에 기반한 펜기반 annotation 입력 인터페이스 와 annotation DTD를 정의하여 다양한 활용이 가능한 시스템을 구현하였다. 그 결과, 본 연구에서는 기존 연구와는 달리 펜기반 입력 환경에서 컨텍스트 기반 annotation의 정확한 정의가 가능하며 이를 활용한 다양한 기능을 제공하는 동시에 앞으로의 응용 가능성을 제시하고 있다.

최대 엔트로피 모델은 자연언어를 모델링하기 위한 좋은 방법이다. 하지만, 최대 엔트로피 모델을 전치사구 접속과 같은 실제 언어 문제에 적용할 때, 자질 선택과 계산 복잡도의 두 가지 문제가 발생한다. 본 논문에서는, 이런 문제와 자연언어 자원에 존재하는 불균형 데이터 문제를 해결하기 위한 최대 엔트로피 부스팅 모델(maximum entropy boosting model)을 제시하고, 이를 영어의 전치사구 접속과 품사 결정 모호성 해소에 적용한다. Wall Street Journal 말뭉치에 대한 실험 결과, 문제의 모델링에 아주 작은 노력을 들였음에도 불구하고, 전치사구 접속 문제에 대해 84.3%의 정확도와 품사 결정 문제에 대해 96.78%의 정확도를 보여 지금까지 알려진 최고의 성능과 비슷한 결과를 보였다.

에이전트는 동적인 환경과 상호 작용하고 자치성을 추구하기 때문에 전자상거래 적용 분야로 적합하다. 본 논문은 강화 학습을 이용한 전자상거래 에이전트를 제안한다. 에이전트가 지능적인 특성을 가지고 사람을 대신하여 전자상거래에서 거래의 실질적 객체로써 거래를 담당하도록 하기 위해 강화학습 알고리즘을 적용하였다. 이러한 접근방식의 타당성을 입증하기 위해 본 논문에서는 구매 에이전트와 판매 에이전트로 구분하고, 학습과 통신의 정도에 따라 단계적 특성을 부여하여 에이전트 프레임워크를 구현하였고 그 결과를 보인다. 본 논문은 학습 알고리즘에 기초한 전자상거래 에이전트의 디자인을 보이고, 이 에이전트들은 실제 전자상거래에서 거래 처리 역할의 가능성이 충분함을 보인다.

일반적으로 C언어는 고신뢰도를 요구하는 소프트웨어에 적합하지 않다고 알려졌음에도 불구하고 적지 않은 수의 안전성이 중요시되는(safety-critical) 시스템들이 C언어로 구현되었거나 C언어를 기반으로 개발되고 있다. 본 연구의 목적은 C언어의 안전한 subset을 정의하고 이 subset 언어로 작성된 프로그램을 SPARK Ada로 변환하여 SPARK의 분석 도구들을 사용해 프로그램의 안전성을 분석하는 데 있다. SPARK은 Ada의 안전한 subset으로 고신뢰도를 요하는 시스템을 구현하는데 성공적으로 사용되어왔다. SPARK으로 변환된 C 프로그램은 SPARK 수준의 안전성을 갖게 되며 SPARK의 분석 도구인 Examiner를 통해 프로그램의 정확성 검증 등의 분석을 할 수 있다. 본 연구에서는 엘리베이터 컨트롤러 사례 연구를 통해 정의한 subset이 현실적인 시스템을 구현하기에 부족하지 않음을 발견하였으며, SPARK Ada로의 변환을 자동화해주는 변환기를 구현하였다.