단백질들의 복수서열정렬은 단백질 서열간의 관계를 유추할 수 있는 유용한 도구이다. 최적화된 복수서열정렬을 얻기 위해 사용되는 가장 유용한 방법은 dynamic programming이다. 그러나 dynamic programming은 특정한 비용함수를 사용할 수 없기 때문에 특별한 경우 최소의 비용을 가지는 복수서열 정렬을 제공하지 못하는 문제점이 있다. 우리는 이러한 문제점을 해결하기 위하여 부분서열정렬 개선기법을 사용한 알고리즘을 제안하였으며, 이 알고리즘이 dynamic programming의 문제점을 효과적으로 해결함을 보였다.

복잡한 응용 프로그램의 빠른 개발과 이의 용이한 유지 보수를 지원하기 위하여 재사용 가능 한 컴포넌트 기반 개발(CBD: Component-Based Development) 개념이 확산되고 있다. 이와 관련되어 EJB, COM, CCM 등과 같은 컴포넌트 모델에 대한 연구가 다양하게 진행되고 있으나, 컴포넌트의 궁극적 목표인 재사용 극대화의 입장에서, 아직까지 이미 개발된 컴포넌트들의 유연한 조립은 지원하지 못한다. 이를 해결하기 위해서는 제삼자에 의해 제공된 이질적인 컴포넌트들을 유연하게 재구성 및 조림할 수 있는 상위 레벨의 아키텍처가 필요하며 그러한 아키텍처를 기반으로 구현된 컴포넌트들이 조립되어야 한다. 본 논문은 제삼자에 의해 제공된 이질적인 컴포넌트들을 플러그 앤 플레이 방식으로 유연하게 재구성 및 조립할 수 있도록 아키텍처 기반의 컴포넌트 조립 시스템 설계 및 구현 방법을 제안하고 이를 지원하는 CASE 도구인 Cobalt Assembler를 소개한다.

본 논문은 경동맥(carotid artery)을 환영한 MRA(Magnetic Resonance Angiography) 영상을 이용하여 실제 내시경으로 접근이 불가능한 경동맥의 내부를 시각화(visualization)하기 위해 가상혈관경(virtual angioscopy)을 구현하였다 항해경로 결정을 위해 MRA의 단면 원천영상에서 총경동맥 (common carotid artery) 및 내경동맥(internal carotid artery)만을 분리하였고, 중앙축 변환(MAT Medial Axis Transformation)을 통해 구해진 좌표값을 가상 카메라의 운행 경로로 사용하였다. 원근투영 (perspective projection) 및 볼륨 데이타의 표면을 렌더링하기 위해 마칭큐브(marching rube) 알고리즘을 사용하였다 허혈성으로 인한 뇌혈관질환(cerebrovascular disease)은 뇌졸중(stroke)의 80% 정도를 차지하는데, 경동맥은 뇌에 혈액을 공급하는 주된 혈관으로 경동맥 협착증(carotid artery stenosis)은 뇌졸중의 직접적인 원인이 된다. 가상혈관경은 경동맥 내부의 협착 위치와 협착 정도를 정성적으로 파악 할 수 있으며 협착증의 진단과 교육에 사용될 수 있다.

최근 화상 회의, 화상 전화, 모바일 환경에서의 화상 통신, 얼굴 인식을 이용한 보안 시스템 등의 상업화에 힘입어 비디오에서의 얼굴 검출 및 추적 기술은 눈부신 발전을 이룩하였다. 또한, 얼굴 요소 검출은 요소 그 자체뿐 아니라 정화한 얼굴 영역 검출을 위한 필수 단계로서 중요한 연구 주제가 되고 있다. 그러나 영상에 나타난 복잡한 배경과 카메라 조작 및 조명에 의한 색상 왜곡 그리고 다양한 조명 조건 둥은 얼굴 검출 및 추적, 요소 검출에 있어 여전히 큰 장애가 되고 있다. 이에 따라, 본 논문에서는 실시간 화상 통신을 위한 새로운 얼굴 영역 검출 및 추적 알고리즘과 검출된 얼굴 영역에서 효과적으로 눈 영역을 검출할 수 있는 알고리즘을 제안한다. 제안하는 얼굴 검출 알고리즘은 복잡한 배경과 다양한 조명 조건에 관계없이 얼굴을 검출하고 추적하기 위해 웨이블릿 변환된 세 종류의 부 영역을 이용하여 얼굴 형판을 생성하고 웨이블릿 변환된 입력 영상과의 유사도를 측정하여 얼굴을 검출한다. 특히 다양한 조명 조건을 극복하기 위해 최소-최대 정규화와 히스토그램 평활화를 혼합 적용하여 매우 밝거나, 매우 어두운 영상에서의 얼굴 오 검출 및 놓침을 줄일 수 있었으며 세 가지 크기의 얼굴 형판을 이용함으로써 입력 영상에 존재하는 다양한 크기의 얼굴도 검출할 수 있었다. 또한 효과적인 얼굴 추적 알고리즘을 통해 다음 프레임에서의 얼굴 위치를 예측하고 예측된 얼굴 위치를 중심으로 탐색 영역을 정해 형판 정합을 수행함으로써 얼굴 검출률을 높이면서 수행 시간도 단축시킬 수 있었다. 수직, 수평방향 투영을 이용한 합리적인 눈 검출 알고리즘은 어두운 조명이나 부정확한 얼굴 영역에서도 만족스러운 결과를 보여주었다.26$이었으며, 점차 감소, 다시 증가하여 담금 10일에는 $3.42{\sim}3.69$이었다. 시험구별로는 KKR이 가장 낮았다. 총산은 담금 1일에 $0.29{\sim}0.82%$였으며 담금 6일에 $1.75{\sim}2.53%$로 최고값을 나타내었으며 그 후 감소하여 담금 10일에는 $1.61{\sim}2.34%$였다. 시험구간에는 KKR, SKR이 비교적 높은 값을 나타내었다. 무기질 함량은 발효기간이 경과할수록 증하였고 Ca는 $2.95{\sim}36.76$, Cu는 $0.01{\sim}0.14$, Fe는 $0.71{\sim}3.23$, K는 $110.89{\sim}517.33$, Mg는 $34.78{\sim}122.40$, Mn은 $0.56{\sim}5.98$, Na는 $0.19{\sim}14.36$, Zn은 $0.90{\sim}5.71ppm$을 나타내었으며, 시험구별로 보면 WNR, BNR구가 Na만 제외한 다른 무기성분 함량이 가장 높았다.O to reduce I/O cost by reusing data already present in the memory of other nodes. Finally, chunking and on-line compression mechanisms are included in both models. We demonstrate that we can obtain significantly high-performance

웹 이용 마이닝은 거대한 웹 로그들을 이용하여 웹 사용자의 이용 패턴을 분석하는 데이타 마이닝 기술이다. 이러한 웹 이용 마이닝 기술을 사용하기 위해서는 전처리 과정 중의 사용자와 세션을 정확하게 구분해야 하는데, 표준 웹 로그 형식의 로그 파일만으로는 완전히 구분할 수 없다. 사용자와 세션을 구분하기 위해서는 로컬캐시, 방화벽, ISP, 사용자 프라이버시, 쿠키 등과 같은 많은 문제들이 있지만, 이 문제를 해결하기 위한 명확한 방법은 아직 없다. 특히, 로컬캐시 문제는 웹 마이닝 시스템의 입력으로 사용되는 사용자 세션을 구분하는데 가장 어려운 문제이다 본 연구에서는 참조 로그와 에이전트 로그, 그리고 액세스 로그 둥의 서버측 클릭스트림 데이타만을 이용하여 로컬캐시 문제를 해결하고, 사용자 세션을 구분하고 세션을 보정하는 휴리스틱 방법을 제안한다.

정확한 자유형 annotation 정보를 생성하기 위해서는 자유형 마킹의 기하 정보와 대상문서 내용(context)간에 영역 추출 과정에서 발생하는 모호성들을 인식 및 해결할 수 있어야 한다. 따라서 본 논문에서는 먼저 XML 기반의 annotation 환경에서 자유형 마킹과 다양한 내용간에 발생할 수 있는 모호성을 분석하였으며 이를 해결하기 위한 기법을 제안한다. 제안 기법은 자유형 마킹과 annotation이 생성된 영역간의 다양한 비구조 및 구조정보를 포함하는 내용을 기반으로 한다. 제안 기법에 의하여 분석 및 판별된 annotation 정보는 본 논문에서 정의한 XML 기반의 DTD로 표현되며, 본 연구에서 구현한 시스템을 통하여 출력 및 교환된다. 그 결과 본 연구의 제안 기법을 통하여 생성된 자유형 마킹 정보는 기존의 기법보다 정확한 annotation 영역을 포함하며, 다중사용자 및 서로 다른 문서환경에서도 명확한 교환을 가능케 할 수 있다.

조합 최적화 문제인 순회 판매원 문제(Traveling Salesman Problem, TSP)를 유전자 알고리즘(Genetic Algorithm)과 Local Search Heuristic인 Lin-Kernighan(LK) Heuristic［1］을 이용하여 접근하는 것은 최적 해를 구하기 위해 널리 알려진 방법이다. 본 논문에서는 TSP 문제를 해결하기 위한 또 다른 접근법으로 ACS(Ant Colony system) 알고리즘을 소개하고 새로운 페로몬 갱신 방법을 제시하고자 한다. ACS 알고리즘은 다수의 개미들이 경로를 만들어 가는 과정에서 각 에지상의 페로몬 정보를 이용하며, 이러한 반복적인 경로 생성 과정을 통해 최적 해를 발견하는 방법이다. ACS 기법의 전역 갱신 단계에서는 생성된 모든 경로들 중 전역 최적 경로에 속한 에지들에 대하여 페로몬을 갱신한다. 그러나 본 논문에서는 전역 갱신 규칙이 적용되기 전에 생성된 모든 에지에 대하여 페로몬을 한번 더 갱신한다. 이 때 페로몬 갱신을 위해 각 에지들의 발생 빈도수를 이용한다. 개미들이 생성한 전체 에지들의 발생 빈도수를 페로몬 정보에 대한 가중치(weight)로 부여함으로써 각 에지들에 대하여 통계적 수치를 페로몬 정보로 제공할 수 있었다. 또한 기존의 ACS 알고리즘보다 더 빠른 속도로 최적 해를 찾아내며 더 많은 에지들이 다음 번 탐색에 활용될 수 있게 함으로써 지역 최적화에 빠지는 것을 방지할 수 있다.

본 논문에서는 연속 밀도 HMM 구조의 최적화 문제를 다룬다. HMM 구조의 최적화를 위해 여러 연구가 있었는데, 그 중에서도 잘 알려진 BIC(Bayesian Information Citerion)등과 같이 이미 제안된 모델 선택 기준은 동질의 파라미터를 갖는 데이타에 대해 통계적으로 잘 행동하는 모델을 가정하고 있어서 연속 밀도 HMM 등과 같이 복잡한 파라미터를 갖는 구조에는 적합하지 않고, 파라미터 수를 줄이는데는 어느 정도 효과가 있었으나 인식률 향상에 있어서는 한계를 보였다. 이에 본 논문에서는 HMM의 파라미터 유형에 따라 별도의 확률 밀도를 추정하여 사전 모델 확률(a priori model probability)로 사용하는 모델 선택 기준인 HBIC(HMM-oriented BIC)를 제안했다. 또한 HMM의 변별력을 높이기 위해 변별력 특성을 갖는 안티확률을 BIC와 결합한 새로운 모델 선택 기준인 BIC_Anti를 제안했다. 제안한 모델 선택 기준의 유용성을 검증하기 위해 온라인 필기 데이타를 대상으로 실험하여 기존의 연구와 비교하였다. 그 결과 제안한 HBIC와 BIC_Anti 모델 선택 기준을 사용하는 것이 BIC를 사용하는 것보다 더 적은 파라미터 수로도 향상된 인식률을 얻을 수 있음을 확인했다.

홍채 인식을 위해서는 먼저 홍채 영역을 추출해야 하는데 이를 위해서는 홍채의 안쪽 경계인 동공 경계와 바깥쪽 경계인 홍채 경계를 검출해야 한다. 경계를 검출하는데는 Daugman이 제안한 원형경계 검출기가 가장 일반적이고 효과적인 방법으로 알려져 있다. 이 방법은 전역적인 탐색에 의존하기 때문에 정확하지만 계산 시간이 많이 걸리는 단점이 있다. 계산 시간을 줄이기 위해 경험적 방법들이 사용되기도 하지만 정확성이 떨어지는 문제점이 있었다. 본 논문에서는 정확성을 떨어뜨리지 않으면서 계산 속도를 줄이는 홍채 영역 추출 알고리즘을 제안한다. 제안된 방법은 동공 경계와 홍채 경계가 가지는 문제에 대한 지식(problem knowledge)을 사용하여 제한조건을 부가하여 탐색한다. 경계 검출을 위한 탐색 영역은 동공을 포함하는 최대 원과 최소 원을 이용하여 제한하여 탐색 시간을 줄인다 동공 경계의 경우 이진화된 동공 영상에서 최대 원과 최소 원을 구하고, 홍채 경계의 경우 영상의 분산을 이용하여 얻은 경계점으로부터 최대 원과 최소 원을 구한다. 제안된 방법을 Daugman방법, 히스토그램 분석법, 가중치를 이용한 허프변환 방법 둥과 실험을 통해 비교하였다. 그 결과 제안된 방법은 Daugman방법과 동일한 정확도를 보이며, Daugman방법이나 가중치를 이용한 허프변환 방법보다 빠르다는 것을 알 수 있었다.

본 논문은 3차원 얼굴영상으로부터 얼굴의 구성 요소 중의 하나인 코의 종단면과 횡단면을 이용한 특징값과 얼굴의 다를 구성 요소들로부터 구해진 특징값을 이용하여 얼굴을 인식하는 알고리듬을 제안한다. 객체와 배경을 분리하여 얼굴을 추출 및 얼굴의 최고점인 코끝을 찾은 후, 3차원 영상으로부터 얼굴의 주요 특징영역인 코 정보와 얼굴의 종단면 및 횡단면의 정보를 이용하여 회전 보상 전, 후의 특징값을 구한다. 코의 최고점, 코와 이마 사이의 미간점, 코의 밑점, 그리고 코의 앙쪽 끝점을 탐색하여 코의 종단면과 횡단면을 기준으로 한 면적, 깊이, 각도, 체적, 그리고 눈과 입의 간격을 특징값으로 사용하였다. 제안된 방법을 이용한 유사도 비교는 입력과 데이타 베이스에 대하여 각각 두 개의 깊이 데이타에 대해 유클리드 거리를 사용하였으며, 실험결과 임계 순위 값 5위 이내의 인식률이 95.5%로 나타났다.