본 논문은 모양 특성을 이용한 효과적인 식물 잎 이미지 검색 시스템을 제시한다. 잎 이미지의 더 효과적인 표현을 위해 개선된 MPP 알고리즘을 제안하고, 매칭에 소요되는 시간을 줄이기 위해 기존의 Nearest Neighbor(NN) 검색을 수정한 동적인 매칭 알고리즘을 제시한다. 특히, 더 나은 정확율과 효율성을 위해, 잎 모양과 잎차례를 스케치하여 질의할 수 있도록 하였다. 실험에서는 제안한 알고리즘과 기존의 알고리즘인 CCD(Centroid Contour Distance), Fourier Descriptor. Curvature Scale Space Descriptor (CSSD), Moment Invariants, MPP와 비교하였다. 1000여개의 식물 잎 이미지를 통한 실험결과는 제안한 방법이 기존의 기법보다 더 좋은 성능임을 보였다.

분류 및 회계문제에서의 일반적인 해법은, 현실 세계에서 얻은 정보를 행렬로 사상하거나, 이진정보로 변형하는 등 주어진 데이타의 가공과 이를 이용한 학습에서 찾을 수 있다. 본 논문은 현실세계에 존재하는 순수한 데이타를 근원공간이라 칭하며, 근원 데이타가 커널에 의해 사상된 행렬을 이원공간이라 한다. 근원공간 혹은 이원공간에서의 분류문제는 그 역이 존재하는 문제 즉, 완전해가 존재하는 문제와, 그 역이 존재하지 않거나, 역의 원소 값들이 무한히 커지는 불량조건 흑은 특이조건인 두 가지 형태로 존재한다. 특히, 실제 문제에 있어서 완전 해를 가진 문제이기 보다는 후자에 가까운 형태로 나타나게 된다. 결론적으로 근원데이타나 이원데이타를 이용한 문제를 해결하기 위해서는 많은 경우에 완전 해를 갖는 문제로 변형시키는 정규화과정이 필요하다. 본 논문에서는 이러한 정규화 인수를 찾는 문제를 기존의 GCV, L-Curve, 그리고 이원공간에서의 데이타를 RBF 신경회로망에 적용시킨 커널 학습법에 대한 각각의 성능을 비교실험을 통해 고찰한다. GCV와 L-Curve는 정규화 인수를 찾는 대표적인 방법으로 두 방법 모두 성능면에서 동등하며 문제의 조건에 따라 다소 차이를 보인다. 그러나 이러한 두 방법은 문제해를 구하기 위해서는 정규화 인수를 구한후 문제를 재정의하는 이원적인 문제해결이라는 취약점을 갖는다. 반면, RBF 신경회로망을 이용한 방법은 정규화 인수와 해를 동시에 학습하는 단일화된 방법이 된다. 이때 커널을 이용한 학습법의 성능을 향상하기 위해, 전체학습과 성능의 제한적 비례관계라는 설정아래, 각각의 학습에 따라 능동적으로 변화하는 동적모멘텀의 도입을 제안한다. 동적모멘트는 바이어스 학습을 포함한 방법과 포함하지 않은 방법에 각각 적용분석하였다. 끝으로 제안된 동적모멘텀이 분류문제의 표준인 Iris 데이터, Singular 시스템의 대표적 모델인 가우시안 데이타, 그리고 마지막으로 1차원 이미지 복구문제인 Shaw데이타를 이용한 각각의 실험에서 분류문제와 회계문제 양쪽 모두에 있어 기존의 GCV, L-Curve와 동등하거나 우수한 성능이 있음을 보인다.

웹 스트리밍 환경은 제한된 환경을 제공하기 때문에 그에 적합한 비디오 재생 서비스 기술과 실시간 전송을 위한 스트리밍 기술 그리고 효율적인 제어 기술이 필요하다. 본 논문에서는 리눅스 환경에서의 고품질 미디어 재생기를 웹 브라우저와 연동하기 위한 기술로서, 실시간 재생되는 미디어 스트림에 대한 효율적인 제어 기술을 제안한다. 제안하는 스트림 제어 기술은 웹 브라우저의 미디어 재생 화면에서 OSD에 의해 제어 데이타를 표시하고, 사용자 입력 데이타를 처리한다. 그래픽 사용자 인터페이스에 독립적으로 동작하며, 제어 데이타에 대한 추가와 확장을 고려하여 설계되었다.

응집도는 모듈의 구성 요소들 사이의 관련성 정도를 나타내는 척도로서, 응집도가 높을수록 소프트웨어에 대한 이해 및 유지보수가 용이하다고 알려져 있다. 최근에 응집도의 개념을 객체지향 시스템의 클래스에 적용하기 위하여 많은 응집도 척도들이 제안되고 있다. 본 논문에서는 클래스 멤버 간의 쓰기 의존성의 영향을 고려함으로써 기존의 응집도 척도를 개선시킬 수 있음을 소개한다. 본 논문의 기법을 지원하는 도구를 개발하였으며 이 도구를 이용하여 C++ 클래스 라이브러리에 이 기법을 적용한 사례 결과를 소개한다.

본 논문에서는 에이전트 지식 기반 화상회의 시스템의 유연성(flexibility)을 개선하기 위해서 기존의 서비스 조정 부분을 새롭게 설계한 전략적 지식 에이전트 아키텍처(Strategic-INTER Knowledge Architecture)를 제안한다. 제안한 아키텍처는 서비스 품질에 관한 문제에 있어서 발생한 문제의 성질이나 문제해결의 진행상황을 고려하면서 해결전략을 동적으로 변환하여 유연성 있게 해결한다 여기에서 유연성이란 시스템 내부에서 발생한 변동의 대응 및 이용자가 사용하기 편리한 서비스 제공 능력을 말한다. 한편, 제안 아키텍처를 화상회의 시스템에 적용한다. 본 아키텍처 적용에 의해서 화상회의 시스템의 에이전트 간 협조가 효과적으로 실행되었으며, 이전의 화상회의 시스템에 비해서 제약조건이 강화 된 경우에도 시스템의 유연한 대응이 가능하게 되었음을 제시한다.

유전 알고리즘에서 개체군은 지역 최적치에 빠질 수 있지만 긴 지속시간이 지난 후에는 여기에서 빠져나을 수 있으며 이러한 현상을 단속평형 (punctuated equilibrium)이라고 한다. 자연계나 컴퓨터 생태계 (computational ecosystems) 에서 관찰되는 단속평형은 확산 방정식 (diffusion equation)으로 잘 설명된다. 본 연구에서는 단순 유전 알고리즘을 이론적으로 분석하여 개체군의 움직임이 확산 방정식으로 표현될 수 있다는 것을 보인다. 또한 적합도 (fitness) 함수를 단위화 (unitation) 함수로 국한하면 이 분석을 더 구체화하여 유전 알고리즘의 주요 변수들이 이 방정식에 나타나도록 할 수 있다. 이 경우 확산 방정식에 대한 이론적 결과를 이용하면 지역 최적치에서 빠져 나오기까지의 지속시간이 개체군의 크기, 1/(돌연변이 확률), 그리고 지역 최적치의 깊이에 대해 지수적으로 증가한다는 것을 알 수 있다. 이러한 이론적 결과는 이중안정 지형 (bistable landscapes)에서의 시뮬레이션 결과와 일치한다.

최근 들어 확률 분포를 개체군으로부터 추정하여 보다 효율적으로 최적화를 해결하려는 연구가 진행되고 있다. 특히 복잡한 문제의 해결을 위해서 혼합 분포가 사용되고 있다. 그러나 이 경우 몇 개의 성분으로 혼합 분포를 나타낼 것인가를 결정하기 어려운 문제가 있으며, 각 분포에 의하여 표현되는 이전 세대의 우수한 부분 해들을 잘 결합하지 못하는 단점이 있다. 본 논문에서는 변분 베이지안 혼합 인자 분석(variational Bayesian mixtures of factor analyzers) 기법을 사용한 개체군의 분포 추정을 통해 실수 공간에서의 최적화 문제를 해결하는 방법을 제안한다. 이 기법은 혼합 분포의 개수 추정을 자동화하며, 잠재 변수(latent variable)를 사용하여 각 분포가 표현하는 세부 개체군 내에 포함된 부분 해들의 혼합을 효율적으로 수행할 수 있다. 잘 알려진 함수 최적화 문제들에 대해 다른 분포 추정 진화 알고리즘과 비교하여 제안하는 방법의 우수성을 검증하였다. 또한 시스템 생물학에서 다루고 있는 생화학 네트워크의 동적 모델링을 위한 매개변수 추정도 성공적으로 수행하였다.

본 논문에서는 동적 환경에 적합한 자율 이동 에이전트의 이주 기법을 제안한다. 제안하는 이주 기법은 네트워크 및 시스템의 상태 변화에 적절하게 대응할 수 있도록 에이전트의 이주 경로를 동적으로 생성한다. 에이전트의 이주 과정에서 전송해야 할 데이타량 및 에이전트의 인스턴스를 생성하기 위한 시간을 감소시키기 위해 다음에 이동할 목적지에 프리패칭 메시지를 전달하여 필요한 데이타를 미리 수신할 수 있도록 한다. 제안하는 이동 기법은 에이전트의 이주 과정에서 발생한 결함에 대처할 수 있도록 체크포인트 기법을 이용하여 에이전트의 상태를 유지하고 복구할 수 있도록 하는 기능을 제공한다. 제안하는 이주 기법의 우수성을 입증하기 위해 다양한 실험을 통해 기존 방법의 비교 분석을 수행한다.

전자상거래상에서 경매가 활발해짐에 따라 경매용 에이전트와 경매 에이전트의 비딩 스트레티지 개발에 관한 연구가 중요한 관심의 초점이 되고 있다. 특히, 우세한 스트레티지가 알려져 있지 않는 복잡한 경매 환경에서의 에이전트 스트레티지 개발은 실용적인 의미를 가지고 있다 이 논문은 최적의 스트레티지가 존재하지 않는 연속이중경매(Continuous Double Auction, CDA) 환경에서 사용할 수 있는 "적응성 스트레티지"를 소개한다. 적응성 스트레티지는 현재 알려져 있는 P-스트레티지에 실시간 적응력을 부가하는 것을 주 아이디어로 한다. 적응성 스트레티지는 여러 종류의 알려진 스트레티지들 중 이제까지 좋은 성능을 보여준 스트레티지를 계속 사용하려는 탐색(exploitation)과 바뀌어졌을지도 모르는 새로운 환경에 적합한 스트레티지를 찾아내려는 이용(exploration)간의 균형을 꾀하며, 이를 각 스트레티지의 기대이득과 실행횟수사이의 상반관계를 고려하는 휴리스틱 탐색 함수를 이용하여 결정한다. 실험분석의 결과, 적응성 스트레티지는 (1) P-스트레티지가 잘 작동하지 않는 환경에선 P-스트레티지보다 높은 이득을, (2) P-스트레티지가 다른 종류의 단순한 스트레티지를 앞서는 환경에서는 P-스트레티지와 비슷한 이득을 보인다.

협력적 여과 시스템에서 대부분의 사용자들은 모든 아이템에 대하여 선호도를 평가하지 않으므로 인하여 사용자~아이템 행렬은 희박성을 나타내며, 또한 사용자가 평가하지 않은 아이템으로부터 결측치가 발생한다. 일반적인 결측치 예측 방법은 특정 대상의 사용자가 평가하지 않은 결측치를 이 사용자와 비슷한 흥미를 갖는 사용자들의 평가값을 기반으로 예측하나, 기본 평가값 예측 방법은 사용자-아이템 렬의 결측치를 특정 사용자가 아닌 전체 사용자에 대하여 예측한다. 기본 평가값 예측 방법 중 가장 많이 사용되는 방법은 아이템 평균이나 사용자 평균을 이용한 방법이다. 그러나 이 방법은 아이템이나 사용자의 특성, 또한 데이타 집합의 분포 특성을 전혀 고려하지 않는다는 문제점을 갖는다. 본 논문에서는 이러한 문제점을 해결하기 위하여 데이타 집합에 나타난 사용자의 변동 계수를 이용하는 기본 평가값 예측방법을 제안한다. 제안한 방법에서는 수식을 이용하여 자동적으로 사용자 변동 계수의 임계값을 선택하고, 그 임계값에 따라 사용자 평균에서 아이템 평균으로 전환하여 사용자들의 결측치에 대한 기본 평가값을 결정한다. 그러나 사용자 변동 계수들의 분포 정보로 인하여 사용자 변동 계수와 임계갈이 항상 일정한 관계를 유지하는 것이 아니므로, 제안된 방법에서는 임계값을 선택하기 위하여 사용자 변동 계수의 평균과 변동 계수의 분포 정보를 병합한다. 제안된 방법은 사용자가 영화에 대하여 평가한 MovieLens 데이타 집합을 대상으로 평가되었으며, 기존의 기본 평가값 예측 방법보다 그 성능이 우수함을 보인다.

본 논문에서는 시공간 정보를 이용하여 동영상에서 움직이는 객체를 자동으로 추출하는 방법을 제안한다. 본 논문에서 제안하는 방법은 다른 영역과 구별되는 현저한 장소에 무의식적으로 집중되는 시각주의 특성을 컴퓨터 시스템에 도입한 대비 지도(contrast map)와 중요 특징점(salient point)을 적용한 것이 큰 특징이라고 할 수 있다. 대비 지도는 밝기(luminance), 색상(color) 그리고 방향성(direction) 3가지의 특징 정보 중 자기와 방향성의 특징을 나타내는 자기 지도(luminance map)와 방향성 지도(directional map)를 결합하여 대비 지도를 생성한다. 또한, 사람이 시각적으로 볼 때 의미 있다고 생각하는 중요 특징점을 웨이블릿 변환을 이용하여 찾아낸다. 이렇게 생성된 대비 지도와 중요 특징점을 이용하여 대략적인 집중윈도우(AW:Attention Window)의 위치와 크기를 결정한다. 다음으로, 동영상의 가장 큰 특징인 움직임 정보를 추정하여 집중윈도우를 객체에 가장 근사하게 축소시키고, 윤곽선 정보를 이용하여 객체를 추출한다. 윤곽선을 추출하기 위해 캐니에지(canny edge)를 사용하였으며, 배경의 윤곽선 제거를 위하여 윤곽선의 차이(DE:Difference of Edge)를 이용하여 가로 후보영역과 세로 후보영역을 추출한다. 추출된 2개의 후보영역을 AND연산과 모폴로지 연산을 이용하여 객체를 자동으로 추출하는 방법을 제안한다. 실험은 카메라가 고정된 상태에서 촬영한 동영상에 대해 이루어 졌으며, 객체와 배경이 효과적으로 분리되는 것을 확인하였다.

지문분류는 대규모 자동지문식별시스템에서 지문을 카테고리별로 나누어 매칭시간을 줄이는데 유용하다. 지문을 5가지 클래스로 분류하는 헨리시스템을 기반으로 신경망이나 SYM(Support Vector Machines) 등과 같은 다양한 패턴분류 기법들이 지문분류에 널리 사용되고 있다. 특히 최근에는 높은 분류 성능을 보이는 SVM 분류기를 이용한 연구가 활발하다. 이진분류기인 SVM을 지문분류문제에 적용하기 위해서 본 논문에서는 새로운 분류기 결합모델인 다중결정템플릿(Multiple Decision Templates, MuDTs)을 제안한다. 이 방법은 클래스 구분이 모호한 지문영상들의 분류에서 단일 결합모델들의 한계를 극복하기 위해, 하나의 지문클래스로부터 서로 다른 특성을 갖는 클러스터들을 추출하여 각 클러스터에 적합한 결합모델을 생성한다. NIST Database4 데이타로부터 추출한 핑거코드에 대해 실험한 결과, 5클래스와 4클래스 분류문제에 대하여 각각 $90.4\%$와 $94.9\%$의 분류성능(거부율 $1.8\%$)을 획득하였다.

본 논문은 단순한 형태의 개인 착인 및 검증방법의 한계를 극복하여 절도나 누출에 의해 도용될 수 없고 변경되거나 분실할 위험성이 없는 새로운 형태의 인증 방법인 홍채인식을 연구하였다. 사람의 홍채는 태어날 때 한번 정해지면 평생 변화하지 않는 특성을 가지고 있으며, 개개인별로 모양이 모두 다른 것으로 알려져 있다. 이에, 본 논문에서는 홍채영상 취득 시 조명에 의한 동공의 크기 변화에 민감하지 않은 2차원의 홍채패턴을 취득하여, 2차 가버 웨이블릿과 퍼지 선형판별분석기법(LDA)을 이용하여 특징 벡터를 추출하고 인식한다. 인식과정에서는 상관관계 계수를 이용하여 다른 홍채의 특징간과 매칭값을 측정하고 유사도가 가장 큰 대상을 찾게 된다. 이때, 입력영상에 대하여 4개 방향의 가버 웨이블릿을 거쳐 얻어진 4개의 상관관계 계수 간 중 가장 큰 값을 갖는 대상자를 인식 대상자로 선정하므로 오인식될 확률을 최소화 할 수 있다. 제안한 알고리듬의 유용성을 확인하기 위해 대상자 50명에 대하여 각각 6회씩 촬영한 두 가지 데이타베이스(CASIA, CBNU)를 이용하였으며, 실험 결과 $90\%$ 이상의 인식률을 얻었다.