단백질들은 서로 다른 단백질들과 상호작용 하거나 복합물을 형성함으로써 생물학적으로 중요한 기능을 한다고 알려져 있다. 때문에 대부분의 세포작용에 있어 중요한 역할을 하는 단백질 상호작용의 분석 및 예측에 대한 연구는 여러 연구그룹으로부터 풍부한 데이타가 산출되고 있는 현(現) 게놈시대에서 또 하나의 중요한 이슈가 되고 있다. 본 논문에서는 효모(Saccharomyces cerevisiae)에 대해 공개되어있는 단백질 상호작용 데이타들에서 속성들 간의 연관을 통해 유추 가능한 잠재적 단백질 상호작용들을 예측하기 위한 연관속성 마이닝 방법을 제시한다. 단백질의 속성들 중 연속값을 가지는 속성값들은 최대상호 의존성에 기반을 두어 이산화 하였으며, 정보이론기반 속성선택 알고리즘을 사용하여 단백질들 간의 상호작용 예측을 위해 고려되는 단백질의 속성(attribute) 수 증가에 따른 속성차원문제를 극복하도록 하였다. 속성들 간의 연관성 발견은 데이타마이닝 분야에서 사용되는 연관규칙 발견(association rule discovery) 방법을 사용하였다 논문에서 제안한 방법은 발견된 연관규칙을 통한 단백질 상호작용 예측문제에 있어 최대 약 96.5%의 예측 정확도를 보였으며 속성필터링을 통하여 속성필터링을 하지 않는 기존의 방법에 비해 최대 약 29.4% 연관규칙 발견속도 향상을 보였다.

본 논문에서는 센서네트워크를 위한 운영체제인 Nano-Qplus 기반의 응용프로그램을 자동으로 생성하기 위한 프로그래밍 모델을 제시한다. 즉, 센서네트워크를 구성하는 센서, 라우터, 싱크, 엑츄에이터와 같은 노드들이 수행해야 하는 기능에 대한 프로그램을 자동으로 생성하기 위한 프로그래밍 모델을 제시한다. 제안한 프로그래밍 모델에 따라 센서네트워크에 대한 모델을 작성하고, 이를 바탕으로 센서네트워크의 각 노드에 대한 속성 값을 스크립트를 통하여 설정하면 각 노드를 동작시킬 수 있는 프로그램이 자동으로 생성된다. 본 논문에서는 프로그래밍 모델에서 사용하는 각 노드의 속성을 설정할 수 있는 스크립트와 프로그램을 자동으로 생성하는 알고리즘을 프로그래밍 모델과 함께 설명한다. 본 논문에서 제시한 기법을 이용하면 센서네트워크를 구성하는 각 노드에 대한 속성설정만으로 실행코드를 자동으로 생성함으로써 개발자들은 코드에 대한 상세한 내용을 알지 못하더라도 쉽게 응용프로그램을 구현할 수 있다. 또한 실행코드를 자동으로 생성함으로써 센서네트워크 응용프로그램을 개발하는데 소요되는 노력을 줄일 수 있으며, 신속한 코드생성을 통해 조기에 테스트를 수행하여 오류를 찾아내고 수정함으로써 검증된 코드를 생성할 수 있다.

소프트웨어의 생산성을 높이고 신뢰성 있는 실시간 이동형 내장 소프트웨어를 개발하기 위해서는, 소프트웨어를 실시간으로 정확하게 분석하고 시험 검증할 수 있는도구가 필요하다. 이러한 도구는 기본적으로 소스코드 기반의 화이트박스 시험 기능, 실시간 시스템 모니터링과 실행 제어 기능을 필요로 하며, 향후 다양한 시스템 환경과의 연동을 고려하여 재사용성과 이식성을 높일 수 있도록 설계되어야 한다. 본 논문에서는 실시간 이동형 내장 소프트웨어를 시험하기 위한 시험검증 도구의 기능적 요구사항을 식별하고, 식별된 요구사항을 바탕으로 시험검증 도구에 적합한 구조를 설계하였다 또한 시험검증 도구의 확장성과 이식성 제고를 위해 각 기능에 대한 구체적인 구현 기술과 기법을 제시하였으며, 이들 기능의 설계에 디자인 패턴을 적용하였다.

연속된 초음파 영상 시퀀스로부터 파노라마 영상을 만들기 위해서는 인접된 프레임 사이의 움직임을 추정해야 한다. 기존에는 고정 블록 움직임 추정 방법이 주로 사용되고 있는데 본 논문은 정확성을 높이고 계산시간을 단축하기 위해 다해상도 영상을 이용한 특징점 기반 블록 움직임 추정 방법을 제안한다. 기존의 블록 움직임 추정 방법은 규칙적으로 블록을 배치하기 때문에 추정된 움직임의 정확도를 높이기 위해서는 블록의 크기가 커지기 때문에 처리 시간이 오래 걸린다. 본 논문에서는 특징점을 중심으로 블록을 배치하여 움직임 추정의 정확도는 유지하면서 블록의 크기를 줄일 수 있었다. 어파츄어문제(aperture problem)을 줄이기 위해 코너점을 특징점으로 하였다. 움직임 추정 영역은 일정한 크기의 부영역으로 나누고, 각 부영역에서 가장 코너 강도가 큰 점을 선택하였다. 특징점을 선택하는 데는 해리스 스테판 코너검출기를 사용하였다. 코너점들이 한 곳으로 편중될 경우 블록들이 움직임 추정 영역에서 골고루 분산되지 않아 이렇게 구한 블록 움직임을 이용하여 전역 움직임을 구하면 오차가 커진다. 본 논문에서는 이러한 문제를 해결하기 위해 특징점을 선택하는 영역에 제한을 두도록 하였다. 초음파 영상에는 스펙클과 잡음이 많아 코너점을 구하기 전에 영상 평활화를 해야 한다. 계산시간을 줄이고 잡음이 감소된 영상에서 코너점을 구하기 위해 저해상도 영상에서 블록 움직임을 구한 후 점점 고해상도로 확산하는 형태로 다해상도 영상을 사용한다. 실제 세가지 종류의 초음파 영상 시퀀스에 대해 실험결과 제안된 방법은 기존의 방법에 비해 움직임 추정 오차(Displaced Frame Difference)를 평균 66.02에서 58.98로 줄이면서 계산시간은 평균 71ms에서 44ms 으로 빠르게 됨을 알 수 있었다.

움직임 추정은 H.264의 비디오 코딩 과정에서 가장 많은 연산량을 차지하는 중요한 처리과정이다. 움직임 추정 과정에서 정수배 화소 단위에서의 탐색에 비하여, 1/2 화소 (half-pixel)와 1/4 화소(quarter-pixel) 단위까지의 움직임 추정은 영상압축률을 높일 수 있지만, 계산의 복잡도가 늘어나는 문제가 있다. 본 논문에서는 각 블록간의 절대 오차 값인 SAD (Sum of Absolute Difference)가 최소 점을 기준으로 포물선 모양의 분포를 나타내는 특성 및 1/2 단위와 1/4 단위의 화소 보간 특성을 이용하여 움직임 추정 과정에서 탐색 점을 줄임으로써 처리속도를 증가시키고, 계산의 복잡도를 줄이는 알고리듬을 제안하였다. 제안한 방법에서는, 정수 화소 단위에서의 가장 작은 SAD를 갖는 점을 기준으로 주위 8점 가운데 두 번째로 SAD가 작은 점을 찾아 해당 방향으로 1/2 화소 단위의 움직임 추정을 행하였고, 1/4 화소 단위에서도 1/2 화소단위에서 두 번째로 SAD가 작은 점 방향으로 움직임 추정을 실행하였다. 그 결과 기존 알고리듬에 비해 비교적 화질에 변화가 없고, 인코더 처리과정 에서 약 20%의 빠른 속도로 처리하는 결과를 보였다.

본 논문에서는 수술 도중에 심장내부로 삽입한 초음파 탐침을 통해 획득된 초음파 심장영상에서 강인하게 심장 영역을 고속 자동 분할하는 방법을 제안한다 제안한 방법은 심장 초기 경계 추출, 신뢰도 경쟁을 통한 전체 경계 검출, 회전 국부 방사선 기법을 이용한 국부 경계 보완으로 세 단계로 구성된다. 첫째, 초음파 탐침의 중심에서 방사선을 만들어 각 방사선에서 밝기값 기반 임계값 기법으로 얻어진 심장외부 영역을 이용하여 대략적인 초기 심장영역의 경계를 추출한다. 둘째, 각각의 방사선에서 임계치로 추출된 초기 심장영역의 위치를 포함하여 경계와 영역정보를 이용해 추출된 새로운 후보들과 신뢰도의 경쟁을 수행하여 높은 신뢰성을 가진 심장 경계를 검출한다. 셋째, 방사선 기법으로 경계획득이 어려운 심장의 오목한 영역에서 경계를 따라 회전하면서 국부적으로 방사선 조사법을 적용하여 경계를 보완한다. 제안된 방법은 실제 환자의 심장 수술 도중에 얻어진 초음파 영상에 적용되어 고무적인 결과를 획득했다.

간단한 경계선 추적자 알고리즘(SBF: Simple Boundary Follower)은 영상의 인식과 표현을 위하여 사용되는 경계선 추적 알고리즘 중에서 널리 사용되는 것이다. SBF는 주로 이진화된 영상에서 물체의 경계선을 추적할 때 매우 간단하면서도 효율적인 성능을 제공한다. 그러나 추적자의 위치와 방향조건에 따라 인너코너(inner corner)와 인너-아우터 코너(inner-outer corner)의 일부 영상을 추적하지 못하는 비일관성(inconsistency)을 가지고 있고, 경계선 이외의 픽셀들에 대한 부가적인 이동연산을 요구한다는 단점이 있다. 이러한 제약성들 중 인너-아우터 코너의 비일관성을 해결하기 위하여 수정된 간단한 경계선 추적자 알고리즘(MSBF: Modified Simple Boundary Follower)이 연구되었지만 여전히 인너코너 추적 비일관성과 부가 연산 필요성에 대한 해결책은 제시되지 않았다. 본 논문에서는 이를 개선하기 위하여 비일관성이 일어나지 않도록 처리하고, 경계선 주위 픽셀에 대한 이동 연산을 줄일 수 있는 개선된 간단한 경계선 추적자 알고리즘(ISBF: Improved Simple Boundary Follower)을 제안하였다. 또한 경계선상의 픽셀들의 배치와 이동 경로 방식에 대해 분류를 함으로써 세 가지 알고리즘의 연산복잡도를 계산하였다. 제안된 알고리즘은 MSBF에 비하여 연산량이 감소하였고, 비일관성의 문제가 없는 것으로 분석되었다.

자기 조직화 신경망 (SOM: Self-Organizing Map)은 자율 학습 신경망으로 사전 지식이 존재하지 않는 자료에 존재하는 구조적 관계성을 보전하는데 이용된다. 자기 조직화 신경망은 벡터 양자화, 조합 최적화, 패턴 인식과 같은 복잡한 문제 해결을 위한 연구에 많이 이용되어 왔다. 이 논문에서는 좀더 효율적인 유전 알고리즘을 얻기 위한 스키마 변환 도구로서 자기 조직화 신경망을 이용하는 새로운 사용법에 대해서 제안한다. 즉, 각 자식해는 탐색 공간에서 좀더 바람직한 모양을 가지는 동질의 인공 신경망으로 변환된다. 이 변환으로 인해 강한 상위(epistasis)를 가지는 유전자들은 염색체 상에서 서로 인접하게 되는 것이다. 실험 결과는 기존 결과에 비해서 주목할만한 성능 개선이 있음을 보여준다.