관점지향 프로그래밍은 기존의 소프트웨어 개발 방법론으로 해결하기 어려운 횡단관심사를 모듈화 하는데 목적을 두고 있다. 초기 관점지향 프로그래밍은 프로그램 개발 단계에 초점을 맞추어 발전하다가 최근에는 요구사항 분석 및 설계부터 코드 구현 단계까지 전체 프로세스에 관점지향 프로그래밍 방법론을 적용하고자 많은 연구가 이루어지고 있다. 하지만, 관점지향 프로그래밍에서 필요한 교차점, 결합점, 충고 정의를 위한 표준화된 지침 및 명세가 없어 프로그램 개발 및 유지보수를 어렵게 하고 있다. 본 논문에서는 이와 같은 문제점을 해결하기 위하여 관점지향 프로그래밍 개발 및 유지보수를 지원하는 횡단관심사 명세 기법을 제시한다. 관심사 명시, 관심사 설계, 그리고 코드 구현 세 단계로 이루어지는 명세 단계는 요구사항 분석 단계에서 얻어지는 횡단관심사 정보를 코드로 개발할 수 있도록 단계별 지침을 제공한다. 명세 과정의 각 단계에서는 전체 횡단 관심사 목록, 횡단관심사 명세서, 애스펙트 클래스 참조 테이블, 핵심 클래스 참조 테이블을 구축하여 코드 개발 및 유지보수시 프로세스간의 추적 자료로 사용된다. 본 논문의 명세 기법은 관점지향 프로그래밍에서 해결하기 어려운 구현의 문제점, 프로그램 이해의 어려움, 재사용의 문제점을 해결함으로써 시스템 개발을 지원한다.

객체지향 시스템의 객체들은 서브타입과 수퍼타입의 관계로 구성될 수 있다. 즉 서브타입은 수퍼타입의 구조와 행위를 상속하고 특화하는 방식의 계층적 구조를 가진다. 기존 시스템의 확장과 진화를 가능케 하기 위해서 수퍼타입과 서브타입간의 행위적 호환성은 둘 간의 대체가능성을 위하여 중요한 문제이다. 본 논문에서는 객체의 동적 행위를 기술하는 범용적인 표현 방법 중 하나인 유한상태기계로 표현된 객체의 동적 행위를 바탕으로 객체간의 행위적 호환성을 검사할 수 있는 기법인 메소드 규칙을 확장한 연속 메소드 규칙을 제시한다. 연속 메소드 규칙은 기존의 메소드 규칙(methods rule)을 바탕으로 두 객체의 자취를 조사함으로써 두 객체가 행위적 호환성이 있음을 보장한다. 또한 연속 메소드 규칙을 이용하여 행위적 호환성을 검증할 수 있는 알고리즘을 제시한다.

카메라 기반 문서 인식을 위해서는 화질 변화에 적응할 수 있는 이진화 기술이 매우 중요하다. 본 논문에서는 화질 분석을 통해 다양한 화질의 카메라 영상에 효과적으로 적응할 수 있는 이진화 방법을 제안한다. 먼저 이진화 파라미터가 이진화 결과에 미치는 영향을 분석하고, 카메라 영상의 화질을 측정하는 방법을 제안한다. 그리고, 측정된 화질과 이진화 파라미터간의 상관 관계를 통계적으로 분석하여 반영함으로써 화질 변화에 자동으로 적응하는 이진화 방법을 제안한다. 실험을 통해 화질과 이진화 파라미터간에는 유의한 상관 관계가 있으며, 제안하는 방법이 화질에 따라 적절한 파라미터를 추정함으로써 화질변화에 적응함을 확인하였다.

기계 학습 과정에서 수집된 많은 정보들 중에는 학습하고자 하는 개념과 관련이 없거나 중복된 정보를 가진 경우가 많다. 또한 자료 자체에 오류가 있기도 하다. 이와 같이 학습 모델 생성을 위해 수집된 정보를 신뢰할 수 없다면, 학습 과정에서도 정확한 지식 습득이 어렵다. 그래서 기계 학습은 학습 과정에서 정확한 지식 습득을 위해 특징 선택 방법을 사용한다. 특징 선택은 학습할 클래스와 관련이 없거나 중복된 정보를 학습 모델 생성 이전에 제거함으로써 학습 알고리즘의 성능을 향상시킨다. 기존의 특징선택 방법들은 적절한 특징을 선택하기 위하여 문서가 균등하게 분포되어 있다고 가정한다. 하지만, 실제로는 그렇지 않으며, 문서의 수 또는 문서의 길이가 모두 동일한 학습 예제를 준비하는 것도 매우 어렵다. 본 논문에서는 보다 효율적으로 특징을 선택하기 위해 클래스 별 단어의 불순도와 문서의 불균등 분포를 고려한 특징 선택 방법을 제안한다. 클래스를 대표할 수 있는 특징 후보들을 단어의 불순도 측정을 통해 얻고, 문서의 불균등 분포를 고려하여 특징을 선택한다. 실험을 통해 보다 좋은 성능을 보임을 입증한다.

유비쿼터스 시대가 도래하면서 거대한 양의 컴퓨팅 서비스 및 장치들은 언제 어디서나 사용자의 요구에 반응하게 된다. 더불어 사용자 특성에 따른 기호에 맞는 개인화된 서비스가 요구된다. 사람의 위치 이동에 따른 동적인 다양한 서비스 제공을 위해서는 사용자의 개입을 최소화하여야 한다. 그리고 사용자 관심 여부에 맞춘 서비스 장치 및 동자 모드들이 자동적으로 결정되어야 할 것이다. 본 논문에서는 유비쿼터스 환경에서 사용자의 요구에 가장 근접한 맞춤형 서비스의 제공을 위하여 다음의 네 가지 단계로 분산 지능형 에이전트 기술을 제안한다. 첫째, 유비쿼터스 환경의 인프라구조인 스마트한 공간을 가상의 시뮬레이터로 설계하여 물리적 자원 및 컴퓨팅 객체 환경을 모델링 한다. 둘째, 분산된 에이전트들의 상호협력을 통한 서비스 목적 달성을 위해서 FIPA 표준안에 따르는 멀티 에이전트 기반 구조를 이용한 지능형 에이전트 기술을 연구한다. 셋째, 에이전트간의 메시지 통신을 이용하여 서비스 적용이 가능한 스마트 공간으로의 사용자의 위치 이동에 따른 이기종 환경에서의 자율적인 서비스 발견 및 구성 방안을 제안한다. 넷째, 휴대가 손쉬운 이동 장비에 사용자의 프로파일 정보를 저장함으로써 언제, 어디에서나 에이전트의 모니터링을 통한 개인화 서비스 방법을 연구한다. 따라서 일반적인 자동화된 서비스 구동 이상의 개인 특성에 맞는 고품질의 서비스를 제공한다.

본 논문에서는 패싯 분류에 기반하여 다차원 사용자 관점의 도메인 시소러스를 체계적으로 구축하고, 각 관점에 따라 시각화된 환경에서 시소러스를 브라우징, 항해 그리고 검색할 수 있는 다차원 관점객체기반 패싯 시소러스 시스템을 제안한다. 기존의 패싯 시소러스 시스템들과 달리, 본 시스템은 개념들간의 다각적인 상관 관계를 객체 지향 패러다임에 따라 자동으로 설정 구축할 수 있고, 브라우징과 항해를 통해 다차원 시소러스의 복잡한 개념 구조를 적절히 시각화할 수 있기 때문에, 시소러스의 유지 보수 관리가 용이하다. 다차원 브라우징 및 항해는 계층화된 패싯 용어들간의 조합으로 이루어진 패싯화된 시소러스를 필요시 동적으로 생성함으로써 이루어진다. 패싯화된 시소러스는 일종의 다차원 가상 시소러스 계층들로 볼 수 있다. 제안하는 방식에 의한 시소러스 자동 구축은 패싯들의 조합으로 새로운 차원의 시소러스를 용이하게 추가할 수 있기 때문에, 융통성 있는 시소러스 확장이 가능하고 대량의 시소러스 인스턴스들을 관점에 따라 적절한 해석을 부여하는 방식으로 구조화하기 때문에 개별적 사용자 관점에 부합되는 인스턴스들을 참조 질의에 의해 효율적으로 검색할 수 있다. 본 논문에서는 먼저 제안 시스템을 체계화하기 위한 모델을 정형화하고 이를 바탕으로 모델의 실용성을 입증하기 위해 그 프로토타입을 구현하였다.

교원정보화 연수는 연수내용과 연수의 운영 및 관리면에서 여러 가지 문제점을 가지고 있다. 정보화 연수 내용이 응용 소프트웨어 기능 위주의 매뉴얼 학습이 대부분이고, 비체계적이며 중복되는 내용들이 많았다. 또한 정보화 연수가 필수가 아니기 때문에 정보화 연수를 한번도 이수하지 않은 교사들도 있었다. 특히 교원 정보화 연수 및 교원정보활용능력인증제의 기준인 교원의 정보통신기술 활용 능력 기준(ISST)는 개정된 정보통신기술교육 운영지침과도 큰 차이를 보이고 있어 개정이 필요하였다. 본 연구에서는 현 교원 정보화 연수의 현황을 알아보고, 연수의 내용 및 운영상의 문제점을 ISST와 개정된 정보통신 기술교육 운영지침과 분석해 교원 정보화 연수 개선의 필요성을 제안하고자 한다.

좋은 분류기 앙상블은 분류기간에 상호 보완성을 갖추어 높은 인식 성능을 보여야 하며, 크기가 작아 계산 효율이 좋아야 한다. 이 논문은 이러한 목적을 달성하기 위한 거친-섬세한 (coarse-to-fine)단계를 밟는 분류기 앙상블 선택 방법을 제안한다. 이 방법이 성공하기 위해서는 초기 분류기 풀 (pool)이 충분히 다양해야 한다. 이 논문에서는 여러 개의 서로 다른 분류 알고리즘과 아주 많은 수의 특징 부분집합을 결합하여 충분히 큰 분류기 풀을 생성한다. 거친 선택 단계에서는 분류기 풀의 크기를 적절하게 줄이는 것이 목적이다. 분류기 군집화 알고리즘을 사용하여 다양성을 최소로 희생하는 조건하에 분류기 풀의 크기를 줄인다. 섬세한 선택에서는 유전 알고리즘을 이용하여 최적의 앙상블을 찾는다. 또한 탐색 성능이 개선된 혼합 유전 알고리즘을 제안한다. 널리 사용되는 필기 숫자 데이타베이스를 이용하여 기존의 단일 단계 방법과 제안한 두 단계 방법의 성능을 비교한 결과 제안한 알고리즘이 우수함을 입증하였다.

본 논문에서는 신경망을 이용하여 텍스타일 영상으로부터 인간의 감성을 인식할 수 있는 시스템을 제안한다. 자동감성인식 시스템의 구현을 위해 220장의 텍스타일 영상을 수집한 후, 일반인 20명을 대상으로 설문조사를 실시하였다. 이를 통해 텍스타일 영상에서의 패턴과 감성간의 상관관계, 즉 특정 패턴이 사람의 감성에 영향을 준다는 것을 발견하였다. 따라서 본 연구에서는 텍스타일 영상에 포함된 패턴의 인식을 위해 신경망을 이용하였으며, 이때 패턴 정보의 추출을 위해 두 가지 특징 추출 방법을 사용한다. 첫 번째는 auto-regressive method를 이용한 raw-pixel data extraction scheme(RDES)을 사용하는 것이고, 두 번째는 wavelet transformed data extraction scheme(WTDES)을 사용하는 것이다. 제안된 시스템의 유용성을 증명하기 위해서 실제 100장의 텍스타일 영상을 감성을 인식하는데 사용했다. 그 결과 RDES와 WTDES를 사용했을 때 각각 71%와 90%의 인식률로, WTDES를 사용했을 때가 RDES를 사용했을 때보다 더 좋은 성능을 보였다. 데이타 추출방법에 따라 다소 차이가 있었지만 전체적으로 약 81%의 정확도를 보였다. 이러한 실험 결과는 제안된 방법이 감성인식 기반으로 텍스타일 데이타를 검색 할 수 있는 시스템 및 다양한 산업 분야에 응용 가능함을 보여주었다.

지시 표현 '것'은 한국어 대화에서 자주 등장하는 표현이지만, 그 자체로서 대명사나 한정 명사구와 같은 지시 표현이 아니고, 비지시적인 표현으로 쓰이는 '것'과 구별되지 못했기 때문에 지시 해석(reference resolution)에 관한 기존 연구에서 제대로 다루어지지 못했다. 이러한 문제를 해결하기 위해 '것'이 가지고 있는 언어학적 속성과 담화 상의 속성을 기반으로 하여 자질 집합을 설정하고, 결정트리를 이용하여 '것'을 구별하는 방법을 제안한다. 이 방법에 의한 시스템은 비지시 표현의 것에 대해 92%, 지시표현의 것에 대해 82%의 F-measure를 보였으며, 전체적인 분류 성능은 89%였다. 이는 패턴에 따른 규칙을 적용한 분류 성능에 비해 약 15% 가량 향상된 결과이다.