사전정보는 클러스터링 성능을 유도할 수 있는 요인이지만, 활용 방법에 따라 차이는 발생한다. 특히, 사전정보를 초기 중심으로 활용할 때, 사전정보 간 유사도에 대해 고려하는 것이 필요하다. 레이블이 같더라도 낮은 유사도를 갖는 사전정보로 인해 초기 중심 설정 시 문제가 발생할 수 있기 때문에, 이들을 구분하여 활용하는 방법이 필요하다. 따라서 본 논문은 낮은 유사도를 갖는 사전정보를 구분하여 문제를 해결하는 방법을 제시한다. 또한 유사도에 의해 구분된 사전정보는 다양하게 활용함으로써 생성되는 다양한 클러스터링 결과를 연관규칙에 기반하여 앙상블 함으로써 통합된 하나의 분석 결과를 도출하여 클러스터링 분석 성능을 더욱 개선시킬 수 있다.

기존의 번호판 검출 기법들은 대부분 일정한 거리와 방향에서 촬영되어 번호판의 크기가 유사하고, 배경이 단순한 차량 전면 영상에 적용되는 한계를 가지고 있어서 번호판의 위치가 변하거나 조명 혹은 크기의 변화에 매우 취약하다. 본 논문에서는 이러한 기존 기법들의 문제점들을 극복하기 위하여 에지기반 영역확장 기법을 사용하는 번호판 검출기법을 제안한다. 1단계에서는 입력영상에서 예지영상을 얻고 번호판의 기하학적 특성을 갖는 에지 영역들을 검출하여 이들을 번호판 검색영역으로 정한다. 검색영역의 에지들을 기반으로 주변의 화소들을 색상을 기반으로 영역확장을 통해 분할하여 번호판의 기하학적 특성을 만족하는 영역들을 번호판 후보영역으로 정한다. 후보영역들은 자동차의 조명등과 같은 구조물과의 위상특성을 고려하여 최종결정한다. 본 논문에서 제안하는 기법은 번호판의 문자가 검출되지 않는 경우에도 번호판 위치의 검출이 가능하고 특히 작은 크기의 번호판 검출에 유리하며, 크기와 상관없이 번호판을 검출할 수 있음을 실험을 통해 입증하였다.

인간이 최소 에너지를 소비하면서 자연스럽고 안정된 상태로 보행한다는 것에 착안하여, 본 논문은 인간 보행의 COG 궤적을 분석함으로써 인간형 이족로봇의 자연스러운 보행에 관한 연구를 수행한다. 이를 위해서 본 논문은 ssgittal plane과 frontal plane상의 보행 영상으로부터 계측된 COG 궤적을 고려함으로써 안정적이고 에너지를 최소화하는 자연스러운 이족로봇의 보행 패턴을 생성한다. 인간과 이족 로봇은 기구학적인 형태는 유사하지만 자유도에 있어 많은 차이를 의이기 때문에 추출된 인간 관절의 회전력을 이족로봇에 바로 적응할 수 없다. 본 논문에서는 인간의 보행패턴으로부터 계측된 각 관절의 회전력과 인간의 COG 궤적으로부터 계산된 ZMP을 이용하는 적응적 보행 패턴 생성 GA 알고리즘을 통해 5-link 이족로봇 모델의 보행패턴을 생성한다. 제안된 알고리즘은 인간의 각 관절의 회전력과 ZMP 궤적을 고려하기 때문에 인간과 같이 유연하고 에너지 소비를 최소화하는 인간형 이족로봇의 보행패턴을 생성한다. 본 논문은 역기구학을 이용한 일반적인 방법과 제안하는 방법에 의해 생성된 보행 패턴을 각각 5-link 이족로봇 모델에 적용하여 시각적인 측면과 에너지 효율측면에서 평가함으로써 제안하는 알고리즘의 우수성을 입증하였다.

모바일 환경에서 지능형 서비스를 제공하기 위해서는 사용자의 성향이나 행동패턴 둥의 컨텍스트 정보를 효과적으로 분석하여 사용자의 의도나 요구사항을 예측할 필요가 있다. 본 논문에서는 모바일 디바이스에 축적된 불확실한 로그 정보에서 컨텍스트 정보를 추론하고, 이를 효과적으로 서비스와 매칭해 주기 위한 컨텍스트 트리 기반 사용자 행동 추론 방법을 제안한다. 이 때 불확실한 컨텍스트 정보를 효과적으로 추론하기 위해 베이지안 확률 접근 방법을 채택하였으며, 컨텍스트 트리는 수학적인 방법만으로는 다룰 수 없는 비 수치적인 컨텍스트를 효과적으로 활용하기 위해 선택한 구조이다. 그리고 제안하는 방법을 지능형 전화상대 추천 서비스에 적용하여 유용성을 검증하였다.

온톨로지의 크기가 대형화됨에 따라, 온톨로지 내부 구조는 점점 복잡해지고 있다. 따라서 온톨로지 구축과정에서 발생하는 여러 가지 논리적 오류를 찾아내어 수정하는 것은 매우 어려운 작업이 되고 있다. Minerva[1]는 OWL로 작성한 온톨로지 중 논리적 오류를 갖는 개념들을 자동으로 탐지하고, 개념간의 계층 관계를 추론하기 위해 개발된 온톨로지 추론 엔진이다. Minerva를 포함한 대부분의 서술 논리 기반의 온톨로지 추론 엔진은 태블로 알고리즘(Tableau Algorithm)을 기반으로 동작한다. 태블로 알고리즘을 그대로 적용할 경우 시간 및 공간 복잡도가 상당히 높아지기 때문에 다양한 최적화 기법이 필요하다. 본 논문에서는 태블로 알고리즘을 사용하는 온톨로지 추론 엔진의 속도를 향상시키는 최적화 기법들을 제안한다. 제안한 기법들은 선행 연구로서 이미 개발된 온톨로지 추론엔진 Minerva에 적용되어 성능향상을 이끌어 내었다.

본 논문에서는 다양한 장애를 가진 사용자들을 위한 지능형 휠체어의 인터페이스를 제안한다. 제안된 시스템의 주된 목적은 전동휠체어의 조이스틱을 사용하기 힘든 장애인들에게 효율적인 인터페이스를 제공함으로써 그들의 안전한 이동성을 보장하여 독립적인 삶을 이끌어 나갈 수 있도록 하는 것이다. 이를 위해 제안된 시스템은 사용자의 얼굴 기울기를 인식하여 휠체어의 회전을 수행하고 입 모양을 인식하여 휠체어의 전진과 정지를 수행 한다. 이러한 얼굴 특징을 인식하기 위해 제안된 시스템은 얼굴 특징 검출기, 얼굴 특징 인식기, 전환기로 구성된다. 얼굴 특징 검출기는 Adaboost를 이용하여 얼굴 영역을 먼저 검출한 후 에지 정보를 이용하여 입 영역을 검출한다. 검출된 결과들은 얼굴 특징 인식기에저 statistical analysis와 K-means clustering을 이용하여 얼굴 각도와 입 모양을 인식한다. 전환기는 인식된 결과들을 휠체어의 모터를 제어하기 위한 명령어로 변환하여 사용자의 얼굴 및 입의 움직임으로 휠체어를 제어할 수 있도록 한다. 제안된 지능형 휠체어의 효율성을 증명하기 위하여 34명의 사용자를 대상으로 다양한 환경에서 실험한 결과 제안된 시스템은 전동 휠체어의 조이스틱을 사용 할 수 없는 장애인들에게 편리한 이동성을 제공하며, 보다 편리하고 친숙한 인터페이스로 사용 될 수 있음을 보여 주었다.

본 논문에서는 뉴스 기사 분할 관점에서, 뉴스 비디오 샷 경계 탐지 알고리즘의 특성을 고려한 다음과 같은 설계 기준을 제시하고, 이를 모두 만족하는 새로운 샷 경계 탐지 알고리즘을 제안하고자 한다. 1) 뉴스 비디오 샷 경계 탐지의 재현율을 높임으로써, 앵커 샷 탐지 단계에서 입력으로 사용될 데이타의 오류를 최소화한다; 2) 급격한 장면 변환과 점증적 장면 변환을 하나의 알고리즘으로 탐지함으로써 한번의 데이타 탐색으로 샷 분할을 수행한다; 3) 분할된 샷들을 정적 샷과 동적 샷으로 분류함으로써 앵커샷 탐지 단계의 탐색 공간을 축소한다. 제안된 뉴스 비디오 샷 경계 탐지 알고리즘은 특이간 분해를 기반으로 점증적 클러스터링 알고리즘과 머서 커널을 결합한 구조로서, 위에서 제시한 기준을 모두 만족하도록 설계되었다. 제안된 방법론은 특이간 분해를 통해 특징 벡터의 차원축소 뿐만 아니라, 뉴스 비디오를 구성하는 연속적인 프레임에서의 잡음과 아주 작은 변화를 제거함으로써 분류 성능을 높일 수 있다. 또한 머서 커널의 도입은 쉽게 분류되지 않는 데이타를 고차원 공간으로 매핑함으로써 구분하기 어려운 샷 경계의 탐지 가능성을 높여준다. 실험을 통하여 제안된 방법론이 매우 높은 재현율을 보이며, 앵커 샷 탐지를 위한 탐색 공간 축소를 효과적으로 수행함을 보인다.