W3C 웹 온톨로지 워킹그룹에서는 시맨틱웹을 위한 온톨로지 언어를 위해서 OWL을 개발하였다. 하지만 OWL은 시간에 대한 의미체계를 표현할 수 없기 때문에 시간 정보에 기반한 추론을 수행할 수 없다. 실세계의 개체들은 시간의 흐름에 따라 변하고 어떤 사건의 발생으로 인해 새로운 사실들이 생겨나고 있기 때문에 만약 지식베이스에 존재하는 지식이 시간 정보를 가지지 않는다면 불완전하고 부정확 해질 수 밖에 없다. 따라서 본 논문에서는 시맨틱웹에서 시간 정보를 표현하고 추론할 수 있도록 OWL을 시간에 대한 의미체계를 가지도록 확장한 온톨로지 언어인 TL-OWL올 제안한다.

최근 내장형 시스템이 점점 많은 분야에 사용되며, 시스템에 특화된 운영체제 커널에 대한 필요성이 커지고 있다. 하지만, 커널 개발은 코드의 복잡성 등의 이유로 말미암아 테스팅에 큰 비용이 소요됨에도 불구하고, 높은 신뢰성을 달성하기가 어려운 실정이다. 이러한 커널 개발 및 테스팅의 어려움을 극복하기 위해, 운영체제 커널의 동시성 오류 검출을 지원하는 모델 기반의 커널 테스팅 (MOKERT) 프레임워크를 제안한다. MOKERT 프레임워크는 주어진 C 프로그램을 Promela 정형 명세 모델로 변환하고 나서 Spin 모델검증기를 사용하여 검증하고, 검증반례가 생성된 경우, 이 검증반례를 실제 커널 코드에서 실행을 시켜서 진위를 확인한다. 본 연구에서는 MOKERT 프레임워크를 리눅스 proc파일시스템에 적용하여, ChangeLog에 보고된 오류가 실제로 자원경쟁문제를 일으킴을 확인하였을 뿐만 아니라, 커널 패닉을 일으키는 새로운 오류도 발견하였다.

국내 소프트웨어 시장은 소프트웨어 제품의 품질 불만과 수익성 악화라는 악순환의 고리에서 헤어나지 못하고 있다. 산업계 및 학계에서는 문제의 주된 원인이 소프트웨어 사업 초기의 불명확한 요구사항에 있음을 인식하고, 사업 초기부터 개발 범위 및 내용, 품질 목표 등을 명확히 설정하고 이를 요구사항 명세서에 충실히 반영할 것을 강조하고 있다. 본 연구에서는 보다 명확한 요구사항의 명세와 요구사항의 효과적인 관리를 위해 국내외의 다양한 형태의 요구사항 명세서를 분석하고, 이를 바탕으로 개발 범위의 명확화, 품질의 정량화, 요구사항들간의 연결/추적관리, 명세의 편이성이 제고된 요구사항명세 표준지침을 개발하였다. 제안하는 표준 병세서는 분할 발주 또는 일괄 발주 등 다양한 소프트웨어 사업 프로세스에 적용할 수 있는 장점이 있다.

산업 및 가전 제품에서 소프트웨어의 중요성이 커지면서 소프트웨어 재사용과 제품라인 방법론에 대한 관심이 높아지고 있다. 그러나 대부분의 제품라인 방법론은 초기 비용과 시간이 많이 들고 구체적인 절차나 성공 사례가 부족하여 산업체에서 적용하기에는 어려운 한계가 있다. 본 논문에서는 산업체에서 제품라인 기법을 쉽게 적용할 수 있도록, 기존에 개발된 소프트웨어 자산과 해당 도메인의 휘처모델을 활용하여 제품라인을 쉽게 구축할 수 있는 추출식 접근법의 구체적인 방법을 제시하고 이를 케이블 셋톱박스 소프트웨어에 적용한 사례를 소개한다. 또한, 제품라인으로의 전환 효과를 확인할 수 있는 평가 기준을 제안하고, 사례 연구를 통해 얻은 교훈을 정리하여 다른 산업 및 가전 제품의 소프트웨어에 적용할 수 있는 지침을 제공한다.

Viola와 Jones가 제안한 에이다부스트 얼굴 검출기는 속도와 정확도면에서 매우 훌륭한 성능을 보이고 있는 얼굴 검출기이다. 하지만 에이다부스트 얼굴 검출기에도 여전히 오검출이 발생하며, 이를 줄이기 위해서는 더욱 많은 계산이 필요하다. 에이다부스트 얼굴 검출기는 흑백 영상만을 사용하므로, 색상정보를 사용하면 더 적은 연산으로 오검출율을 낮출 수 있다. 본 논문은 얼굴 색상 정보를 이용하여 대상 영상에서 부 윈도우를 효율적으로 검색하고, 에이다부스트 얼굴 검출기의 첫 단계에 계산속도가 매우 빠른 얼굴 색상을 이용한 얼굴/비얼굴 분류기를 채용하여 더 빠른 얼굴 검출 속도와 더 낮은 오검출율을 달성할 수 있는 단계별 얼굴 검출 모텔을 제안하였다. 얼굴색상 필터링을 위해 정의된 얼굴색상 소속함수를 이용하여 얼굴색상 필터 영상과 그 누적영상을 계산한다. 누적 영상에 의해 빠른 속도로 임의의 부 윈도우의 밀도를 계산할 수 있다. 제안된 검색 방법은 이 색상 밀도에 기반하여 얼굴일 가능성이 없는 부 윈도우들을 생략하게 된다. 그리고 부 윈도우의 밀도를 이용한 얼굴/비얼굴 분류기는 단계별 얼굴 검출기의 앞단에서 얼굴이 아닌 부 윈도우를 빠르게 거절한다. 제안된 얼굴 검출 모델은 적은 계산으로 오검출율을 낮출 수 있었으며, 실시간 얼굴 검출 속도를 비약적으로 향상시킬 수 있었다.

RFID 기술은 바코드를 대체할 자동인식 기술로서 인식 속도가 빠르고 비접촉 방식으로 오염에 강한 장점을 가지고 있다. 그러나 RFID 기술의 대중화를 위해서는 선결되어야할 난제들이 있다. 이 중 본 논문에서는 다중 태그 식별 문제를 다룬다. 다중 태그를 인식하고 충돌을 방지하는 문제는 RFID 시스템의 성능에 직접적인 영향을 준다. 본 논문에서는 기존의 알고리즘들을 분석하고 개선하된 새로운 태그 충돌 방지 알고리즘을 제안한다. 제안된 알고리즘은 ALOHA 기반 알고리즘과 QT 기반 알고리즘의 하이브리드 형태로 분배와 인식 과정에 적합한 특성들을 혼합하여 구성하였다. 분배 과정에서는 ALOHA 방식을 이용하여 인식과정에서 한 프레임에 인식해야할 태그 수를 줄였다. 이는 Tree 의 깊이가 깊어져 지연을 일으키는 문제를 해결하였다. 인식 과정에서는 QT 기반 알고리즘을 이용하여, ALOHA 방식에서 모든 태그를 인식하지 못하는 문제를 해결하였다. 또한, 실제 RFID 환경을 분석하여 더 좋은 성능을 보이도록 태그ID 의 역순으로 인식하는 QTR 알고리즘을 적용하였다. 본 논문에서 제안하는 FQTR 알고리즘은 시뮬레이션 결과 기존의 알고리즘에 비해 뛰어난 성능을 보여주었다.

차트 파싱 알고리즘에서 left-corner와 look-ahead 정보를 이용하여 불필요한 중간 구조가 생성되지 않도록 함으로써 파싱 속도를 향상시키는 방법이 제안된 바 있다. left-corner와 look-ahead 정보를 이용할 경우 불필요한 중간 구조가 생성되지 않으므로 파싱 속도가 빨라지겠지만 이러한 정보를 유지 관리하고 참조하는 데 따른 추가 비용이 발생한다. 이러한 추가 비용이 발생함에도 불구하고 대규모 문법을 사용하여 파싱을 할 때에는 파싱 속도가 상당한 많이 향상되었다는 연구 결과가 있었다. 본 논문에서 는 소규모 문법을 사용했을 때 파싱 속도가 어느 정도 향상되는가를 관찰하는 실험을 하였다. 실험 결과 소규모의 문법에서는 파싱 속도 향상 정도가 상대적으로 낮았으며 left-corner 정보는 파싱 속도를 향상 시키는 것이 아니라 오히려 저해한다는 사실을 알 수 있었다.

오늘날, 대부분의 웹 페이지는 블로그영역에서 생성되고 기존의 웹 페이지 또한 블로그영역으로 전환되어가고 있다. 블로그 페이지는 트랙백연결, 블로거, 태그, 댓글과 같은 기폰 웹 페이지에는 존재 하지 않는 특징이 있다. 따라서 이러한 차이를 반영하지 않는 전통적인 웹 페이지 랭킹 알고리즘을 블로그 페이지에 단순히 적용하는 것은 효율적인 검색을 위해 적절하지 않다. 본 논문에서는 이러한 문제를 해결하기 위해 블로그 검색을 위한 "블로그-랭크" 알고리즘을 제안한다. 제안하는 알고리즘은 블로그의 구조적특징들을 활용하여 트랙백 연결성, 블로거의 명성, 사용자 반응성을 평가하고 이를 기반으로 블로그 페이지를 랭크 한다. 우리는 알고리즘의 검색효율성을 증명하기 위해 제안한 알고리즘을 적용한 블로그 검색 시스템을 구현하고 기존의 블로그 검색시스템과 검색효율성을 비교하였으며, 그 결과 블로그 랭크 알고리즘을 적용한 검색시스템이 기존의 검색시스템보다 더욱 뛰어난 검색효율성을 보임을 확인하였다.

C프로그램에서 발생할 수 있는 메모리 누수(memory leaks)를 실행 전에 찾아 주는 분석기를 제안한다. 이 분석기는 SPEC2000 벤치마크 프로그램과 여러 오픈 소스 프로그램들에 적용시킨 결과 다른 분석기에 비해 상대적으로 뛰어난 성능을 보여준다. 총 1,777 KLOC의 프로그램에서 332개의 메모리 누수 오류를 찾아냈으며 이 때 발생한 허위 경보(false positive)는 47개에 불과하다(12.4%의 허위 경보율). 이분석기는 초당720 LOC를 분석한다. 각각의 함수들이 하는 일을 요약하여 그 함수들이 불려지는 곳에서 사용함으로써 모든 함수에 대해 단 한번의 분석만을 실행한다. 각각의 함수 요약(procedural summary)은 잘 매개화 되어 함수가 불려질 때의 상황에 맞게 적용할 수 있다. 실제 프로그램들에 적용하고 피드백 받는 방법을 통해 함수가 하는 일중에 메모리 누수를 찾는데 효과적인 정보들만으로 추리는 과정을 거쳤다. 분석은 요약 해석(abstract interpretation)에 기반하였기 때문에 C의 여러 문법 구조와 순환 호출 (recursive call), 루프(loop)등은 고정점 연산(fixpoint iteration)을 통해 자연스럽게 해결한다.