정보기술은 통신 및 멀티미디어 기술의 발전에 힘입어 빠르게 발전하고 있으며, 이에 따른 디지털 콘텐츠에 대한 수요가 증가하였다. 디지털 콘텐츠 중 비디오 콘텐츠는 VOD, NOD, 디지털 도서관, IPTV, UCC 등 다양한 응용 분야에서 점점 확산되고 있다. 비디오 데이터는 순차적인 특성이 있으며, 시간과 공간정보가 결합한 3차원 데이터로서 계산 비용이 많이 드는 작업이기 때문에 검색이나 브라우징이 어렵다. 본 논문에서는 비디오 데이터를 구조화하는 동영상 내용 편집 도구(ATVC: Authoring Tool for Video Contents)를 제안한다. 동영상 내용 편집 도구는 비주얼 리듬을 이용하여 비디오 데이터에서 대표 프레임을 추출한 다음 XML을 이용한 태그 및 키워드 정보를 대표 프레임에 삽입하는 도구(Tool)이다. 비주얼 리듬은 3차원의 시공간적인 정보를 2차원으로 매핑한 정보로 IDCT과정 없이 픽셀 정보를 얻을 수 있어 처리속도가 빠르며 컷, 와이프, 디졸브 등의 편집 효과를 효과적으로 구분할 수 있다. 그리고 XML 데이터에는 태그 및 키워드 정보와 함께 대표 프레임의 정보까지 저장되므로 효율적인 브라우징을 제공할 수 있다.

이 논문은 유비쿼터스 환경에서 사용자의 서비스 조합 요구를 만족시키기 위한 오퍼레이션 단위의 태스크 조합 방법을 제안한다. 이 방법은 서비스 컴포넌트 아키텍처를 따르며 태스크 조합 시 시스템의 자동화를 위해 시맨틱 웹을 활용한다. 또한, 태스크 조합을 지원하기 위한 태스크 온톨로지(universal Task Ontology)에 대해 소개한다. 태스크 온톨로지 u-TO에서는 태스크 간의 계층구조를 표현하고, 태스크를 관점(View)에 따라 분류함으로써 사용자가 보다 쉽게 자신의 태스크를 정의하고 태스크를 수행할 수 있는 오퍼레이션을 검색하고 활용할 수 있도록 하였다.

대부분의 상황인식서비스는 공급자 또는 개발자에 의해 정의되고 있다. 그러나, 자신에게 무엇이 필요한지는 사용자가 가장 잘 알 수 있기 때문에, 사용자가 스스로 필요한 상황인식서비스를 정의할 수 있게 해주는 방법도 중요하다. 우리의 생활공간이 지능공간으로 변화되어 감에 따라 개인화된 상황인식서비스의 정의 수단은 더욱 중요해질 것이다. 본 논문은 사용자의 일상생활을 기록한 데이터로부터 유용한 서비스를 추출해주는 새로운 서비스 정의방법 CASPER를 소개한다. CASPER는 사용자의 생활 기록에 나타난 사건의 인과관계를 분석함으로써 유용한 서비스를 생성해주는 효과가 있다. 본 논문은 CASPER의 알고리즘과 그 유효성 검증 실험에 대해 설명한다.

본 논문은 최대 엔트로피 모형에 기반한 두 단계 부분 의미 분석 방법을 제안한다. 먼저, 의미 논항의 경계를 인식하고, 그 다음 단계에서 확인된 논항에 적절한 의미역을 할당한다. 두 단계 부분 의미 분석에서는 두 번째 단계인 논항 분류가 논항 확인 단계의 결과에 기반하여 수행되기 때문에 논항 확인의 성능이 매우 중요하다. 본 논문은 논항 확인의 성능을 향상시키기 위하여 논항 확인의 전처리 단계에 구문 지식을 통합한다. 구체적으로, 절 인식 결과로부터 술어의 인접절 및 상위절들을 확인하고, 구문 분석 결과로부터 술어의 부모 노드로부터 구문 구성 요소의 부모 노드까지의 트리 거리를 추출하여 전처리 단계에서 활용한다. 실험을 통해, 구문 지식을 활용하는 것이 부분 의미 분석 성능에 기여함과 제안하는 두 단계 방법이 한 단계 방법보다 우수한 성능을 낼 수 있음을 보인다.

최근 차량 소프트웨어의 신뢰성 및 재사용성 향상을 위하여 AUTOSAR 표준을 제정하였다. 그러나 소프트웨어의 표준화만으로는 높은 수준의 신뢰성 확보와 개발 기간 단축에 한계가 있으며, 소프트웨어 테스팅 표준화 및 자동화가 필요하다. 본 연구에서는 TTCN-3 테스트 표준을 적용한 AUTOSAR 소프트웨어 컴포넌트를 위한 테스트 자동화 방법 및 테스트 시스템을 제안하였다. 테스트 표준을 적용함으로써 테스트에 관련된 정보 교환 및 의사소통이 명확해 지고, 테스트 재사용성을 향상시킬 수 있다. 그리고 설계 모델로부터 테스팅 모델을 자동 생성함으로써 개발 기간 단축 및 신뢰성을 향상시킬 수 있다.

본 논문에서는 모바일 폰에서 오프라인 필기체 과분할 인식의 후처리 방법에 관하여 논하였다. 제안된 방법은 조합 행렬 생성, 문자 조합 필터링, 문자 유사도 측정으로 구성된다. 조합 행렬 생성 과정은 각각의 조각의 인식 결과로부터 생성가능한 모든 조합 행렬을 계산하는 부분이며 조합 행렬을 그래프로 구성하게 된다. 문자 조합 필터링 과정은 그래프의 노드들과 단어 사전을 비교하여 불필요한 노드를 삭제하는 과정이며 문자 유사도 측정과정은 단어 사전의 각각의 단어들과 Levenshtein 거리(distance)를 계산하여 최적의 후처리 결과를 추출하게 된다. 제안된 방법의 인식률은 85.8%의 정확도를 보였다.

단백질 2-DE 이미지 분석에서 단백질 자체가 가지고 있는 불안정성과 2-DE 실험이 가지고 있는 근본적인 문제점으로 인하여 이미지 스팟 매칭 분석의 정확도가 낮아지게 된다. 이 논문에서는 다중 참조이미지를 사용하여, 스팟 매칭 패턴의 정확도에 큰 영향을 주는 이미지 찌그러짐을 보완하고, 그에 따른 노이즈 스팟 제거와 참조 이미지 품질에 의한 정확도 저하를 최소화하는 방법을 제안하였다. 또한 2-DE 이미지의 데이터 특성에 의하여 이미지 수가 증가할 때 성능이 급격히 떨어지는 문제를 해결하기 위하여, 다중 참조이미지를 사용하여 구축한 스팟 매칭 데이터베이스를 이미지의 생물학적 특성에 의하여 "분할 및 확장" 방법을 사용하여, 정확도를 향상시키는 동시에 패턴 길이를 보장하는 스팟 매칭 패턴을 효과적으로 생성하였다. 실험에서는 실제 인간 2-DE 이미지 데이터를 사용하여 제안한 방법의 타당성을 보여준다.

멀티 홉을 이용하는 무선 센서 네트워크에서는 환경적 요인과 노드의 하드웨어적 제약으로 인해 링크의 품질변화가 불규칙하게 일어난다. 이러한 불규칙성에 대응하여 적절한 경로를 선택하지 못한다면 데이터의 손실이 빈번하게 일어날 수 있다. 기존에는 비컨을 주기적으로 브로드캐스팅하여 링크의 품질을 측정하였지만, 이 기법은 불규칙하게 변화하는 링크의 품질을 효율적으로 측정할 수 없다. 본 논문에서는 네트워크의 상태에 따라 링크의 품질 측정 주기를 적응적으로 측정하는 기법을 제안한다. 링크의 품질이 변화할 때 민첩하게 변화에 대응하여 패킷 손실을 줄이고 변화가 없을 때는 긴 주기로 링크 품질을 측정하여 에너지 소모를 줄이고자 한다. 실험을 통하여 제안된 기법이 기존에 제안된 기법보다 에너지 효율 및 패킷 수신율을 향상시킬 수 있음을 확인하였다.

센서 네트워크의 수명을 향상 시키기 위해 모바일 싱크 기술을 이용하는 다양한 기법이 연구되고 있다. 모바일 싱크를 이용한 대표적인 연구로 트랙기반 모바일 싱크 운용 기법과 앵커 포인트기반 모바일 싱크 운용 기법이 있다. 이러한 기법들은 질의 발생 위치, 데이터 중요도 등과 같은 네트워크 환경을 고려하지 않은 고정적인 경로 기반으로 하여 QoS(Quality of Service)를 감소시키고, 경로 인근에 전송 핫스팟을 야기시켜 네트워크 수명을 감소시킨다. 본 논문에서는 기존 기법들의 문제점을 해결하는 모바일 싱크 운용 기법을 제안한다. 제안하는 기법에서는 데이터의 중요도를 고려하여 모바일 싱크의 탐색 우선순위를 결정하여 QoS를 높이고, 모바일 특성을 최대한 활용하여 라우팅 핫스팟을 최소화 시킨다. 성능평가 결과 기존 기법에 비해 평균 질의 응답시간을 감소시키고, 네트워크 수명이 연장됨을 보였다.

본 논문에서는 기존 유스케이스 점수 기법의 공수 예측 정확도 향상을 위해 유스케이스 트랜잭션을 기반으로 한 공수 예측 기법을 제안한다. 유스케이스 점수 기법은 소프트웨어 유스케이스 모델을 기반으로 하는 공수 예측 기법으로서 객체 지향 소프트웨어 개발 프로젝트에서 사용되고 있다. 그러나 유스케이스 점수는 트랜잭션의 개수를 규모 산정의 단위로 활용하여 트랜잭션 별 구현 공수의 차이를 반영할 수 없고 트랜잭션 수의 범위에 따라 유스케이스의 규모를 결정함으로써 상이한 트랜잭션 수를 갖는 유스케이스들이 공수 예측 시 동일한 크기로 반영되어 상세수준에서의 문제를 갖는다. 이런 한계점들은 부정확한 공수 예측을 야기하여 프로젝트의 성공률을 저해하는 요소가 될 수 있다. 이를 개선하기 위해 본 논문에서는 공수 예측 시 트랜잭션을 단위 연산으로 세분화하고, 각 연산에 대한 복잡도를 활용하여 규모를 산정하는 트랜잭션 점수 기법을 제안하고자 한다.

클래스 수준 뮤테이션 분석(class-level mutation analysis)의 경우, 동등 뮤턴트(equivalent mutant)는 전체 뮤턴트들의 개수에서 많은 비중을 차지하기 때문에 동등 뮤턴트의 검출은 뮤테이션 수행 비용 절감에 매우 중요하다. 하지만 현재까지 클래스 수준 뮤테이션을 대상으로 동등 뮤턴트를 검출하는 연구는 미미한 실정이다. 본 논문에서는 클래스 수준 뮤테이션을 대상으로 의존성 그래프(dependency graph)를 이용하여 동등 뮤턴트를 검출하기 위한 기법을 제안한다. 제안한 기법은 인트라-클래스(intra-class) 수준에서 정적분석을 수행함으로써 인트라-메소드(intra-method) 수준의 분석 방법을 사용하는 기존의 연구들이 검출할 수 없었던 클래스 수준 동등 뮤턴트를 검출할 수 있었다.

임베디드 소프트웨어는 하드웨어 소프트웨어의 결합력이 매우 높기 때문에 전체 시스템에 대한 사용 시나리오 기반의 블랙박스 테스트가 주로 수행된다. 본 논문은 블랙박스 테스트로 발견된 결함에 대한 디버깅이 쉽지 않음에 착안하여 테스트와 디버깅 활동 연계를 지원하는 자동화 방안을 제안한다. 제안하는 방안은 테스트 결과로부터 결함 원인과 위치 추적이 가능한 디버깅 전략을 수립하는 방안과 이를 기반으로 이뮬레이터 환경에서 자동 수행되는 테스트 스크립트 자동 생성하는 방안으로 구현된다.

최근 들어 소프트웨어의 복잡도와 규모의 증가와 함께 테스트의 중요성 또한 증대되고 있다. 테스트는 QA(Quality Assurance) 기간에 한정되지 않고 개발 기간에 꾸준히 적용 되어 자주 수행될수록 높은 품질 향상을 기대할 수 있다. 하지만, 지금까지 대다수의 테스트는 QA과정에 국한 되어 반복적이고 비 능률적인 매뉴얼 테스트 방법을 위주로 진행 되고 있다. 이는 코드 변경에 대해 효과적으로 회귀 테스트(Regression Test)를 수행할 수 없음을 의미하며 결과적으로 테스트를 자주 수행할수록 비용이 급격하게 증가하는 문제점을 가지고 있다. 본 논문에서는 이러한 문제점을 극복하기 위한 테스트 자동화 프레임워크(Framework)를 제안하고자 한다. 제안된 테스트 프레임워크는 테스트 테이블을 바탕으로 테스트를 가시적으로 설계할 수 있는 기능을 제공하며 스크립트 및 코드 작성을 최소화하여 적은 비용으로 빠른 시간 안에 테스트 자동화를 구현할 수 있도록 도와준다.

본 논문에서는 선형 추세 제거 서브시퀀스 매칭을 정의하고, 이를 효율적으로 수행하기 위한 인덱스 기반 해결책을 제안한다. 이를 위해, 먼저 윈도우 자체의 선형 추세가 아닌 해당 윈도우를 포함하는 서브시퀀스의 선형 추세를 제거하여 얻은 새로운 윈도우인 LD-윈도우 개념을 제시한다. 다음으로, LD-윈도우를 이용하여 제안하는 인덱스 기반 해결책의 이론적 근거인 하한 조건을 제시하고, 이를 정형적으로 증명한다. 이러한 하한 조건에 기반하여, 본 논문에서는 또한 인덱스 구성 및 서브시퀀스 매칭 알고리즘을 각각 제안한다. 마지막으로, 실험을 통해 제안하는 인덱스 기반 해결책의 우수성을 입증한다.

본 논문에서는 자동화 컨테이너 터미널에서 컨테이너를 운반하는데 사용되는 무인 운반 차량(AGV)의 교통흐름을 동적으로 최적화하는 방안을 제안한다. 터미널 환경은 다수의 차량이 한정된 영역 내에서 주행하므로 높은 생산성을 위해서는 차량 사이의 간섭 및 병목현상을 최소화하도록 교통흐름을 제어해야 한다. 제안 알고리즘은 터미널 환경의 동적 변화에 대응하여 유전알고리즘을 이용하여 AGV의 교통흐름을 최적화한다. 알고리즘의 속도향상을 위해 이전에 수행한 최적화 결과를 활용하는 방안이 시도되었다. 시뮬레이션 실험을 통해 제안 알고리즘의 성능을 확인하였다.

본 논문에서는 모바일 폰 터치스크린에서 허프 변환(hough transform) 방법을 이용한 반자동식 정점(vertex) 검출 알고리즘을 제안한다. 제안하는 방법은 사용자의 입력 위치를 기준으로 작은 범위의 ROI(region of interest) 영역 내에서 한정된 매개변수 범위를 탐색하는 허프 변환을 수행함으로써 빠른 처리속도를 보인다. 또한 허프 변환을 통해 검출된 후보직선 중에서 사용자 입력 위치와 가까운 두 직선을 선택함으로써 영상의 잡음으로 인해 잘 못 검출된 후보 직선을 제거할 수 있다. 그리고 검출된 두 직선의 교점을 정점으로 검출함으로써 초기 정점 선택을 위한 입력 이외의 추가적인 상호작용 과정 없이 정확한 정점을 검출할 수 있다. 결과적으로 본 논문에서는 실험을 통해서 제안하는 알고리즘이 센싱 정밀도가 낮은 터치스크린(평균 센싱 오류: 6.3픽셀)에서의 부정확한 입력(5.7 픽셀)에도 1.4픽셀 정도의 정확한 정점 검출 성능을 보이는 것을 확인할 수 있었다.

본 논문에서는 부울 함수 간략화에 사용되는 Karnaugh Map 기법 학습을 위한 지능형 튜토링을 지원하는 GBL(Game based learning) 콘텐츠를 제안한다. 이 GBL 콘텐츠는 게임 기반 학습과 지능형 튜토링 시스템이 가지고 있는 장점을 결합하여 게임 요소를 통하여 학습자의 흥미를 이끌어 학습에 몰입할 수 있도록 하고, 지능형 튜토링 모듈을 통하여 몰입감을 해치지 않는 수준에서 적응적 피드백을 제공한다. 본 콘텐츠의 학습 효과를 검증하기 위해 실제 학습 환경에서 실험 집단과 통제 집단의 학업성취도를 비교한 결과 유의미한 차이를 확인할 수 있었다.

본 논문에서는 학습 패러다임의 변화에 따른 효과적인 학습을 제공하기 위해 Learning Design (LD) 기반 학습관리시스템에서 전단부 엔진인 LD Publication 엔진을 설계하고 구현하였다. LD Publication 엔진은 LD 기반으로 작성된 학습 콘텐츠 패키지를 분석하고 학습활동을 기술한 정보파일의 구문과 의미를 분석하여 모델화한다. 모델화된 데이터는 학습관리시스템에서 효과적으로 접근 가능한 형태로 단편화하여 데이터베이스에 영속한다. LD 기반 학습관리시스템은 학습 효과와 학습자 편리성을 제공하여 높은 학습 성과를 가져올 수 있도록 도와준다. 그리고 학습 콘텐츠의 재생산, 재사용, 공유를 통한 콘텐츠 개발의 활성화를 도모하고 인프라 확대에 기여할 것이다. 또한, 학습자의 역량, 성향 그리고 학습이력 등을 연계가 가능하도록 설계되어 시스템의 확장이 용이하다.

본 논문은 이차 변형을 이용하여 캐릭터 동작을 만화적으로 과장하는 방법을 소개한다. 기존의 캐릭터 동작 과장 기법이 각 관절의 회전각 운동 곡선을 독립적으로 과장한 것과 달리, 우리는 캐릭터의 전체적인 포즈를 이차 변형으로 모델링하고 이를 과장함으로써 캐릭터 전체의 움직임이 과장되는 효과를 낼 수 있었다. 제시한 방법은 실시간에 빠르게 계산될 수 있으며 관절이 불안정한 방향으로 꺾이는 등의 부작용이 상대적으로 적다.

일반적으로 대부분의 사람들은 많은 수의 디지털 사진을 관리하기 위해서, 이벤트 혹은 날짜에 따라 각 사진들을 폴더별로 분류하는 방법을 사용한다. 그러나 관리해야할 사진의 개수가 수백에서 수천 장으로 증가함에 따라, 사진 관리에 많은 시간과 비용이 소모된다. 본 논문에서는 촬영 시각과 사진의 색상 차이를 이용하여, 유사한 사진들을 서로 가깝게 배치하는 2D 격자 공간 기반의 사진 관리 시스템을 제안한다. 그리고 2차원 격자 공간에 배치된 각 사진들을 계층적으로 클러스터링 함으로써, 사용자가 원하는 수준의 세부 단계별 분류 기능을 지원한다. 제안한 시스템의 성능을 평가하기 위해서, 배치된 사진들에 대한 시간 일관성과 사용 공간 효율성을 측정하였다.

본 논문에서는 스마트 폰, PDA와 같은 모바일 장치에 있는 카메라 기기를 이용한 손동작 제스처 인터페이스를 위한 손 움직임 추적 방법을 제안하고 이를 바탕으로 한 손 제스처 인식 시스템을 개발한다. 사용자의 손동작에 따라 카메라가 움직임으로써, 전역 optical flow가 발생하며, 이에 대한 우세한 방향 성분에 대한 움직임만 고려함으로써, 노이즈에 강인한 손움직임 추정이 가능하다. 또한 추정된 손 움직임을 바탕으로 속도 및 가속도 성분을 계산하여 동작위상을 구분하고, 동작상태를 인식하여 연속적인 제스처를 개별제스처로 구분한다. 제스처 인식을 위하여, 움직임 상태에서의 특징들을 추출하여, 동작이 끝나는 시점에서 특징들에 대한 분석을 통하여 동작을 인식한다. 추출된 특징점을 바탕으로 제스처를 인식하기 위하여 SVM(Support vector machine), k-NN(k-nearest neighborhood classifier), 베이시안 인식기를 사용했으며, 14개 제스처에 대한 인식률은 82%에 이른다.

최근 문서 표절이 사회적 이슈가 되면서 문서간 유사도를 검사하는 시스템의 필요성이 대두되었다. 이에 따라 문서 유사도 검사 시스템에서의 중요한 요소인 검사 속도와 정확도를 충족시키기 위한 연구가 진행되고 있다. 본 논문에서는 유사 문서 탐색 시스템에서의 성능을 향상시키기 위해 전역 사전이라는 모델을 사용한 전처리 방법을 제시한다. 전역 사전이란 탐색 대상 문서군에서 사용된 모든 단어의 정보를 포함한 것으로, 유사한 문서가 어느 문서인지 빠르게 파악하는 데에 사용한다. 시스템에서 이 모델을 적용하는 방법에 대해 기술하고, 실험을 통해 각 방법의 전처리 성능을 분석하여 최적화된 문서 전처리 방법을 찾아낸다. 결과적으로 검사 대상 문서가 20,000건 이상인 경우에도 검사 대상 문서의 개수를 50개 이하로 획기적으로 줄여서 전체 시스템의 성능을 크게 향상시킬 수 있다는 것을 알 수 있었다.