• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.187-190
• /
• 2000

전형적인 멀티미디어 시스템은 클라이언트-서버 구조로 이루어지고 있다. 사용자의 요청에 따라 요청된 데이터를 갖고 있는 적절한 서버를 찾는 방법을 확장성 있게 지원하기 위해 계층적 관리 구조가 제시되었다. 이 접근방법에서는 중간 계층에서 영역 관리자가 사용자의 요청을 전달해 줌으로 인해서, 사용자 요청에 대한 거부 확률을 효과적으로 줄일 수 있다. 그러나 load balancing 을 이루기 위한 계층적 관리 구조에서는 정적 복제 방식을 사용함으로 인해서 사용자 요청에 대한 거부 확률이 최소화되지 못하였다. 따라서, 본 연구에서는 계층적 관리구조에 멀티미디어 데이터가 요청되는 패턴에 따라 동적으로 변화하는 동적 복제 방식을 도입할 것을 제안하고, 실험을 통하여 제안된 방법은 기존의 방법과 비교하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.49-51
• /
• 2004

데이터 그리드를 위한 기존의 복제 정책은 계층적 구조를 기반으로 하고 있기 때문에 상위계승에서 하위계층으로만 데이터를 복제할 수 있어 비효율적이다. 따라서 본 논문에서는 기존 데이터 그리드의 계층적 구조에 P2P(Peer-to-Peer)시스템을 적용하여 효율적으로 복제본을 유지할 수 있는 새로운 복제 정책을 제안한다. 이 정책의 특징은 클라이언트 노드의 저장 공간 일정 부분을 임계 구역(critical section)으로 지정하여 데이터 조작을 방지함으로써 클라이언트 노드도 데이터 복제본을 저장할 수 있는 기능을 가지도록 한 것이다. 따라서 계층적 구조에서 상위 계층뿐만 아니라 동일 계층 또는 클라이언트 노드들 간의 데이터 전송이 가능하기 때문에 데이터 그리드의 성능을 향상시킬 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.11a
• /
• pp.91-92
• /
• 2010

계층적 부호화 구조는 H.264/AVC의 부호화 효율을 최대화하고 시간적 스케일러빌리티를 지원하는 등 다양한 장점을 제공한다. 이러한 구조에서 비트 할당 및 비트율 제어 기술은 비디오 코덱의 성능을 향상시킬 수 있는 중요한 요소들이다. 기존의 비트율 제어 기술에서는 계층적 구조의 특성을 고려하지 못한 비트율-양자화 모델을 사용하여 비디오 코덱의 성능을 최적화하기에 어려움이 있었다. 따라서, 본 논문에서는 계층적 구조에서도 효율적으로 비트 할당 및 비트율 제어를 할 수 있도록, 기존보다 향상된 비트율-양자화 모델을 제안한다. 그리고 실험을 통하여 제안하는 비트율-양자화 모델이 기존 기술에 비해 정확함을 보인다.

• Journal of Broadcast Engineering
• /
• v.9 no.3
• /
• pp.207-213
• /
• 2004

The layered depth image (LDI) is an efficient approach to represent three-dimensional objects with complex geometry for image-based rendering (IBR). LDI contains several attribute values together with multiple layers at each pixel location. In this paper, we propose an efficient preprocessing algorithm to compress depth information of LDI. Considering each depth value as a point in the two-dimensional space, we compute the minimum distance between a straight line passing through the previous two values and the current depth value. Finally, the minimum distance replaces the current attribute value. The proposed algorithm reduces the variance of the depth information , therefore, It Improves the transform and coding efficiency.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.251-254
• /
• 2005

계층적 개념구조는 대상 도메인으로부터 지식을 표현하는데 있어서 간결하면서도 효과적으로 개념간의 구조를 설명하기 위해 사용되고, 데이터의 구조화와 요약을 제공하며 필요한 정보의 수월한 접근을 제공하기 위해 널리 적용되고 있다. 그러나, 대상도메인으로부터 계층적 개념구조를 구축하기 위해서는 많은 시간과 노력이 요구된다. 따라서 계층적 개념구조를 효율적으로 구축하기 위한 체계가 필요하다. 본 논문에서는 계층적 개념구조를 체계적으로 구축하기 위한 형식개념분석기법(FCA, Formal Concept Analysis)을 토대로, Many-valued context와 Scaling을 자동화하기 위한 도구로써 본 연구에서 개발된 FCA Wizard를 소개한다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.11A
• /
• pp.1889-1896
• /
• 2001

This paper proposes the hierachically regularized motion estimation technique for the efficient and accurate motion estimation. To use hierachical technique increases the reliability of motion vectors. And the regularization of neighbor vectors decreases bit rate of motion vectors. Also, using fast motion estimation algorithm with a few candidate vectors, the processing time added by regularization can be decreased. In the result of the experiment, the fast motion estimation with hierachical regularization technique achieves less computations and decreases estimation and distribution of false vectors.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.828-830
• /
• 2010

IPTV 환경에서는 콘텐츠를 수신하는 디바이스가 여러 종류가 있더라도 한번의 인코딩으로 콘텐츠 제공을 할 수 있는 Video Coding 기술인 SVC(Scalable Video Coding) 기술이 제공된다. SVC의 특징으로는 콘텐츠를 여러 계층으로 나뉘어 하나의 Base 계층과 여러 개의 Enhancement 계층을 가지게 되는데 상위계층은 하위 계층에 대해 더 추가적인 정보를 담고 있기 때문에 더 많은 계층이 전송될수록 데이터의 품질이 좋아지게 된다. 이러한 IPTV SVC환경의 그룹관리에 대해서 SVC의 특징인 계층간 순차적 관계를 적용한 안전한 사용자 그룹의 구성과 빈번한 가입과 탈퇴에 대해서 효율적인 그룹키 갱신에 대한 방법이 필요하다. 따라서 본 논문에서는 SVC의 특징인 계층간 순차적 관계를 지키는 사용자 그룹을 구성하고, 빈번한 가입/ 탈퇴에 대해서 효율적으로 처리하기 위한 일괄적인 그룹 키 갱신방법을 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2006.10e
• /
• pp.109-116
• /
• 2006

자연 언어의 각 어휘는 서로 관계를 가지고 계층적 입체적 모델로 존재한다. 이러한 전제에서 출발한 연구 가운데 대표적인 것이 의미 계층이다. 본고에서는 한국어 형용사의 의미 계층을 추출하는 것을 목표로 하여, 형식적 객관적 방법론을 정립하고, 결과를 비교적 신속하고 정확하게 이끌어 낼 수 있는 전산적 처리 도입하였다. 우선 전체 구축에 필요한 절차를 세우고 각 단계에서 필요한 방법과 휴리스틱을 정리하였다. 이를 바탕으로 사전 뜻풀이말을 이용하여 반자동으로 작업하였으며, 일부 코퍼스를 활용하였다 최종 알고리즘으로는 Top-Down 방식을 택하였다. 이렇게 추출된 한국어 형용사 의미 계층은 226개의 최상위어에서 시작하여 총 3,792개의 표제어를 망라한다. 또한 수직적 계열 관계만을 명시했을 경우 나타날 수 있는 한계를 보완하기 위해, 동의어 반의어와 같은 수평적 의미 관계와 공기 명사와 같은 결합 관계 등을 함께 기술하였다. 한편 표제항을 뜻풀이말의 공기 명사를 이용하여 의미별로 분류하고 각 분류마다 별도의 의미 계층을 수립하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1998.03a
• /
• pp.43-49
• /
• 1998

본 논문에서는 이산사건 시스템의 무시간 DEVS/DEVS 명세에 대한 계층적인 설계/검증 방법을 제안하고자 한다. 제안된 방법의 가장 큰 장점은 DEVS 상위모델과 DEVS 하위 모델간의 반복적인 설계/검증 시 계층적 인 방식을 채택하여 검증 시 일반적으로 문제가 되는 상태폭발 문제를 크게 완화시켰다는 점이다. 간단한 예제를 통하여 제안된 방법론을 자세히 보여주고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.24 no.4
• /
• pp.355-359
• /
• 2014

In this paper, we proposed the new fuzzy pattern classifier which combines several fuzzy models with simple consequent parts hierarchically. The basic component of the proposed fuzzy pattern classifier with hierarchical structure is a fuzzy model with simple consequent part so that the complexity of the proposed fuzzy pattern classifier is not high. In order to analyze and divide the input space, we use Fuzzy C-Means clustering algorithm. In addition, we exploit Conditional Fuzzy C-Means clustering algorithm to analyze the sub space which is divided by Fuzzy C-Means clustering algorithm. At each clustered region, we apply a fuzzy model with simple consequent part and build the fuzzy pattern classifier with hierarchical structure. Because of the hierarchical structure of the proposed pattern classifier, the data distribution of the input space can be analyzed in the macroscopic point of view and the microscopic point of view. Finally, in order to evaluate the classification ability of the proposed pattern classifier, the machine learning data sets are used.