• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권12호
• /
• pp.1468-1481
• /
• 1999

didates.본 논문은 절차 중심 소프트웨어를 객체 지향 소프트웨어로 재/역공학하기 위한 다단계 절차중 첫 절차인 객체 추출 절차에 대하여 기술한다. 사용한 객체 추출 방법은 전처리, 기본 분할 및 결합, 정제 결합, 결정 및 통합의 다섯 단계로 이루어진다 : 1) 전처리 과정에서는 객체 추출을 위한 FTV(Function, Type, Variable) 그래프를 생성/분할 및 클러스터링하고, 2) 기본 분할 및 결합 단계에서는 다중 객체 추출을 위한 그래프를 생성하고 생성된 그래프의 정적 객체를 추출하며, 3) 정제 결합 단계에서는 동적 객체를 추출하며, 4) 결정 단계에서는 영역 모델링과 다중 객체 후보군과의 유사도를 측정하여 영역 전문가가 하나의 최적합 후보를 선택할 수 있는 측정 결과를 제시하며, 5) 통합 단계에서는 전처리 과정에서 분리된 그래프가 여러 개 존재할 경우 각각의 처리된 그래프를 통합한다. 본 논문에서는 클러스터링 순서가 고정된 결정론적 방법을 사용하였으며, 가능한 경우의 수에 따른 다중 객체 후보, 객관적이고 의미가 있는 객체 추출 방법으로의 정제와 결정, 영역 모델링을 통한 의미적 관점에 기초한 방법 등을 사용한다. 이러한 방법을 사용함으로써 전문가는 객체 추출 단계에서 좀더 다양하고 객관적인 선택을 할 수 있다.Abstract This paper presents an object extraction process, which is the first phase of a methodology to transform procedural software to object-oriented software. The process consists of five steps: the preliminary, basic clustering & inclusion, refinement, decision and integration. In the preliminary step, FTV(Function, Type, Variable) graph for object extraction is created, divided and clustered. In the clustering & inclusion step, multiple graphs for static object candidate groups are generated. In the refinement step, each graph is refined to determine dynamic object candidate groups. In the decision step, the best candidate group is determined based on the highest similarity to class group modeled from domain engineering. In the final step, the best group is integrated with the domain model. The paper presents a new clustering method based on static clustering steps, possible object candidate grouping cases based on abstraction concept, a new refinement algorithm, a similarity algorithm for multiple n object and m classes, etc. This process provides reengineering experts an comprehensive and integrated environment to select the best or optimal object candidates.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.613-615
• /
• 2001

응용 프레임워크를 이용하여 응용 프로그램을 작성할 때, 응용 프레임워크와 함께, 그 프레임워크와 별도로 기존에 작성된 클래스를 이용하려면 다중 상속을 이용하거나 단순한 복사/붙이기와 같은 코드 재작성을 이용하여야 한다. 그러나 다중 상속은 여러 문제점을 가지고 있다. 코드 재작성은 단순한 짜깁기 이상은 될 수 없다. 또한 컴포넌트 기반의(Component-Based) 개발 방식을 따를 경우 프로그램 코드를 획득하거나 이해한다는 것도 쉬운 문제가 아니다. 역할 객체는 어떤 객체가 특정 콘텍스트에서 필요한 행동 양태(Behavior)를 가지는 객체를 의미한다. 본 논문에서는 이러한 프레임워크에 기작성된 클래스를 적용하기 위해 역할 객체를 이용하기를 제안하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.251-254
• /
• 2020

비디오 영상으로부터 객체를 추적하는 문제에 있어서 폐색은 오늘날까지도 해결해야하는 문제 중 하나다. 폐색이란 영상 속 찾고자 하는 객체가 이전 프레임에서는 존재했지만 특정 프레임에서는 전경 혹은 다른 객체에 의해 가려져 모습이 보이지 않는 것을 의미한다. 폐색이 나타난 상황에서 해당 객체를 추적하기 위해서는 이전 프레임까지 추적된 정보를 바탕으로 영상에 다시 객체가 나타날 때까지 위치를 잘 예측해야 한다. 본 논문은 비디오 영상의 폐색 환경에 강인한 다중 객체 추적 알고리즘을 제시한다. 이를 위해 딥러닝 기반의 LSTM 구조를 활용하여 객체의 형태 정보를 학습하고 칼만 필터를 이용해 객체의 속도 정보를 학습한다. 두 정보를 조합하여 폐색이 발생하였을 때 객체의 형태와 위치를 예측하여 영상 속에 객체가 다시 등장하더라도 추적 성능을 최대화 한다.

• 한국BIM학회 논문집
• /
• 제6권1호
• /
• pp.18-24
• /
• 2016

While the advantages of BIM stem in the automatic and efficient assembling amongst the given, single semantic-embedded objects, it is still unknown the efficiency of BIM for developing the form that has more than one functions. To investigate the research question, in an authentic design course, the participants (N=38) assessed the efficiency of BIM when they designed a shop with the single semantic-embedded objects and multi-semantic objects. Independent T-tests reveal that in BIM, the use of the single semantic-embedded objects is statistically more efficient than that of multi-semantic objects (p<0.01). As the reason, in interviews, the participants reported that they had to split down the planned multi-meanings and assign only one meaning to one form in order to utilize the automatic assembling of BIM. Thus, they spent much effort and time for re-coordinating the match between the forms and multi-semantics. The findings of this study highlight the further directions of BIM in order to suit for the empirical practices of architects.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.208-210
• /
• 2004

오늘날 인터넷상에서 존재하는 않은 정보들은 다양한 사용자의 개인 특성에 안게 새로운 정보의 지식으로 제공되어지기를 원한다. 기존의 연구는 단일 학술 기법을 통해 정보를 추출했으나 사용자에게 보다 의미 있는 정보를 제공하기 위해 다중 전략 학습 기법인 PMSL(Personalized Multi-Strategy Learning) 모듈 시스템을 제안하고자 한다. PMSL 모듈은 인터넷의 정보를 여과하여 필터링하고, 사용자 개인화의 키워드를 중심으로 연관된 객체를 추출한다. 이때 연관된 객체 추출시 대용량 데이터에서 시간적, 공간적면에서 효율적인 연관 탐색 기법인 Fp-Tree와 Fp-Growth 알고리즘을 적용시킴으로 결과의 효율성을 높이고자 하였으며, 연관규칙의 문제점을 보완하기 위해 가중치 기법인 TF＊IDF 학습 기법을 적용시켰다. PMSL 모듈을 실행한 결과 기존 학습 기법에 비해 보다 더 의미 있는 연관 지식을 추출하게 되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (1)
• /
• pp.508-510
• /
• 1998

기존의 절차 지향 프로그램을 이해하고 유지.보수하기 위해서는 많은 비용이 필요하다. 이러한 절차 지향 프로그램에서 객체/클래스를 추출한다면 프로그램을 이해하고 유지.보수하는데 많은 비용을 절감할 수 있을 뿐 아니라, 객체 지향 프로그램으로 변환하는데 많은 도움이 된다. 본 논문에서는 객체/클래스를 추출하기 위한 절차와 구조를 제시하였다. 객체/클래스 추출기는 Clustering Engine, Stochastic Refinement and Decision Engine, Domain Modelling와 Comparison and Intergration Engine의 4부분으로 구성된다. 이러한 과정을 거치면서 기존의 연구 방법과는 다르게 가중치 주는 기준, 다중 객체 후보, 통계적 방법으로의 정재와 결정, 요구사항의 의미적 관점에 기초한 방법을 사용하였다.

• 정보보호학회논문지
• /
• 제8권3호
• /
• pp.49-62
• /
• 1998

본 논문은 객체 모델링 기법을 이용하여 다단계 보안 데이터베이스 응용에 대한 구조적 특징을 표현하기 위한 모델을 제시한다. 즉, 응용 영역에 대한 데이터와 보안 의미르 통합한다. 이는 응용 영역의 데이터에 대한 불법적 유출이나 수정을 방지하는 도구가 된다 . 개발한 도구를 기초로 한 구현 모델에서는 다단계 데이터베이스를 단일 보안등급 데이터베이스들로 분해한다. 인스턴스뿐만 아니라 스키마도 보호하며 속성값 다중 인스턴스화 기법을 이용하여 커버 스토리를 표현한다. 그리고 그 모델에서의 생성, 검색, 삭제, 그리고 갱신과 같은 연산 의미를 설명한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (1)
• /
• pp.283-285
• /
• 1998

현재의 멀티데이터베이스 시스템에서 고려해야 할 중요한 문제중의 하나는 의미 이질성(semantic heterogeneity)을 식별하고 해결하는 것이다. 본 논문에서는 이를 위하여, 다중 측면 의미 모델(Multi-Aspect Semantic Model:MASM)을 제시하고 이에 기반한 의미 통합 방법을 제시한다. MASM은 의미 특징(semantic feature), 스키마 측면(schematic aspect), 명칭(name), 기능적 측면(functional aspect), 문맥(context) 등의 여러 요소들을 고려한 모델이며, 모든 요소 데이터베이스간에 공유되어야 하는 표준화된 지식 없이 객체간의 의미 유사성을 판단한다. 정보 통합에 필요한 모든 지식은 각 요소 데이터베이스에서 다른 요소 데이터베이스에 독립적으로 구축되며, 이를 통하여 융통성과 확장성을 갖는 멀티데이터베이스 시스템을 구축하는 토대를 마련한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.462-464
• /
• 2012

이미지를 입력으로 사용하는 다양한 응용 분야에서, 이미지에 포함되어 있는 객체의 의미를 이해하는것은 매우 중요하다. 이미지에 포함된 객체의 인식을 위해 우선적으로 관심 영역을 추출하는 경우, 인식하고자 하는 대상의 특징에 대한 사전 지식이나 입력된 이미지에서의 위치, 색, 그리고 크기 정보를 이용하는 것이 일반적이다. 그러나 이미지로부터 사전 지식이 전무한 불특정 다수의 객체에 대한 의미를 추론해야 하거나 그로부터 정보를 수집해야 하는 경우, 이러한 관심 영역 추출 방법은 효과적이지 않다. 본 논문에서는 이를 위해 컬러 이미지를 입력으로 사용하는 응용에서 이미지의 양자화 된 색 정보와 다중 저해상도 정보만을 이용하여 관심 객체가 될 가능성이 있는 후보 관심 영역들을 포함하는 최소 장방형 영역들을 구조적 정보와 함께 추출할 수 있는 방법을 제안한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2004년도 춘계학술발표대회논문집
• /
• pp.656-659
• /
• 2004

최근 많은 연구에서, 동일한 영상그룹들로부터 추출된 저수준의 특징들을 이용해서 고수준의 정보를 분석한 뒤, 이를 이용해서 영상을 분류하는 방법들을 소개하고 있다. 이러한 연구는 CBIR의 인덱싱에서 저수준의 특징만을 사용할 때 발생하는 의미적인 차이(semantic gap)문제를 해결하여, 검색의 효율을 높일 수 있게 한다. 하지만 이들 연구는 대부분 전경(scenery)영상만을 대상으로 하고 있다. 한편 영상을 객체 단위로 다루는 것은 CBIR의 성능을 크게 향상 시킬 수 있는 요인이 된다. 왜냐하면 대부분의 사용자는 관심있는 객체가 포함된 영상을 검색하기 원하기 때문이다. 본 논문에서는 영상의 객체를 인공객체와 자연객체로 분류하는 방법을 제안한다. 인공객체의 경우 자연객체에 비해 상대적으로 직선형태의 에지가 많이 발견되며 객체를 구성하는 패턴이 규칙적이고 방향성을 가진다. 또한 인공객체는 자연객체에 비해 객체영역의 경계가 직선에 의한 단순한 형태로 나타난다. 이러한 특징들을 EDH(edge Direction Histogram)의 에너지, EDAS(Energy Difference of Adjacent Sector)와 가버 필터를 통해 추출하여 분류에 이용한다. 실험을 통하여 각 특징들을 개별적으로 사용해서 76%에서 84% 사이의 분류 정확성을 얻었으며, 제안한 머징 방법을 이용하여 최종적으로 약 90%의 정확성으로 분류하였다.