• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.625-627
• /
• 2005

결정 트리(Decision Tree)는 주어진 데이터의 경향을 학습하는 데 사용되는 대표적인 방식이다. 이것은 주어진 데이터를 구조화하기 위하여 데이터의 속성과 정보의 엔트로피에 기반을 둔 정보획득량을 이용한다. 본 논문에서는 유비쿼터스 환경에서 사용자 프로파일 정보처럼 시간에 따라 그 경향이 변하는 데이터에 유용하게 적용할 수 있는 시간 가중치 엔트로피를 정의한다. 그리고 ID3 알고리즘을 기반으로 새롭게 제안하는 시간 가중치 엔트로피를 이용하는 향상된 ID3 알고리즘을 쓰고 사용자의 경향을 분석한다. 본 논문에서 제안하는 엔트로피를 이용하는 방식은 데이터들의 시간에 관한 영향을 고려해서 기준방식보다 분석결과가 더욱 유리하다. 두 방식의 비교 테스트 결과를 보면 시간 가중치 엔트로피를 이용하는 알고리즘은 기존의 ID3 알고리즘보다 구성된 트리의 구조가 매우 간단하고 유리하다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.403-405
• /
• 1999

실시간 시스템에서 프로그램의 실행시간을 예측하는 것은 중요한 일이다. 기존의 언어에서는 실행시간은 예측하기에 힘든 요소들이 있다. Timing-C는 이러한 요소를 제거하고 사용자로부터 시간 제약을 입력받을 수 있도록 하였다. Timing-C언어를 이용하여 실시간 프로그램밍을 하기 위해 작성한 프로그램이 시간제약을 준수하고 있는지 알기 위해 시간 분석 도구가 필요하다. 시간 분석 도구는 작성된 프로그램의 실행시간을 제한하여 사용자에게예측된 결과를 알려주는 도구이다. 개발자는 이러한 도구를 이용하여 작성하고 있는 프로그램의 수행시간을 더욱 정확하게 예측할 수 있다.

• Journal of Korean Society of Transportation
• /
• v.20 no.3
• /
• pp.55-67
• /
• 2002

구간검지체계를 기반으로 한 첨단교통정보제공시스템(Advanced Traveler Information Systems)은 그 기능 수행시 다음의 중요 고려사항을 지닌다. 첫째는 제공 정보의 신뢰성이며, 둘째는 정보수집비용에 관련한 수집자료수의 한계이다. 본 논문에서는 이러한 한계성 극복을 위해 보다 대표성 있는 교통정보 형태의 설정 및 통계적으로 신뢰성 있는 정보산출을 위해 요구되는 적정표본수의 결정에 대한 연구를 수행하였다. 도시고속도로(올림픽대로)와 도시간선도로(천호대로)의 실측 구간통행시간분포 분석결과 단일교차로 구간의 경우 다른 구간들의 단일봉(unimodal)의 정규분포형태와는 다른 두 개의 봉우리를 지닌 분포형태(bimodal)가 나타났다. 따라서 이러한 구간은 기존과는 다른 새로운 교통정보 형태가 필요하며, 본 논문에서는 모든 통과차량들의 평균통행시간으로 정의되는 한 개의 대표치가 아닌 신호주기에 의한 정지여부에 따라 분리되는 주행시간과 지체시간 또는 주행속도와 통행속도 개념의 세분화된 정보형태를 설정하였다. 또한 중심극한정리를 기초로 한 통계적인 표본수 결정식을 이용하여 설정된 신뢰수준 하에서의 정보산출을 위해 요구되는 적정 표본수를 산출하였다. 그 결과, 교통이 혼잡할수록 요구되는 표본수는 적어지는 것으로 나타났다. 우선 적정 표본수 만큼의 표본추출을 하고 제안된 정보산출 방법에 의해 교통정보를 산출한 후 실측치와의 오차를 비교하였다. 그 결과 산출된 교통정보는 신뢰수준 95%와 허용오차 5㎞/h를 만족하였다. 다음으로 구간검지체계를 이용하여 정보를 산출하는 타시스템 교통정보와의 오차율을 비교하였다. 그 결과, 실측치와 본 연구의 산출방법에 의한 교통정보, 로티스교통정보 및 차량번호판 인식시스템의 교통정보와의 비교 결과 제안된 교통정보형태의 타당성을 볼 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.343-345
• /
• 1999

데이터베이스 시스템은 실세계에서의 객체들이 다양한 모델링을 통하여 구축된 데이터베이스에 대해 검색, 갱신, 분석 출력 및 논리적인 일관성 제어 등을 할 수 있는 소프트웨어 시스템이다. 그러나 전통적인 데이터베이스 시스템은 시간에 따라 변화하는 데이터의 이력을 관리 할 수 없다. 따라서 이력정보(Historical Informations)를 관리할 수 있게 하기 위해서는 시간차원의 확장이 필요하다. 즉, 기존의 데이터베이스 시스템이 제공하지 못하였던 각 정보들의 이력관리와 이력을 이용한 다양한 서비스를 가능하게 하도록 시간차원을 지원할 수 있는 데이터베이스 시스템을 시간 데이터베이스 시스템이라 하며, 이를 위하여 이 논문에서는 객체관계형 데이터베이스 시스템을 기반으로 객체관계형의 특징과 레이어 개념을 이용하여 새로운 시간차원을 확장함으로써, 기존의 시스템을 현 상태로도 유지할 수 있는 시간 데이터베이스 시스템을 말한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.87-88
• /
• 2009

정적 실행시간 분석은 직접 수행하지 않고 소스를 기반으로 실행시간을 예측하여 빠른 분석이 가능하지만 소스나 목적 파일에 포함되지 않는 정보는 분석을 수행하지 못하는 문제가 있다. 이 중에서 시스템 콜은 사용 빈도가 높지만 하드웨어나 운영체제에 따라 달라 분석이 어려워 정적 실행시간 분석대상에서 제외되었다. 따라서 본 논문에서는 디어셈블을 통해 시스템 콜의 정적 실행시간 분석을 수행할 수 있는 구조를 제안한다. 제안하는 구조는 시스템 콜을 포함한 라이브러리의 디어셈블을 통해 실행 정보를 획득하여 개발자가 작성한 소스와 함께 일관된 방식으로 실행시간을 분석할 수 있도록 하여 정적 실행시간 기법의 활용성을 높일 수 있다.

• Journal of Korean Society of Transportation
• /
• v.28 no.4
• /
• pp.107-118
• /
• 2010

Wireless communication technologies including vehicle-to-vehicle (V2V) and vehicle-to-infrastructure (V2I) enable the development of more sophisticated and effective traffic information systems. This study presents a method to estimate vehicular travel times in a vehicular ad hoc network (VANET) environment. A novel feature of the proposed method is estimating individual vehicle travel times through advanced on-board units in each vehicle, referred to as self-estimated travel time in this study. The method uses travel information including vehicle position and speed at each given time step transmitted through the V2V and V2I communications. Vehicle trajectory data obtained from the VISSIM simulator is used for evaluating the accuracy of estimated travel times. Relevant technical issues for successful field implementation are also discussed.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.31.1-36
• /
• 1998

본 논문은 하이퍼미디어 시나리오 수행시간 예측 방법을 고찰한다. 시나리오 수행 시간 정보는 사용자가 본인의 시간 사용 계획 수립이나, 정보 제공자가 효율적인 정보 감상 스케쥴을 수립하여 제시하는 데 중요한 역할을 담당한다. 그럼에도 불구하고 이러한 정보를 얻는 방법에 대한 연구는 [1]과 [2]에 소개된 두 가지 밖에 없다. 이 두가지 방법은 모두 변형된 페트리 넷을 이용하여 시나리오를 모델링 한 다음, [1]은 몬테칼로 시뮬레이션 방법을 적용하고 [2]는 통계적 기대값을 이용한다. 본 논문에서는 이 두가지 방법을 소개한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04d
• /
• pp.70-72
• /
• 2003

전자계 산란의 시간영역 신호는 대응하는 주파수 영역 응답에 대해서도 동시에 효율적인 방법으로 나타낼 수 있는 이유는 다항식의 직교하는 성질 때문이다. 직교 다항식을 이용함으로써, 이른 시간과 낮은 주파수 영역을 동시에 추정할 수 있다 그 접근법은 CGM(Conjugate Gradient Method)방법과 간단한 DFT(Discrete Fourier transform)에 의거한다. 본 논문에서는 Bessel-Chebyshev 함수를 이용한 이른 시간과 낮은 주파수영역 응답을 동시에 추정하기 위한 접근의 방법을 제시하고, 구현하였다. 오직 이른 시간과 낮은 주파수 정보를 필요로 하기 때문에 이 방법으로 계산시 반복계산의 수렴속도가 무척 빠르다는 이점이 있어, 신속한 정보를 얻을 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.295-297
• /
• 2002

생물정보학 관련 프로그램들은 데이터베이스로부터 유전자 등의 데이터를 검색하고 처리한다. 이때 각각 클라이언트의 요청마다 매번 데이터베이스의 검색을 수행한다면 많은 시간이 걸리게 된다. 또한 서버에 과부하를 초래하여 응답시간이 길어 질 수 있다. 본 논문에서는 사용자 요청을 그룹핑 하여 데이터베이스 액세스 시 사용도를 높이는 방법과, 사용자 요청을 대기 시간 없이 바로 처리하여 데이터베이스 액세스를 공유하여 시스템 사용도를 높이고 빠른 응답시간을 가지는 카플 방식을 제안한다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.6
• /
• pp.1418-1430
• /
• 1998

Temporal databases support an efficient historical management by means of valid time and transaction time. Valid time stands for the time when a data happens in the real world. And transaction time stands for the time when a data is stored in the database, Temporal Query Processing System(TQPS) should be extended so as tc process the temporal operations for the historical informations in the user query as well as the conventional relational operations. In this paper, the extended temporal query processing systems which is based on the previous temporal query processing system for TQuel(Temporal Query Language) consists of the temporal syntax analyzer, temporal semantic analyzer, temporal code generator, and temporal interpreter is to be described, The algorithm for additional functions such as transaction time management, temporal aggregates, temporal views, temporal joins and the heuristic optimization functions and their example how to be processed is shown.