• Annual Conference on Human and Language Technology
• /
• 2007.10a
• /
• pp.290-294
• /
• 2007

온톨로지가 점점 복잡한 스키마와 많은 인스턴스를 갖고있지만 아직까지 수천만개 이상의 인스턴스를 가지는 온톨로지에 대해서는 고려되고 있지 않은 현실이다. 인스턴스 생성 도구의 경우 독립적 인스턴스를 생성하거나 인스턴스 생성을 지원하는 기능에 초점을 두고 있다. 하지만 관리되는 인스턴스의 수가 늘어남에 따라 기존과 같은 인스턴스 생성 방법은 인스턴스간의 관계를 맺을 때 많은 어려움을 초래하게 된다. 따라서 우리는 계층적으로 인스턴스를 생성할 수 있는 히스토리 기반의 온톨로지 인스턴스 관리 도구를 구현하였다. 예를 들어 기존의 도구들은 도메인과 레인지로 연결된 두 클래스의 인스턴스간 관계를 맺을 때는 레인지에 해당하는 인스턴스가 존재할 경우에만 가능하다. 만약 인스턴스가 존재하지 않는다면 그에 해당하는 인스턴스 생성 작업을 먼저 거친 후, 다시 이전의 생성 작업을 되풀이해야한다. 이런 번거로움을 없애고자 우리는 히스토리를 통해 현재 뷰에서 흐트러지지 않고 새로운 인스턴스를 생성하고 자동 연결할 수 있는 기능을 제공한다. 히스토리를 제공하여 현재 작업하고 있는 상태를 사용자가 인지할 수 있으며 신규 생성되는 인스턴스들을 자동으로 연결할 수 있어서 복잡한 관계의 온톨로지 인스턴스를 생성하고 관리하는데 많은 도움을 준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06b
• /
• pp.1-5
• /
• 2010

정렬 알고리즘에서 사용한 원소 간 비교횟수를 기준으로, 비교횟수가 많게 되는 순열을 최악의 인스턴스(worst-case instance)라 명명하고 이를 찾기 위해 유전 알고리즘(genetic algorithm)을 사용하였다. 잘 알려진 퀵 정렬(quick sort), 머지 정렬(merge sort), 힙 정렬(heap sort), 삽입 정렬(insertion sort), 쉘 정렬(shell sort), 개선된 퀵 정렬(advanced quick sort)에 대해서 실험하였다. 머지 정렬과 삽입 정렬에 대해 탐색한 인스턴스는 최악의 인스턴스에 거의 근접하였다. 퀵 정렬은 크기가 증가함에 따라 최악의 인스턴스 탐색이 어려웠다. 나머지 정렬에 대해서 찾은 인스턴스는 최악의 인스턴스인지 이론적으로 보장할 수 없지만, 임의의 1,000개 순열을 정렬해서 얻은 비교횟수들의 평균치보다는 훨씬 높았다. 본 논문의 최악의 인스턴스를 탐색하는 시도는 알고리즘의 성능 검증을 위한 테스트 데이터를 생성한다는 점에서 의미가 크다.

• Journal of KIISE
• /
• v.42 no.2
• /
• pp.227-234
• /
• 2015

This paper proposes a modified MI-SVM algorithm by considering data distribution. The previous MI-SVM algorithm seeks the margin by considering the "most positive" instance in a positive bag. Positive instances included in positive bags are located in a similar area in a feature space. In order to reflect this characteristic of positive instances, the proposed method selects the "most positive" instance by calculating the distance between each instance in the bag and a pivot point that is the intersection point of all positive instances. This paper suggests two ways to select the "most positive" pivot point in the training data. First, the algorithm seeks the "most positive" pivot point along the current predicted parameter, and then selects the nearest instance in the bag as a representative from the pivot point. Second, the algorithm finds the "most positive" pivot point by using a Diverse Density framework. Our experiments on 12 benchmark multi-instance data sets show that the proposed method results in higher performance than the previous MI-SVM algorithm.

• Proceedings of the Korea Contents Association Conference
• /
• 2007.11a
• /
• pp.386-390
• /
• 2007

In this paper we present an Ontology Instance Management Tool. OntoManager is a user-friendly interactive ontology Instance management tool with webpage annotation tool and an image annotation tool. It supports the user with the task of creating and maintaining ontology-based OWL-markup, creating of OWL-instances, attributes and relationships. It include an ontology browser for the exploration of the ontology and instances and a HTML browser that will display the annotated parts of the text. And OntoManager is an image annotation tool that allows users to markup regions of an image with respect to concepts in an ontology. It provides the functionality to import images, ontologies, instance bases, perform markup, and export the resulting annotations to disk or the Web.

• Journal of Internet Computing and Services
• /
• v.15 no.3
• /
• pp.109-116
• /
• 2014

This study proposed new instance selection using neural network with weighted fuzzy membership functions(NEWFM) based on Takagi-Sugeno(T-S) fuzzy model to improve the classification performance. The proposed instance selection adopted weighted average defuzzification of the T-S fuzzy model and an interval selection, same as the confidence interval in a normal distribution used in statistics. In order to evaluate the classification performance of the proposed instance selection, the results were compared with depending on whether to use instance selection from the case study. The classification performances of depending on whether to use instance selection show 77.33% and 78.19%, respectively. Also, to show the difference between the classification performance of depending on whether to use instance selection, a statistics methodology, McNemar test, was used. The test results showed that the instance selection was superior to no instance selection as the significance level was lower than 0.05.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.193-195
• /
• 2003

본 논문에서는 k-Nearest Neighbor(k-NN) 알고리즘을 최적화하기 위해 지역적으로 다른 k(고려할 neighbor의 개수)를 사용하는 새로운 방법을 제안한다. 인스턴스 공간(instance space)에서 노이즈(noise)의 분포가 지역적(local)으로 다를 경우, 각 지점에서 고려해야 할 최적의 이웃 인스턴스(neighbor)의 수는 해당 지점에서의 국부적인 노이즈 분포에 따라 다르다. 그러나 기존의 방법은 전체 인스턴스 공간에 대해 동일한 k를 사용하기 때문에 이러한 인스턴스 공간의 지역적인 특성을 고려하지 못한다. 따라서 본 논문에서는 지역적으로 분포가 다른 노이즈 문제를 해결하기 위해 인스턴스 공간을 여러 개의 부분으로 나누고, 각 부분에 최적화된 k의 값을 사용하여 kNN을 수행하는 새로운 방법인 Local-k Nearest Neighbor 알고리즘(LkNN Algorithm)을 제안한다. LkNN을 통해 생성된 k의 집합은 인스턴스 공간의 각 부분을 대표하는 값으로, 해당 지역의 인스턴스가 고려해야 할 이웃(neighbor)의 수를 결정지어준다. 제안한 알고리즘에 적합한 데이터의 도메인(domain)과 그것의 향상된 성능은 UCI ML Data Repository 데이터를 사용한 실험을 통해 검증하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.110-112
• /
• 2012

온톨로지 통합을 위해 다양한 기법들이 연구되고 있다. 그러나 기존 통합 기법들은 컨셉 레벨만을 고려하고 인스턴스 레벨까지는 고려하지 않는다. 그로 인해 기존 통합 기법에서는 인스턴스가 중복되거나 인스턴스 간의 관계 해석이 불분명한 문제점이 있다. 이 문제점을 해결하고자 본 논문에서는 XMDR+를 활용한 표준 스키마 기반의 온톨로지 통합 기법을 제안한다. 제안한 통합 기법은 인스턴스 레벨까지 통합하고 관리하므로 인스턴스가 중복되는 문제를 해결하고 인스턴스 간 의미 관계 유효성을 보장한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.22 no.4
• /
• pp.414-424
• /
• 2012

Finding or automatically generating problem instance is useful for algorithm analysis/test. The topic has been of interest in the field of hardware/software engineering and theory of computation. We apply objective value-distance correlation analysis to problem spaces, as previous researchers applied it to solution spaces. According to problems, we define the objective function by (1) execution time of tested algorithm or (2) its optimality; this definition is interpreted as difficulty of the problem instance being solved. Our correlation analysis is based on the following aspects: (1) change of correlation when we use different algorithms or different distance functions for the same problem, (2) change of that when we improve the tested algorithm, (3) relation between a problem instance space and the solution space for the same problem. Our research demonstrates the way of problem instance space analysis and will accelerate the problem instance space analysis as an initiative research.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.215-218
• /
• 2012

스팟 인스턴스(Spot instance)는 클라우드 환경에서 사용자가 제시한 입찰 가격으로 클라우드 내의 자원을 이용하여 작업을 수행할 수 있게 하는 새로운 방식이다. 사용자는 자신의 입찰 금액이 클라우드 내의 스팟 인스턴스 가격을 초과하는 한 인스턴스를 실행할 수 있다. 그러나 입찰 가격이 스팟 가격보다 낮다면 작업 실패가 발생하고, 이로 인해 작업 완료 시간은 지연되며 서비스 품질은 저하된다. 이 문제를 해결하기 위해, 본 논문에서는 스팟 인스턴스에서 사용자 비드가 초과되어 작업 수행이 중지된 VM에 대하여 체크포인트 기법과 VM 이주(migration) 기법을 이용함으로써 작업 대기 시간을 줄이는 방법을 제안한다. 이는 작업 중인 스팟 인스턴스에서 작업 실패가 발생할 경우 다른 인스턴스로 이주하여 작업을 재수행하는 기법이다. 실험 결과는 제안하는 VM 이주 기법이 작업을 수행할 수 있는 스팟 인스턴스의 가용성을 증가시킬 수 있음을 보여준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10a
• /
• pp.633-635
• /
• 1998

Farmer 모델에서 지원하는 다중성(multiplicity)은 하나의 개체를 구성하기 위하여 동일한 형태의 구성요소가 여러 번 발생하는 경우에 이의 대표적인 요소만을 표시하는 추상화 개념으로서 Farmer 모델에서만 지원하는 독특한 추상화 개념이다. 다중성 추상화 개념에서 정의된 대표개체는 자신의 인스턴스들을 가질 수 있다. 이들 인스턴스들은 IM-컴포넌트 타입 개체 노드 및 OM-컴포넌트 타입 개체 노드이며 다중성 인스턴스 링크를 이용하여 대표개체와 연결된다. 본 논문에서는 다중성 추상화 개념과 다중성 인스턴스 링크의 정의 및 예를 제시하며 실제 Farmer 모델링 알고리즘내에서 다중성 인스턴스 링크의 개념을 다중성 매핑 알고리즘을 통하여 구체화시켰다.