• Journal of KIISE:Software and Applications
• /
• v.28 no.10
• /
• pp.785-794
• /
• 2001

Since there is no compatability between primitive types and class types in Java, values of primitive types cannot be assigned to variables of class types cannot be assigned to variables of primitive types. Primitive values must be converted to objects of wrapper classes and special methods must be called in order to extract the primitive values from those objects. In this paper we propose there methods which provide automatic transformation between primitive types and class types for their compatability. Those methods support compatability not only between primitive types but also between wapper classes. The first method utilizes the hierarchy of wrapper classes, the second utilizer java.lang.Number class, and the third utilizes the hierarchy of wrapper interfaces. Through comparison and performance measurement. we confirm that the third method works better than the others.

• Journal of the Korea Convergence Society
• /
• v.13 no.3
• /
• pp.1-9
• /
• 2022

UML class diagrams are used to visualize the static aspects of a software system and are involved from analysis and design to documentation and testing. Software modeling using class diagrams is essential for software development, but it may be not an easy activity for inexperienced modelers. The modeling productivity could be improved with a dataset of class diagrams which are classified by domain categories. To this end, this paper provides a classification method for a dataset of class diagram images. First, real class diagrams are selected from collected images. Then, class names are extracted from the real class diagram images and the class diagram images are classified according to domain categories. The proposed classification model has achieved 100.00%, 95.59%, 97.74%, and 97.77% in precision, recall, F1-score, and accuracy, respectively. The accuracy scores for the domain categorization are distributed between 81.1% and 95.2%. Although the number of class diagram images in the experiment is not large enough, the experimental results indicate that it is worth considering the proposed approach to class diagram image classification.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.100-102
• /
• 2003

오늘날 거의 모든 윈도우 시스템들은 어플리케이션간의 데이터 이동을 위한 클립보드 기능을 제공하고 있다. 최근 각광받고 있는 자바기술도 이런 클립보드 기능을 제공하기 위해 표준 클래스 라이브러리에서 클래스를 정의하고 있다. 그러나 정의된 클래스는 주로 자바 인터페이스와 기본적인 기능만을 가진 클래스로 이루어져 있기 때문에 실제 사용하기 위해서는 개발자의 별도의 구현이 있어야 한다. 그리고 어플리케이션간에 데이타를 주고받기 위해서는 system clipboard를 이용하여야 하는 데 이것은 시스템에 의존적인 부분이다. 따라서 system cupboard기능을 가지도록 하려면 타겟시스템에 따라 클래스 라이브러리 계층에서 별도로 구현해야 한다. 본 논문에서는 리눅스의 X 윈도우 시스템 상에서 클립보드 기능을 지원하기 위한 클래스 라이브러리를 구현하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.457-459
• /
• 2000

객체지향 방법론은 캡슐화(encapsulation), 상속(inherit), 다형성(polymorphism)과 같은 개념을 이용하기 때문에 기존의 절차적 방법론과는 다른 척도가 필요하다. 본 논문에서 제안하는 척도는 객체지향 시스템의 개발 절차 가운데 분석 단계에서 추출할 수 있는 정보만을 사용하여, 클래스가 객체지향 개념에 따라 잘 구성되었는지를 측량하게 된다. 이를 위하여 본 논문에서는 클래스의 품질을 측량하기 위한 척도로 협력의 복잡도와 인터페이스 복잡도를 제안한다. 협력의 복잡도는 클래스가 잠재적으로 얼마나 복잡할 수 있는지를 측량하기 위한 것으로서 클래스가 가지는 책임의 개수를 조사하여 정의된다. 인터페이스 복잡도는 클래스와 협력 관계에 있는 다른 클래스들의 인터페이스를 조사하여 정의된다. 제안된 척도는 기존의 척도들이 가지고 있는 문제점을 해결하기 위하여 이해하기 쉬운 수학적 명세를 용하였으며, 제안된 척도에 대한 수학적 증명과 사례 연구를 통한 검증을 하였다.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.14-18
• /
• 2009

온톨로지 매핑은 서로 다른 온톨로지에 있는 클래스가 유사한 개념을 표현한 것인지 판단하는 문제이다. 클래스 유사도를 계산 하는 방법에는 클래스의 이름 어휘 유사도, 의미 유사도, 클래스 관계/속성 유사도 그리고 클래스 상하위 관계 유사도 등이 제안되었다. 본 논문에서는 이러한 클래스 유사도를 계산하기 위한 반복적 유사도 계산 알고리즘을 제안한다. 매 반복 단계마다 모든 클래스 쌍의 유사도를 전부 갱신 하는 방법과 유사도가 최대인 쌍만 선택적으로 갱신 하는 방법을 비교 실험하였다. 실험 결과 유사도가 최대인 쌍만 업데이트하는 방법의 성능이 좋았고 소요시간도 적었다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.6A
• /
• pp.1008-1018
• /
• 2001

본 논문에서는, 트래픽으로부터 요구된 지연한계를 보장하는 스케줄링 알고리즘으로서, \"클래스별 서비스 차등제공\" 알고리즘을 제안하였다. 제안된 알고리즘은, 공평 큐잉과 우선순위 제어 개념의 절충형 패킷 스케줄링 알고리즘이다. 다수의 트래픽 클래스 환경에서, 각 클래스별 서비스 커브를 정의하며, 클래스별 지연 한계를 충족시키기 위한 각 서비스 커브의 형태, 그리고 서비스 커브간의 관계에 근거하여, 클래스별 차등 서비스를 제공한다. 또한, 동일한 클래스 내의 세션간에는 공평 큐잉을 제공함으로써, 세션별 최소한의 대역폭이 보장될 수 있도록 한다. 지연 제어를 위해 새로 정의된 변수는, 시스템 상태에 따라 그 값이 조정됨으로써, 자원의 효율적 활용을 가능하게 한다. 제안된 알고리즘은 가상적 fluid-flow 모델에서 디자인되었으며, 이를 실질적인 패킷 모드에서 구현하는 방안이 제시되었다. 아울러, 제안된 스케줄링 알고리즘에 수반되는, 결정적 형태의 지연 보장을 위한 호 수락 제어조건을 유도함으로써, 수용된 세션들의 지연 성능이 확정적으로 보장될 수 있도록 하였다.수 있도록 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.760-762
• /
• 2005

Support vector machine(SVM)은 졸은 일반화 능력을 가진 학습시스템으로, 최근 다양한 패턴 인식 분야에서 적용되고 있다. SVM은 기본적으로 이진 분류기이므로 두 개 이상의 클래스를 분류하기 위해서는 다중 클래스 분류가 가능한 형태로의 설계 방법이 필요하다. 이를 위해 각 클래스별로 독립적인 SVM들을 만들어 결과를 병합하는 방식이 주로 사용되어 왔다. 그러나 이러한 방법은 클래스의 수는 않고 한 클래스 내의 데이터의 수가 많지 않은 경우에는 SVM의 일반화 성능을 저하시키고 노이즈에 민감해지는 문제점을 가지고 있다. 이를 해결하기 위해 본 논문에서는 각 클래스내의 데이터간의 유사도 측정을 위한 통계적 정보를 안정적으로 추출하기 위해 두 데이터의 쌍을 입력으로 받는 새로운 SVM 설계 방법을 제시한다. 제안한 방법을 실제 생체인식 데이터에 적용한 실험에서 기존의 방법보다 우수한 분류 성능을 보임을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.352-354
• /
• 1999

본 논문에서는 객체지향 데이터베이스의 중포된 객체에 대한 질의처리를 효율적으로 지원하기 위한 다차원 중포 속성 색인기법을 제안한다. 중포된 객체에 대한 기존의 색인기법들은 일차원 색인구조를 이용함으로써 중포된 객체의 속성과 클래스 계층이 포함된 다양한 형태의 질의들에 대한 처리를 효율적으로 지원하지 못하는 문제점을 가지고 있다. 다차원 중포 속성 색인기법에서는 다차원 파일구조를 이용하여 중포 속성의 킷값 도메인과 함께 중포 속성을 표현하는 경로상의 모든 속성에 대해 각 속성이 정의된 클래스 계층마다 클래스 식별자 도메인을 할당함으로써, 다차원 도메인 공간상에서 색인 엔트리들의 클러스터링을 다른다. 따라서, 다차원 중포속성 색인기법에서는 기존의 색인기법에서 지원하기 어려운 질의의 대상 범위가 클래스 계층상의 임의의 클래스들로 제한되거나, 질의에 포함된 복합 속성들의 도메인이 클래스 계층상의 임의의 클래스들로 제한되는 경우에도 효율적으로 지원할 수 있다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.434-439
• /
• 2019

딥러닝 기반 분류 모델에 있어 데이터의 클래스 불균형 문제는 소수 클래스의 분류 성능을 크게 저하시킨다. 본 논문에서는 앞서 언급한 클래스 불균형 문제를 보완하기 위한 방안으로 적대적 학습 기법을 제안한다. 적대적 학습 기법의 성능 향상 여부를 확인하기 위해 총 4종의 딥러닝 기반 분류 모델을 정의하였으며, 해당 모델 간 분류 성능을 비교하였다. 실험 결과, 대화 데이터셋을 이용한 모델 학습 시 적대적 학습 기법을 적용할 경우 다수 클래스의 분류 성능은 유지하면서 동시에 소수 클래스의 분류 성능을 크게 향상시킬 수 있음을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.59-62
• /
• 2007

본 논문에서는 불균형 및 Under-sampling된 바이오 데이터에 대하여 클래스 구분력이 없는 특징의 소거를 통해 이후 이어질 FLDA 둥 다양한 방법론올 적용할 수 있는 방법을 제안하고자 한다. 제안하는 알고리즘은 평균과 분산을 통해 클래스의 형태를 결정하는 기존 방법론의 문제점을 회피할 수 있는 방법을 제공하며, 클래스 구분력에 중점을 두어 특정을 선별하였을 경우 선별된 특정들의 상관 계수가 높은 문제를 극복할 수 있도록 한다. 이에 따라 알고리즘이 선택한 특정집합은 서로의 특징에 대해 상관계수가 낮으며, 클래스의 구분력이 높은 특정을 갖게 된다.