• 한국컴퓨터산업학회논문지
• /
• 제4권4호
• /
• pp.479-490
• /
• 2003

컴포넌트 기반 소프트웨어개발 (CBD: Component Based Development)은 재사용 부품을 기반하여 소프트웨어 개발, 수정, 유지보수를 용이하게 지원한다. 따라서 컴포넌트는 강한 응집력과 양한 결합력으로 개발되어야 한다. 본 논문에서는use case와 클래스를 간에 유사성을 통한 클러스터링 분석에 기반 하여 컴포넌트 식별에 대해 연구한다. 컴포넌트 참조 모델과 프레임워크를 제시하여 사례를 통해 검증한다. 컴포넌트 식별 방법은 추출, 명세 및 아키？쳐를 지원한다. 이들 방법론은 기존의 객체지향 방법론을 참조하며 분석에서 구현까지의 추적성을 지원하며 재사용 컴포넌트의 모듈성 지원을 위해 강한 응집력과 약한 결합력을 반영한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권6호
• /
• pp.760-772
• /
• 2004

소프트웨어의 개발 생산성 향상과 고품질의 소프트웨어 생산을 위해서 현재 컴포넌트 기반 개발(CBD)이 보편화되고 있다. 이러한 CBD는 소프트웨어의 재사용성을 높여 주며 개발기간 단축과 개발비용의 절감을 가져오고 있다. 이러한 장점 때문에 산업계에서는 맡은 부분을 컴포넌트로 만들려고 노력하고 있다. 그러나, 만들어진 소프트웨어 컴포넌트에 대해서 얼마나 품질이 좋은지, 또한 얼마나 재사용성이 있는가에 대한 검증은 아직 미흡한 상태이다. 본 논문에서는 만들어진 소프트웨어 컴포넌트에 대한 품질 중 재사용성을 측정하는데 필요한 측정 방법을 제공한다. 재사용성의 측정 방법은 크게 간접적인 측정 기준과 직접적인 측정 기준으로 구분한다. 직접적인 측정 기준은 컴포넌트를 구성하는 클래스들과 컴포넌트의 인터페이스들을 조사해서 얻을 수 있는 방법을 말하는 것으로 컴포넌트의 크기, 복잡도, 결합도, 응집도 등을 측정한다. 간접적인 측정 기준은 이러한 직접적인 측정기준을 가지고 측정이 되는 기준으로서 이해도, 적용가능성, 수정가능성, 모듈화가능성이 있다. 이러한 간접적인 측정은 궁극적으로 재사용성의 측정에 사용이 된다. 이러한 직접적인 측정기준과 간접적인 측정을 이용해서 재사용성에 대한 측정을 해본 결과 소프트웨어 컴포넌트의 품질이 향상되면서 측정값이 재사용성에 도움을 주는 방향으로 변화하는 것을 확인하였다.

• Investigative Magnetic Resonance Imaging
• /
• 제6권2호
• /
• pp.137-146
• /
• 2002

목적: 본 논문에서는 신경망을 이용한 자기공명영상의 분류에 있어 결정론적 이완 방법(deterministic relaxation)과 응집 군집화(agglomerative clustering) 방법에 의한 개선된 영상 분류방법을 제시한다. 제안된 방법은 신경망을 이용한 영상의 분류시 지역적 최소치로의 수렴문제와 입력 패턴의 증대로 인하여 수렴 속가 늦어지는 문제를 해결한다. 대상 및 방법: 신경망을 이용한 영상의 분류는 지역적 계산과 병렬 계산이 가능한 특성을 갖고 있어 기존의 통계적 방법을 대신하는 방법으로 주목을 받고 있다. 그러나 일반적으로 신경망에 의한 분류알고리즘이 지닌 문제점의 하나는 에너지함수가 항상 전역적 최소치로 수렴하지 않고 지역적 최소치로도 수렴할 수 있다는 점이고, 또 다른 문제점은 반복수렴을 수행하는 에너지함수의 수렴속도가 너무 늦다는 점이다. 따라서 지역적 최소치로의 수렴을 방지하고 전역적 최소치로의 수렴속도를 가속화시키기 위하여 본 논문에서는 결정적 이완 알고리즘의 하나인 MFA(Mean Field Annealing) 방법을 적용하여 지역적 최소치로의 수렴문제를 해결하는 방법을 제시한다. MFA는 모의 애닐링의 통계적 성질을 변수의 평균값에 적용하는 결정론적인 수정 법칙들로 대신하고, 이러한 평균값을 최소화함으로서 수렴속도를 개선한 방법이다 아울러 신경망이 갖고 있는 문제점인 과다한 클래스 패턴의 생성에 따른 처리속도 지연의 문제점을 해결하기 위하여 응집 군집화 알고리즘을 이용하여 영상을 구성하는 군집을 결정하여 신경망에 입력되는 값을 초기화하여 영상패턴이 증가되는 것을 제한하였다. 결과: 본 논문에서 제시된 응집 군집화 방법 및 결정론적 이완 방법은 신경망에 의한 자기공명영상의 분류 시 발생할 수 있는 지역적 최적 치로의 수렴 문제를 해결하여 전역적 최적화로 신속히 수렴함을 알 수 있었다. 결론: 본 논문에서는 클러스터의 분석과 결정론적 이완 방법에 의하여 신경망에 의한 자기공명영상의 분류결과를 향상시키기 위한 새로운 방법을 소개하였으며 실험결과를 통하여 그러한 사실을 확인할 수 있었다.