• Journal of the Korea Society of Computer and Information
• /
• v.3 no.3
• /
• pp.63-71
• /
• 1998

This paper is to suggest designing and implementing tool by transforming source code to meta language. We use formula, which is based on relationship between variables and functions, in class extraction and restructuring method in other to extract most appropriate class.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04a
• /
• pp.510-512
• /
• 2000

절차지향 SW를 객체자향 SW로 변환하면 SW 유지.보수 비용을 수 절감할 수 있으며, 시스템에 새로운 요구를 수용할 수 있게 되는 등 많은 장점을 가지게 된다. 본 논문은 객체지향 SW로 변환과정 중 필요한 클래스와 상속성 추출 방법을 제안하였다. 클래스와 상속성 추출 때 관계를 고려한 의미적인 방법을 제시하였으며 영역 모델과의 비교시 의미적이며 통계적인 방법을 사용하였다. 논문에서 제안한 방법을 사용함으로써 영역 전문가에게 다양한 선택 기회를 제공할 수 있어 의미 있는 코드 생성에 도움을 줄 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• 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.

• Korean Journal of Remote Sensing
• /
• v.39 no.2
• /
• pp.157-168
• /
• 2023

Image segmentation and supervised classification techniques are widely used to monitor the ground surface using high-resolution remote sensing images. In order to classify various objects, a process of defining a class corresponding to each object and selecting samples belonging to each class is required. Existing methods for extracting class samples should select a sufficient number of samples having similar intensity characteristics for each class. This process depends on the user's visual identification and takes a lot of time. Representative samples of the class extracted are likely to vary depending on the user, and as a result, the classification performance is greatly affected by the class sample extraction result. In this study, we propose an image classification technique that minimizes user intervention when extracting class samples by applying the histogram back-projection technique and has consistent intensity characteristics of samples belonging to classes. The proposed classification technique using histogram back-projection showed improved classification accuracy in both the experiment using hue subchannels of the hue saturation value transformed image from Compact Advanced Satellite 500-1 imagery and the experiment using the original image compared to the technique that did not use histogram back-projection.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.745-748
• /
• 2004

얼굴 이미지의 대부분은 표본의 수보다 특징 변수의 수가 많기 때문에 이러한 점을 고려한 특징 추출 방법이 필요하다. 본 논문에서는 부분 최소제곱법을 이용하여 특징 벡터의 차원을 축소하는 방법을 제안한다. 전통적인 차원 축소 방법인 주성분 분석은 클래스의 정보를 고려하지 않고 최대 변이를 가지는 성분을 추출하기 때문에, 클래스의 구분에 필요한 특징을 필수적으로 추출하지 못한다. 이에 비해, 부분 최소제곱법은 클래스 변수에 대한 정보를 포함하여 성분을 추출한다. 그러므로, 분류를 하는데 있어서는 주성분 분석에 의해 추출된 성분보다는 부분 최소제곱법에 의해 추출된 성분이 보다 더 예측적이다. 맨체스터와 ORL 얼굴 데이터베이스를 이용하여 실험한 결과, 분류와 차원 축소 측면에서 주성분 분석 방법보다는 부분 최소제곱법을 이용한 방법이 그 성능이 우수함을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10a
• /
• pp.520-522
• /
• 2001

본 논문은 기존의 객체지향 방식으로 작성된 프로그램에서 독립(isolated) 컴포넌트를 추출하기 위한 방법을 제안한다. 독립 컴포넌트는 별도의 컴포넌트가 필요 없이 독자적으로 이용 가능한 컴포넌트를 말한다. 기존 프로그램에서 추출되는 독립 컴포넌트는 다른 응용프로그램 개발에 쉽게 사용될 수 있다. 본 논문에서 제시하는 추출 방법은 기존의 객체지향 프로그램을 분석하여 클래스 정보를 추출하고, 클래스 간의 의존 관계를 검사하여 상호의존성이 낮고 범용성이 높은 글래스 모듈을 선택하는 것이다. 대상 모듈의 범용성은 프로그램내에서 얼마나 많이 사공되는 가로 정의된다. 본 논문에서 제시하는 방법을 사용하여 컴포넌트를 자동으로 추출하는 시스템을 구축하고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.123-125
• /
• 2002

여러 사람에게서 생체신호를 측정하여 특징을 추출하는 경우 피실험자마다 다른 신체적 또는 생리학적 특징에 의해 같은 클래스로 분류하고 싶어도 다른 클래스로 잘못 분류되는 경우가 발생한다. 이와 같이 N 명의 사람에게서 얻은 생체신호로 M 개의 클래스를 분류하도록 훈련하여 새로운 사람의 생체신호를 M 개의 클래스로 분류하고자 할 때 발생하는 문제를 해결하기 위한 방법으로 피실험자 독립적인 클러스터링 방법을 제안하고자 한다. 이를 위한 수학적 기반으로 동치관계들의 교집합과 합집합에 근거한 새로운 연산자를 정의하고 이를 이용하여 최대 공통 클러스터(Largest Common Cluster, LCC)라는 새로운 개념을 정의한다 이는 여러 사람에게서 얻은 정보에서 최대한 공통의 성질을 갖는 것들을 찾아내는 수학적이고 체계적인 방법이라 할 수 있다. 따라서 일단 LCC를 찾아내면 이를 특징(feature)으로 삼아 패턴분류기를 설계하면 여러 사람에게 적용가능한 생체신호 인식기를 설계할 수 있게 된다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.6
• /
• pp.1507-1521
• /
• 1998

본 논문에서는 프로그램의 이해와 재사용에 초점을 둔 객체 지향 클래스 라이브러리 설계 방법 및 객체를 효율적으로 재사용하여 프로그래밍 할 수 있도록 객체에 대한 정보 추출 방법을 제시한다. 프로그램의 재사용을 위한 부품을 모듈 단위로 생성하여 각 정보를 테이블에 저장하며, 모듈간에 참조할 수 있는 인터페이스 플래스를 추출한다. 프로그램의 이해를 쉽게 하기 위하여 프로그램 코드를 기반으로 하여 클래스 관계성을 그래프로 표현하고 노드 클래스를 아이콘화하여 볼 수 있도록 하였다. 각 모듈 안에서의 참조 관계, 상속 관계, 복합 관계를 추출 및 세부적인 다형성 관계, 프랜드 관계등의 추가적인 정보를 생성할 수 있다. 본 논문에서 제시하는 방법은 프로그램 개발 및 유지보수시에 프로그램의 이해력을 높여 재사용 시스템 구축을 용이하게 한다.

• Korean Journal of Remote Sensing
• /
• v.19 no.2
• /
• pp.170-179
• /
• 2003

In order to classify Land Use/Land Cover using multispectral images, we have to give consequence to defining proper classes and selecting training sample with higher class separability. The process of satellite hyperspectral image which has a lot of bands is difficult and time-consuming. Furthermore, classification result of hyperspectral image with noise is often worse than that of a multispectral image. When selecting training fields according to the signatures in the study area, it is difficult to calculate covariance matrix in some clusters with pixels less than the number of bands. Therefore in this paper we presented an overview of feature extraction methods for classification of Hyperion data and examined effectiveness of feature extraction through the accuracy assesment of classified image. Also we evaluated the classification accuracy of optimal meaningful features by class separation distance, which is also a method for band reduction. As a result, the classification accuracies of feature-extracted image and original image are similar regardless of classifiers. But the number of bands used and computing time were reduced. The classifiers such as MLC, SAM and ECHO were used.

• Journal of KIISE:Software and Applications
• /
• v.28 no.9
• /
• pp.612-628
• /
• 2001

This paper presents a methodology to extract classes and inheritance relations from procedural software. The methodology is based on the idea of generating all groups of class candidates, based on the combinatorial groups of object candidates, and their inheritance with all possible combinations and selecting a group of object candidates, and their inheritance with all possible combinations and selecting a group with the best or optimal combination of candidates with respect to the degree of relativity and similarity between class candidates in the group and classes in a domain model. The methodology has innovative features in class candidates in the group and classes in a domain model. The methodology has innovative features in class and inheritance extraction: a clustering method based on both static (attribute) and dynamic (method) clustering, the combinatorial cases of grouping class candidate cases based on abstraction, a signature similarity measurement for inheritance relations among n class candidates or m classes, two-dimensional similarity measurement for inheritance relations among n class candidates or m classes, two-dimensional similarity measurement, that is, the horizontal measurement for overall group similarity between n class candidates and m classes, and the vertical measurement for specific similarity between a set of classes in a group of class candidates and a set of classes with the same class hierarchy in a domain model, etc. This methodology provides reengineering experts with a comprehensive and integrated environment to select the best or optimal group of class candidates.