• Journal of KIISE:Software and Applications
• /
• v.27 no.12
• /
• pp.1141-1154
• /
• 2000

본 논문에서는 Java 프로그램의 복잡도를 측정하기 위해 필요한 인자들을 제안하였다. 이러한 인자들을 추출하기 위해 Java 프로그램을 분석하여 객체지향 설계 척도 값들을 계산하고 통계적 분석을 수행하였다. 그 결과 기존의 연구에서 발견되었던 클래스의 크기 인자 외에도 메소드 호출 빈도, 응집도, 자식 클래스의 수, 내부 클래스 및 상속 계층의 깊이가 주요 인자임이 파악되었다. 클래스의 크기 척도로 분류되었던 자식 클래스의 수는 다른 크기 척도들과 다른 성질을 가진다는 것을 발견하였다. 또한 프로그램의 크기가 커지고 결합도가 높아질수록 응집도가 떨어진다는 것을 입증하였다. 그리고 인자 분석을 바탕으로 인간의 인지 능력과 인자의 상관관계를 고려한 가중치를 적용하기 위해 인자별로 회귀분석을 수행하였다. 보다 적은 척도를 가지고 인자를 설명할 수 있는 회귀식을 도출하였다. 두 그룹에 대한 교차 검증 결과 회귀식이 높은 신뢰도를 가지는 것으로 나타났다. 따라서 본 논문에서 제안한 인자들을 이용하는 경우 Java 프로그램의 복잡도를 측정할 수 있는 새로운 척도로 사용할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.106-108
• /
• 2002

신뢰성있는 소프트웨어의 개발을 위해 테스트의 중요성은 매우 크다. 특히, 최근에 점진적이고 반복적인 소프트웨어 개발 방법론이 각광을 받으면서 소프트웨어의 잦은 변경에 따른 회귀 테스트의 중요성이 점점 커지고 있다. 이에 따라 단위 데스트의 자동화에 대한 연구가 활발히 진행되고 있다. JUnit은 자바 클래스의 단위 레벨 테스팅을 도와 주는 테스트 지원 프레임워크이다. 또한, JTestCase는 테스트 데이터와 테스트 코드를 분리함으로써, 데이터 중심 테스팅(data-driven testing)을 지원하기 위해 개발된 JUnit 확장 프레임워크이다. 본 논문에서는, 이 두 개의 테스트 프레임워크와 자바 리플렉션 API를 이용하여, 하나의 클래스 파일을 읽어 들여 XML 형태의 테스트 데이터 파일과 테스트 드라이버 코드를 자동생성하는 도구를 제안한다. 그리고, 구체적인 예를 통해 본 논문에서 제안하는 도구의 유용성을 보여준다. 본 논문의 데스트 도구는 회귀 단위 테스트에 필요한 노력을 줄여주고, 자바 클래스 단위 테스트를 지원하는 도구 개발의 기반 기술을 제공하며, 궁극적으로 소프트웨어 개발의 생산성을 향상시켜 준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.632-634
• /
• 1999

다양한 소프트웨어 척도들이 절차적 패러다임에서 유용하다는 것이 밝혀졌고 객체지향 패러다임에 대해서도 많은 설계 척도들이 언어 독립적으로 제안되었다. 언어 독립적인 척도로부터 특정 프로그램밍 언어에 대한 척도를 명확하게 하는 것이 중요한데도 불구하고 Java 언어에 대한 척도는 거의 제안되지 않고 있는 형편이다. 따라서 본 논문에서는 Briand가 제안한 속성을 만족하는 척도들과 Java 언어의 특징인 내부 클래스를 반영한 척도와 크기 척도 등 13개의 척도를 Java 프로그램에 적용하여 척도들 사이의 관계를 분석하였다. 클래스의 크기와 메소드 호출 빈도, 응집도, 자식 클래스의 수, 내부 클래스와 상소 계층의 깊이가 주요 인자라는 것을 보여준다. 또한 응집도가 다른 척도들과 음의 관계를 가진다는 것이 발견되었다. 보다 적은 척도를 가지고 인자를 설명할 수 있는 회귀식을 도출하고 교차검증을 실시하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.195-197
• /
• 2010

본 논문은 기존 평행좌표를 이용하는 얼굴 영상 대신 극좌표계 변환을 이용한 얼굴 영상을 이용하여 회전에 강인한 얼굴인식 방법을 제안한다. 극좌표계 변환 방법은 얼굴의 중심부분의 한 점을 극으로 삼아 이 점을 기준으로 360도 각 방향으로 일정 길이만큼 얼굴 영상을 샘플링 하여 새로운 얼굴 영상을 제작하는 방법이다. 이 극좌표계 변환 방법을 이용해 재구성된 영상에 대해 회귀( regression )문제 해결을 위해 변형된 LDA인 LDAr(LDA for regression)을 이용하여 얼굴의 중심부분의한 점인 극을 중심으로 임의의 각도로 회전된 영상의 회전 정도를 추정하여 이를 정규화 시키는 방법을 통해 얼굴 인식의 인식률을 향상시키고자 한다. LDAr은 LDA의 기본개념인 각 클래스 간 떨어진 정도를 최대화하는 것이 목적으로 클래스간 분산과 클래스내 분산의 비율을 최대화 하는 방법을 응용하여 이를 회귀문제에 적용할 수 있게 변형을 한 것이다. 즉, LDAr은 목표값(target)의 차이가 큰 샘플들과 목표값의 차이가 작은 샘플들 간의 거리의 비율을 최대화 하는 것을 목적으로 하게 된다. 제안된 방법을 Yale데이터에 적용하여 임의의 각도로 회전시킨 영상에 대해 회전 각도를 정확히 찾아내는 것을 확인할 수 있었다.

• The Transactions of the Korea Information Processing Society
• /
• v.6 no.12
• /
• pp.3523-3529
• /
• 1999

In this paper, we propose an improved regression testing method, which use method as the basic unit of changing. The testing method consists of three steps. We represent the relationship of classes using the notation of UML(Unified Modeling Language), find the nodes of the modified methods and affected methods by node analysis, and then select changed test cases from the original test cases. The proposed object-oriented regression testing method can reduce the number of test cases, testing time and cost through reuse of test cases.

• The Journal of the Acoustical Society of Korea
• /
• v.22 no.8
• /
• pp.727-739
• /
• 2003

In this paper, we propose a generation method of regression classes for adaptation in the HM-Net (Hidden Markov Network) system. The MLLR (Maximum Likelihood Linear Regression) adaptation approach is applied to the HM-Net speech recognition system for expressing the characteristics of speaker effectively and the use of HM-Net in various tasks. For the state level sharing, the context domain state splitting of PDT-SSS (Phonetic Decision Tree-based Successive State Splitting) algorithm, which has the contextual and time domain clustering, is adopted. In each state of contextual domain, the desired phoneme classes are determined by splitting the context information (classes) including target speaker's speech data. The number of adaptation parameters, such as means and variances, is autonomously controlled by contextual domain state splitting of PDT-SSS, depending on the context information and the amount of adaptation utterances from a new speaker. The experiments are performed to verify the effectiveness of the proposed method on the KLE (The center for Korean Language Engineering) 452 data and YNU (Yeungnam Dniv) 200 data. The experimental results show that the accuracies of phone, word, and sentence recognition system increased by 34∼37%, 9%, and 20%, respectively, Compared with performance according to the length of adaptation utterances, the performance are also significantly improved even in short adaptation utterances. Therefore, we can argue that the proposed regression class method is well applied to HM-Net speech recognition system employing MLLR speaker adaptation.

• The Journal of the Korea Contents Association
• /
• v.6 no.12
• /
• pp.80-88
• /
• 2006

In Object-Oriented Paradigm, various cohesion measurements have been studied taking into account reference relation among components - like attributes and methods - that belong to a class. In addition, a number of methods have taken into research utilizing manual analysis, that is performed by developer's intuition and experience, and automatic analysis in refactoring field. The verification of objective criteria is demanded in order to process automatic refactoring. In this paper, we propose a method exploiting logistic regression and neural network for analysis of the relationship between six factors considering reference relation and method location among classes. Experimental results demonstrate that the logistic regression predicts the results up to 97% and the neural network predicts the outcomes up to 90%. Hence, we conclude that the logistic regression based method is more effective to predict the method location. Moreover, more than 90% of experimental results from both methods show that the six factors used in Move Method in refactoring are suitable to be used as an objective criteria.

• Proceedings of the IEEK Conference
• /
• 2003.11a
• /
• pp.397-400
• /
• 2003

본 연구에서는 KM-Net(Hidden Markov Network)을 다양한 태스크에의 적용과 화자의 특성을 효과적으로 나타내기 위해 HM-Net 음성인식 시스템에 MLLR(Maximum Likelihood Linear Regression) 적응방법을 도입하였으며, HM-Net 학습 알고리즘을 개량하여 회귀클래스 생성방법을 제안한다. 제안방법은 PDT-SSS(Phonetic Decision Tree-based Successive State Splitting) 알고리즘의 문맥방향 상태분할에 의한 상태레벨 공유를 이용한 방법으로 새로운 화자로부터 문맥정보와 적응화 데이터의 발성 양에 의존하여 결정된 많은 적응 파라미터들을(평균, 분산) 자유롭게 제어할 수 있게 된다. 제안방법의 유효성을 확인하기 위해 국어공학센터(KLE) 452 음성 데이터와 항공편 예약관련 연속음성을 대상으로 인식실험을 수행한 결과, 전체적으로 음소인식의 경우 평균 34-37％, 단어인식의 경우 평균 9％, 연속음성인식의 경우 평균 7-8％의 인식성능 향상을 각각 보였다. 또한 적응화 데이터의 양에 따른 인식성능 비교에서, 제안방법을 적용한 인식 시스템이 적응 데이터의 양이 적은 경우에도 향상된 인식률을 보였으며. 잡음을 부가한 음성에 대한 적응화 실험에서도 향상된 인식성능을 보여 MLLR 적응방법의 특성을 만족하였다. 따라서 MLLR 적응방법을 도입한 HM-Net 음성인식 시스템에 제안한 회귀클래스 생성방법이 유효함을 확인한 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10b
• /
• pp.137-142
• /
• 2007

객체지향 소프트웨어에서의 회귀 시험은 정확성과 효율성의 측면에서 그 수정영향 분석을 할 때, 시험의 기본 단위를 다양하게 하여 접근한다 클래스, 메소드 및 문장 단위의 수정영향 분석 기법을 살펴 볼 때 메소드를 하나의 시험 단위로 보는 기법이 비교적 효율적이고 효과적이라고 판단된다. 본 논문에서는 Java 소프트웨어의 메소드 단위에서의 회귀 시험을 위한 효율적인 수정영향 분석 기법을 제안하기 위해 수정의 의존관계를 분석하고 발생 가능한 모든 수정을 시험을 유발하는 수정과 그럴지 않은 수정으로 구분한다. 시험을 유발하는 수정에 대한 수정영향 분석만을 통해 중복 영향 분석을 피해 효율성을 높인다. 또한 본 논문에서는 수정영향 분석의 자동화를 위한 설계 및 프로토타입을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.655-657
• /
• 2022

본 논문은 유튜브에 업로드 된 운동 영상을 시청하는 사람의 얼굴 영역을 YoloV3을 이용하여 얼굴 영상에서 눈 및 입술영역을 검출하는 방법을 연구하여, YoloV3은 딥 러닝을 이용한 물체 검출 방법으로 기존의 특징 기반 방법에 비해 성능이 우수한 것으로 알려져 있다. 본 논문에서는 영상을 다차원적으로 분리하고 클래스 확률(Class Probability)을 적용하여 하나의 회귀 문제로 접근한다. 영상의 1 frame을 입력 이미지로 CNN을 통해 텐서(Tensor)의 그리드로 나누고, 각 구간에 따라 객체인 경계 박스와 클래스 확률을 생성해 해당 구역의 눈과 입을 검출한다. 검출된 이미지 감성 분석을 통해, 운동 영상 중 하이라이트 부분을 자동으로 선별하는 시스템을 설계하였다.