• 한국IT서비스학회지
• /
• 제14권2호
• /
• pp.253-273
• /
• 2015

Cloud computing is provided on demand service via the internet, allowing users to pay for the service they actually use. Categorized as one kind of cloud computing, SaaS is computing resource and software sharing model with can be accessed via the internet. Based on virtualization technology, SaaS is expected to improve the efficiency and quality of the IT service level and performance in company. Therefore this research limited cloud services to SaaS especially focused on collaborative application service, and attempts to identify the factors which impact the performance of collaboration and intention to use. This study adopts technological factors of cloud SaaS services and factors of task characteristics to explore the determinants of collaborative performance and intention to use. An experimental study using student subjects with Google Apps provided empirical validation for our proposed model. Based on 337 data collected from respondents, the major findings are following. First, the characteristics of cloud computing services such as collaboration support, service reliability, and ease of use have positive effects on perceived usefulness of collaborative application while accessability, service reliability, and ease to use have positive effects on intention to use. Second, task interdependence has a positive effects on collaborative performance while task ambiguity factor has not. Third, perceived usefulness of collaborative application have positive effects on intention to use.

• Journal of Information Processing Systems
• /
• 제14권6호
• /
• pp.1480-1493
• /
• 2018

Recently, computational intelligence has received a lot of attention from researchers due to its potential applications to artificial intelligence. In computer science, computational intelligence refers to a machine's ability to learn how to compete various tasks, such as making observations or carrying out experiments. We adopted a computational intelligence solution to monitoring residual resources in cloud computing environments. The proposed residual resource monitoring scheme periodically monitors the cloud-based host machines, so that the post migration performance of a virtual machine is as consistent with the pre-migration performance as possible. To this end, we use a novel similarity measure to find the best target host to migrate a virtual machine to. The design of the proposed residual resource monitoring scheme helps maintain the quality of service and service level agreement during the migration. We carried out a number of experimental evaluations to demonstrate the effectiveness of the proposed residual resource monitoring scheme. Our results show that the proposed scheme intelligently measures the similarities between virtual machines in cloud computing environments without causing performance degradation, whilst preserving the quality of service and service level agreement.

• 국제지역연구
• /
• 제21권1호
• /
• pp.97-117
• /
• 2017

본 연구에서는 한국 중소기업 클라우드 컴퓨팅 사용자, 조직구성원들을 대상으로, 혁신확산이론을 토대로 하여 사용자의 개인적 특성을 추가한 확장된 모형으로, 클라우드 컴퓨팅 오피스환경의 확산요인을 마련한 후, 이에 대한 사용자의 지각이 업무성과에 미치는 영향을 파악하였다. 이를 위해, 중소기업 클라우드 컴퓨팅 오피스환경의 확산요인이 업무성과에 영향을 주는지 분석하고, 클라우드 컴퓨팅 오피스환경 사용자 교육과 지원 서비스에 따른 조절효과를 분석하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, 클라우드 컴퓨팅 확산요인과 업무효용성의 관계를 검증한 결과, 클라우드 컴퓨팅 확산요인은 업무효용성에 정(+)의 유의한 영향을 미치는 것으로 나타났으며, 업무효용성에 영향을 미치는 클라우드 컴퓨팅 확산요인으로는 시스템사용능력 > 시스템의질 > 정보의질 > 조직의인식 > 시스템사용태도의 순으로 나타났다. 둘째, 클라우드 컴퓨팅 확산요인과 업무능률성의 관계를 검증한 결과, 클라우드 컴퓨팅 확산요인은 업무능률성에 정(+)의 유의한 영향을 미치는 것으로 나타났으며, 업무능률성에 영향을 미치는 클라우드 컴퓨팅 확산요인으로는 시스템사용능력 > 시스템의질 > 정보의질 > 시스템사용태도 > 조직의인식의 순으로 나타났다. 셋째, 클라우드 컴퓨팅 확산요인과 업무생산성의 관계를 검증한 결과, 클라우드 컴퓨팅 확산요인은 업무생산성에 정(+)의 유의한 영향을 미치는 것으로 나타났으며, 업무생산성에 영향을 미치는 클라우드 컴퓨팅 확산요인으로는 정보의질 > 시스템사용태도 > 조직의인식 > 시스템의질 > 시스템사용능력의 순으로 나타났다. 넷째, 클라우드 컴퓨팅 확산요인이 업무성과에 미치는 영향에 있어서 사용자교육 제공여부 및 전산부서 지원서비스 유무의 조절효과를 검증한 결과, 클라우드 컴퓨팅 확산요인은 사용자교육 제공여부와의 상호작용을 통해 업무성과와 유의한 정(+)의 관계를, 전산부서 지원서비스 유무와의 상호작용을 통해 업무성과와 유의한 정(+)의 관계를 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권11호
• /
• pp.5357-5381
• /
• 2018

Cloud computing offers a wide range of on-demand resources over the internet. Utility-based resource allocation in cloud data centers significantly increases the number of cloud users. Heavy usage of cloud data center encounters many problems such as sacrificing system performance, increasing operational cost and high-energy consumption. Therefore, the result of the system damages the environment extremely due to heavy carbon (CO2) emission. However, dynamic allocation of energy-efficient resources in cloud data centers overcomes these problems. In this paper, we have proposed Energy and Service Level Agreement (SLA) Aware Resource Allocation Heuristic Algorithms. These algorithms are essential for reducing power consumption and SLA violation without diminishing the performance and Quality-of-Service (QoS) in cloud data centers. Our proposed model is organized as follows: a) SLA violation detection model is used to prevent Virtual Machines (VMs) from overloaded and underloaded host usage; b) for reducing power consumption of VMs, we have introduced Enhanced minPower and maxUtilization (EMPMU) VM migration policy; and c) efficient utilization of cloud resources and VM placement are achieved using SLA-aware Modified Best Fit Decreasing (MBFD) algorithm. We have validated our test results using CloudSim toolkit 3.0.3. Finally, experimental results have shown better resource utilization, reduced energy consumption and SLA violation in heterogeneous dynamic cloud environment.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권4호
• /
• pp.1732-1750
• /
• 2016

Recently, Peer-to-Peer (P2P) live streaming assisted by the cloud computing has attracted considerable attention to improve the reliability of the P2P such as the resilience to peer churn and the shortage of upload capacity. The cost of cloud-assistance is comprised of the number of requests issued to the cloud and the amount of data fetched from the cloud. In this paper, we propose three techniques to reduce the cost of such a cloud-assistance.More concretely, in the proposed method, 1) each peer which lost its parent in the overlay can find a new parent by referring to the information registered in the cloud, 2) several peers which proactively fetch chunks from the cloud are dynamically invested, and 3) the number of requests issued to the cloud is reduced by allowing peers to fetch a collection of chunks using a single request. The performance of the proposed method is evaluated by simulation. The simulation results indicate that it reduces the cost of conventional scheme by 46% while guaranteeing the quality of live streaming service.

• 한국인터넷방송통신학회논문지
• /
• 제15권2호
• /
• pp.39-44
• /
• 2015

클라우드 서비스의 특징으로 인한 보안위협이 상존함에도 불구하고 클라우드 서비스의 장점의 급부상 등으로 국내 클라우드 서비스는 중장기적으로 확산될 전망이다. 그동안 많은 연구에서는 클라우드 서비스 활성화의 저해요인으로 주로 보안 위협과 품질을 지적하였다. 이용자 측면에서 클라우드 서비스의 품질 중요성이 강조되고 있는 가운데, 품질항목들이 클라우드 서비스 이용자의 만족도에 어느 정도 중요한 영향을 미치는지에 대한 고찰은 없었다. 따라서 본 연구에서는 클라우드 서비스를 사용 경험이 있는 이용자 대상으로 품질 중요도 인식에 대한 설문 분석을 하였다. 분석 결과 'SLA 보장'이 '보안 성능' 보다 이용자 만족도에 더 중요한 영향을 주고 있는 것으로 나타났다. 본 연구결과는 향후 클라우드 서비스를 제공하는 기업들의 '이용자 중심의 품질 전략 수립'에 도움이 될 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권8호
• /
• pp.3090-3102
• /
• 2015

The accuracy of an augmented reality (AR) application is highly dependent on the resolution of the object's image and the device's computational processing capability. Naturally, a mobile smart device equipped with a high-resolution camera becomes the best platform for portable AR services. AR applications require significant energy consumption and very fast response time, which are big burdens to the smart device. However, there are very few ways to overcome these burdens. Computation offloading via mobile cloud computing has the potential to provide energy savings and enhance the performance of applications executed on smart devices. Therefore, in this paper, adaptive mobile computation offloading of mobile AR applications is considered in order to determine optimal offloading points that satisfy the required quality of experience (QoE) while consuming minimum energy of the smart device. AR feature extraction based on SURF algorithm is partitioned into sub-stages in order to determine the optimal AR cloud computational offloading point based on conditions of the smart device, wireless and wired networks, and AR service cloud servers. Tradeoffs in energy savings and processing time are explored also taking network congestion and server load conditions into account.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권6호
• /
• pp.383-394
• /
• 2013

CPU, 메모리 등 모바일 디바이스의 제한된 자원문제를 해결하기 위한 방법으로, 모바일 디바이스의 자원이 아닌 클라우드 서비스 또는 PC등 외부 자원을 사용하는 모바일 클라우드 컴퓨팅(Mobile Cloud Computing, MCC)이 부각되고 있다. 전형적인 MCC 환경(MCC Environment, MCE)은 다른 운영체제 및 플랫폼을 가지는 여러 개의 노드, 모바일 애플리케이션과 서비스들로 구성되어 있고, 중앙관리자는 MCE 전체 품질이 일정 수준 이상을 유지하도록 관리 태스크를 수행한다. 그러나, 노드 수, 모바일 애플리케이션 수, 서비스의 수가 많아지고 서비스 실행빈도가 높아질 경우, 중앙 관리자의 관리 태스크 과중으로 병목현상과 성능저하 문제가 제기될 수 있다. 본 논문에서는 이러한 대규모 MCE의 병목과 성능저하 문제를 해결하고, 전체 품질을 안정화시키기 위한 클러스터링(Clustering) 기반의 최적화 기법을 제안한다. 본 기법을 적용하면 MCE의 전체 품질을 안정화시키기 위한 부하를 최소화하면서, 능동적이며 자율적인 방식으로 품질을 보장할 수 있다.

• 전자공학회논문지
• /
• 제52권3호
• /
• pp.127-135
• /
• 2015

상황인지(Context-Aware) 모바일 클라우드 컴퓨팅은 어플리케이션이 사용자의 위치, 시간, 근처에 사용자와 장치 그리고, 사용자의 상황적인 정보를 분석함으로써, 사용자 경험을 증대시킬 수 있는 새로운 전도 유망한 패러다임이다. 본 논문에서는 Volare 미들웨어를 탑재한 상황인지 모바일 클라우드 컴퓨팅 시스템의 성능 연구를 제공한다. Volare 미들웨어는 리소스와 장치의 상황을 모니터하고, 실행시간에 클라우드 서비스 요구를 동적으로 적용한다. 이러한 접근은 실행시간에 상당한 비용절감 뿐 아니라, 더욱 효과적인 자원과 신뢰할 만한 클라우드 서비스를 제공할 것이다. 또한, 다른 QoS적용 정책에 대한 상황인지 모바일 클라우드 컴퓨팅의 성능을 연구했다. 시뮬레이션 결과는 배터리 레벨이 낮고 CPU 사용량은 높고, 사용자가 초기단계 QoS를 유지할 수 없을 때, 현 적용 정책에 의해서 서비스 비용이 줄어드는 것을 보여준다. 결과적으로, 본 논문에서 제안된 적용정책을 사용하면 상황에 따라 다르게 서비스 비용을 사용자들에게 제공할 수 있다.

• 대한원격탐사학회지
• /
• 제38권4호
• /
• pp.327-341
• /
• 2022

Cloud removal is often required to construct time-series sets of optical images for environmental monitoring. In regression-based cloud removal, the selection of an appropriate regression model and the impact analysis of the input images significantly affect the prediction performance. This study evaluates the potential of Gaussian process (GP) regression for cloud removal and also analyzes the effects of cloud-free optical images and spectral bands on prediction performance. Unlike other machine learning-based regression models, GP regression provides uncertainty information and automatically optimizes hyperparameters. An experiment using Sentinel-2 multi-spectral images was conducted for cloud removal in the two agricultural regions. The prediction performance of GP regression was compared with that of random forest (RF) regression. Various combinations of input images and multi-spectral bands were considered for quantitative evaluations. The experimental results showed that using multi-temporal images with multi-spectral bands as inputs achieved the best prediction accuracy. Highly correlated adjacent multi-spectral bands and temporally correlated multi-temporal images resulted in an improved prediction accuracy. The prediction performance of GP regression was significantly improved in predicting the near-infrared band compared to that of RF regression. Estimating the distribution function of input data in GP regression could reflect the variations in the considered spectral band with a broader range. In particular, GP regression was superior to RF regression for reproducing structural patterns at both sites in terms of structural similarity. In addition, uncertainty information provided by GP regression showed a reasonable similarity to prediction errors for some sub-areas, indicating that uncertainty estimates may be used to measure the prediction result quality. These findings suggest that GP regression could be beneficial for cloud removal and optical image reconstruction. In addition, the impact analysis results of the input images provide guidelines for selecting optimal images for regression-based cloud removal.