• 소프트웨어공학소사이어티 논문지
• /
• 제25권3호
• /
• pp.59-62
• /
• 2012

본 연구에서는 소프트웨어 아키텍처 복원을 위한 계층적 클러스터링(Clustering) 결과를 정량적으로 평가 할 수 있는 비교 메트릭(Metric)을 제시한다. 소프트웨어 클러스터링의 정량적 평가는 소프트웨어의 구조적 변화에 대한 이해를 돕는 척도를 제시하는 연구이다. 이를 위해 생물정보학에서 상호유전 형질 분석에 사용하는 분기점(Split) 개념을 소프트웨어 아키텍처 분석에 적용한다.

• 소프트웨어공학소사이어티 논문지
• /
• 제25권4호
• /
• pp.69-74
• /
• 2012

본 논문은 소프트웨어 클러스터링 기법과 커뮤니티 검출 기법의 비교를 통하여 아키텍쳐 모듈 복원 프로세스에 커뮤니티 검출 알고리즘의 적용가능성을 제시한다. 또한, 대표적인 클러스터링 알고리즘과 커뮤니티 검출 알고리즘의 값과 나눠진 모듈간의 상관관계와 차이점을 분석한다. 이를 통하여 커뮤니티 검출 알고리즘이 소프트웨어 아키텍쳐 모듈 뷰 복원에 활용되어질 수 있다는 몇 가지 근거를 제시하였고, 기존의 클러스터링 결과와 커뮤니티 알고리즘의 결과치를 비교함으로써, 서로의 결과 데이터가 어떠한 연관성을 가지는지 제시하였다.

• 기술혁신학회지
• /
• 제5권2호
• /
• pp.167-188
• /
• 2002

Summary: This paper analyzes Indian software industry in the perspective of innovation cluster. The research shows that the software industry has been following an upstream clustering process, where the major value activity is expanding from low value product/services to high value product/services. The growth of software industry could be successful because there was appropriate initial condition of Bangalore, such as the availability of high qualified human resources, excellent research institutes, small high-tech companies. The role of government was helpful for the late growth of software industry but not a critical factor for the initial development of the S/W cluster. It is suggested that government should consider the initial condition of a concerned location critically to implement a cluster-type innovation policy.

• 한국정보처리학회논문지
• /
• 제5권9호
• /
• pp.2353-2360
• /
• 1998

리엔지니어링에서 기존 소프트웨어 시스템의 환경변화에 따라 대부분 논리적 실행을 중심으로 집단화를 실행해왔으나 본 논문에서는 기존 소스 프로그램을 중심으로 각 모듈간의 정보공유측면에서 효율적으로 집단화할 수 있는 방안을 제안하였다. 정보고유를 이용한 관련 모듈들의 집단화를 위해서 모듈 집단간 휴리스틱 측정방법을 근간으로 본 논문에서 제안한 유사성 및 단일성 알고리즘을 이용한 측정을 한 후 그 결과를 평가하였다. 이를 통해 모듈 및 프로시져의 관련성을 중심으로 관련 모듈 및 프로시져의 정리 및 집단화를 유도할 수 있었다. 소프트웨어 시스템의 환경변화에 따른 기존 시스템을 정보공유를 중심으로 집단화함으로써 과적으로 소프트웨어 시스템을 재구축할 수 있는 방법론을 제시하였으며, 그 구현 가능성을 실제 예를 통해서 보였다.

• ETRI Journal
• /
• 제32권3호
• /
• pp.351-361
• /
• 2010

Multiple rotation-based transformation (MRBT) was introduced recently for mitigating the apriori-knowledge independent component analysis (AK-ICA) attack on rotation-based transformation (RBT), which is used for privacy-preserving data clustering. MRBT is shown to mitigate the AK-ICA attack but at the expense of data utility by not enabling conventional clustering. In this paper, we extend the MRBT scheme and introduce an augmented rotation-based transformation (ARBT) scheme that utilizes linearity of transformation and that both mitigates the AK-ICA attack and enables conventional clustering on data subsets transformed using the MRBT. In order to demonstrate the computational feasibility aspect of ARBT along with RBT and MRBT, we develop a toolkit and use it to empirically compare the different schemes of privacy-preserving data clustering based on data transformation in terms of their overhead and privacy.

• ETRI Journal
• /
• 제30권6호
• /
• pp.868-870
• /
• 2008

The rotation-based transformation (RBT) for privacy preserving data mining is vulnerable to the independent component analysis (ICA) attack. This paper introduces a modified multiple-rotation-based transformation technique for special mining applications, mitigating the ICA attack while maintaining the advantages of the RBT.

• 대한임베디드공학회논문지
• /
• 제9권4호
• /
• pp.245-251
• /
• 2014

Wireless Sensor Networks(WSNs) are applied to many monitoring applications. Present sensor nodes can perform many functions at the same time and contain complex software. During the lifetime of sensor nodes, they are required to reprogram their software because of their new functions, software, software bug fixes. The nodes are inaccessible physically or it is very difficult to upgrade their software by one by one. To upgrade the software of sensor nodes in WSNs remotely, this paper presents an energy efficient method by selecting an optimal relay node. The CHR(Cluster Head Relay) method is compared with SPIN and RANDOM method. Three methods are simulated in NS-2 with the same environmental parameters. Simulation results show that CHR shows faster update time and less power consumption compared with other two methods.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.357-359
• /
• 2023

This paper proposes a hybrid recommendation system (RS) model that overcomes the limitations of traditional approaches such as data sparsity, cold start, and scalability by combining collaborative filtering and context-aware techniques. The objective of this model is to enhance the accuracy of recommendations and provide personalized suggestions by leveraging the strengths of collaborative filtering and incorporating user context features to capture their preferences and behavior more effectively. The approach utilizes a novel method that combines contextual attributes with the original user-item rating matrix of CF-based algorithms. Furthermore, we integrate k-mean++ clustering to group users with similar preferences and finally recommend items that have highly rated by other users in the same cluster. The process of partitioning is the use of the rating matrix into clusters based on contextual information offers several advantages. First, it bypasses of the computations over the entire data, reducing runtime and improving scalability. Second, the partitioned clusters hold similar ratings, which can produce greater impacts on each other, leading to more accurate recommendations and providing flexibility in the clustering process. keywords: Context-aware Recommendation, Collaborative Filtering, Kmean++ Clustering.

• 정보과학회 논문지
• /
• 제44권3호
• /
• pp.275-286
• /
• 2017

본 연구에서 우리는 모듈의 의존관계와 저자 엔트로피(Author Entropy) 정보를 이용하여 소프트웨어 모듈-뷰를 복원하는 새로운 소프트웨어 클러스터링 기법을 제안한다. 해당 기법은 우선 구조적 및 논리적 의존관계 정보를 기준으로 소프트웨어 모듈을 클러스터링한 후, 모듈 별 저자 엔트로피를 이용하여 일부 선택된 모듈을 클러스터 결과로부터 이전한다. 제안된 기법의 평가를 위해 참(ground-truth) 모듈-뷰가 알려진 오픈소스 프로젝트들에 적용하여 MoJoFM 값을 구하였다. 이와 함께 기존에 연구된 모듈-뷰 복원 기법들의 MoJoFM값과 비교하여, 제안된 기법이 소프트웨어 모듈-뷰 복원에 보다 효과적임을 보였다.

• 한국엔터테인먼트산업학회논문지
• /
• 제14권4호
• /
• pp.349-354
• /
• 2020

본 논문에서는 개체를 자유롭게 설명하고 효율적으로 클러스터링을 수행 할 수 있는 개념 그래프 기반의 새로운 클러스터링 체계 Clustering scheme Based on Conceptual graphs(CBC)를 제안한다. 개념적 클러스터링은 기계 학습 기술 중 하나이다. 개념 클러스터링에서 개체 간의 유사성은 개체의 의미나 환경을 고려하지 않고 유사성을 결정하는 일반적인 클러스터링 체계와 달리 개념 구성원의 자격에 따라 결정된다. 이 논문에서는 다양한 개체를 개념 그래프로 자유롭게 설명하여 효율적인 개념 클러스터링을 수행 할 수 있는 새로운 개념 클러스터링 체계인 CBC를 소개한다.