악취 유발 사업장 및 지자체에서 사용하고 있는 악취 관리 모델링 시스템의 핵심 모듈을 최근 Intel에서 발표한 멀티코어(multi-core) 기술과 OpenMP 기술을 이용하여 고성능 병렬처리에 의한 실시간 시스템으로 개선하였다. 기존의 기상 모델인 CALMET 모델과 대기질 모델인 CALPUFF 모델은 배출원 갯수와 모델링 영역의 격자 갯수 증가에 따라 모델링 수행 시간이 기하급수적으로 증가한다. 악취는 그 특성상 모델링 수행시간을 짧게 할수록 악취모델링 결과를 효과적으로 사용할 수 있다. 따라서 모델링 수행시간을 단축하기 위해 여러 개의 CPU Core를 동시에 사용하여 병렬로 작업을 처리하는 멀티코어 기술을 접목하여, 기존의 CALPUFF를 실시간 모델링이 가능한 고성능 모델링 시스템으로 개발하였다. 실험 결과 Core의 수가 증가하면 Amdahl의 법칙에 준하여 가속화되었다.

스마트 스페이스들이 주거환경에 적용되면서 많은 주거환경들이 스마트 홈으로 구축이 되고 있다. 이러한 스마트 홈에서는 주거민의 편의성과 안락함을 추구하는 방향으로 다양한 연구가 이루어지고 있다. 본 연구에서는 이러한 스마트 홈 환경에서 주거환경을 제어하기 위한 새로운 User Interface를 제안한다. 제안하는 인터페이스는 스마트 홈에서 가장 활발하게 사용될 수 있는 홈 서버와 개인의 스마트 폰에서 동작하게 되며 이러한 각각의 환경에 적합한 인터페이스를 설계하였다. 이렇게 설계된 인터페이스를 사용자 테스트를 통하여 검증하였으며 이에 대한 결과와 정성적인 평가 결과에 대해서 기술한다.

한국원자력연구원은 연구로 1, 2호기와 우라늄변환시설의 해체활동에서 얻어진 해체 경험과 그간에 쌓인 해체활동에 관한 정보 그리고 해체 대상 시설의 특성자료를 통하여 해체 작업 시 발생하는 유닛 생산성(Unit Productivity)을 자동으로 산출하는 시스템(DEWOCS)을 개발하였다. DEWOCS를 통한 해체작업시 발생하는 유닛의 해체작업 생산성 평가 인자 값은 해체 엔지니어링 시스템의 개발 및 향후 이루어질 원자력발전소를 비롯한 원자력시설의 해체 사업에서 계획 및 해체 설계에 기초자료로써 활용될 것이다.

에너지플랜트는 위험성이 높은 유해화학물질을 취급해서 누출사고가 발생 할 가능성이 높다. 유해화학물질이 누출되어 대기 중에 확산되면 강한 유독성으로 인해 대형피해를 불러온다. 유해화학물질의 누출로 인한 대기 중의 확산피해 최소화하는 방안에는 확산 될 범위를 산출하여 적절한 사고대응조치를 취하는 것이다. 대기확산모델의 시뮬레이션을 이용한 대기확산범위 산출은 가상으로 설정 된 시나리오의 데이터를 사용자가 수동으로 입력하여 결과를 도출한다. 가상 데이터로 산출 된 결과는 정확성이 결여 될 수 있으며 실시간 대기확산범위 산출이 불가능하다. 본 연구에서는 유해화학물질의 대기확산범위를 즉각적으로 산출 할 수 있는 실시간 대기확산시스템을 설계하고 구현한다. 대기확산범위 산출에 필요한 데이터는 실시간으로 수집 된 실제 데이터를 이용한다. 실시간으로 수집된 실 데이터를 토대로 데이터마이닝기법을 통해 자율적인 누출사고를 탐지하고 누출지점을 특정 할 수 있는 지능화모듈을 설계한다. 대기확산모델은 유해화학물질의 증기운의 무게에 따라 가우시안과 SLAB모델을 이용한다. 실시간으로 산출 된 대기확산범위는 ERPG의 각 단계의 농도 기준에 근거하여 총 3단계로 구분해서 GIS맵 상의 유저인터페이스에 표현한다. 산출된 대기확산피해범위는 현장 작업자의 모바일기기로 사고와 관련 된 대응조치와 함께 신속히 전파할 수 있도록 구현해서 누출로 인한 유해화학물질의 확산사고피해 최소화를 도모한다.

축구 비디오를 분석하고 이를 팀 전략 수립에 활용하는 축구 비디오 분석관의 역할이 강조됨에 따라, 축구 비디오에서 주요 이벤트의 탐지와 같은 절차적 기능에서 부터 고수준의 해석 방법에 이르는 다양한 기능들이 요구된다. 본 논문에서는 축구 웹 캐스트에서 실시간으로 제공하는 텍스트 정보를 기반으로 메타데이터 키워드 매칭을 통하여 축구 경기의 다양한 속성들을 추출하고 텍스트 마이닝의 대표적 해석 기법인 연관규칙 마이닝을 사용함으로써 축구 경기의 전략 수립이 가능한 고수준의 해석 방법을 소개한다. 실제 2010년 월드컵의 스페인 경기를 중계한 웹 캐스트의 텍스트 정보를 대상으로 제안된 방법론의 타당성을 검증한다.

본 논문에서는 장기간 축적된 대용량의 축구 비디오 데이터를 데이터 마트로 저장하고, 이를 이용하여 다차원의 고수준 분석이 가능한 멀티미디어 데이터 기반의 데이터 큐브 시스템인 Soccer Cube의 프로토타입을 설계 및 구현한다. 이로써 축구 전략가들은 본인이 분석하고자 하는 관점에 따라 해당 차원들을 선택하고, 각 차원들의 추상화 정도를 조절함으로써 축구 비디오에 대한 고수준의 분석이 가능하다. 실제 2010년 남아프리카 공화국 월드컵의 스페인 팀을 대상으로 Soccer Cube 시스템을 구축한 후, OLAP 연산의 사례 연구를 통하여 다양한 분석이 가능함과 함께 그 실효성을 검증한다.

본 논문에서는 강의노트의 저장 형식이 XML 문서라는 사실을 기반으로 강의노트 사이의 유사도 계산 문제를 XML 문서 사이의 유사도 계산 문제로 치환해 해결한다. 그리고 유사도를 계산할 때 강의노트가 포함하는 컨텐츠의 논리적 구조의 특징을 반영한다. 본 논문에서 제안한 기법을 사용해 사용자가 소유한 강의노트와 유사한 강의노트들을 정확하게 검색함으로써 사용자가 효과적으로 강의노트를 학습할 수 있도록 도움을 줄 수 있다.

센서 네트워크는 원격지의 상태를 실시간으로 파악하기 위하여 각종 모니터링 시스템에서 활발히 활용된다. 시스템은 원격지에 일어난 사건을 인식하고 사용자에게 유용한 정보를 제공하기 위하여 각종 시뮬레이션 모델 및 분석 기법과 함께 수집된 센서 데이터를 분석한다. 이 논문에서는 모니터링 시스템에서 원격지의 사건을 인식하기 위하여 사건을 등록하고 처리하는 과정을 설계하였다. 이 과정에는 사건 정보 등록, 센서 데이터로부터 사건 정보 추출, 데이터 종류 별 테마(theme) 생성, 연산자를 통한 테마 결합, 시뮬레이션 모델을 활용한 사건 진행 예측, 영향 분석이 포함된다. 그리고, 실제 센서 네트워크를 활용하여 등록된 사건이 처리됨을 보인다.

최근 기업들이 취업이나 승진에서 영어 말하기 능력을 중시하는 경향이 커지면서 영어권 국가로의 어학연수를 고려하는 학생들이 급격히 증가하고 있다. 어학연수에는 결코 적지 않은 비용이 소요 되며 적게는 3개월에서 많게는 1년 이상의 시간을 들여야 하므로 어학연수 프로그램의 선택에 매우 신중을 기해야 할 것 이다. 웹 상에는 이러한 어학연수 프로그램들에 대한 정보나 의견을 교환할 수 있는 수많은 커뮤니티 및 포럼들이 존재하며, 기 이용자들이 작성한 이용기 및 의견 게시물 또한 헤아릴 수 없이 많이 존재한다. 어학연수를 떠나고자 하는 대다수의 사람들은 이러한 웹 사이트에서 기존 이용자들의 이용기를 접하고 선택여부를 결정하고자 할 것이다. 하지만 이 수많은 게시물들을 모두 읽어보고 결정한다는 것은 너무나 많은 시간과 노력이 소모되게 된다. 이에 본 논문에서는 웹서버에 저장되어 있는 수많은 이용기를 오피니언 마이닝하고, 어학연수 프로그램에 대한 속성을 카테고리 별로 분석하여 이를 수치화해서 신규 이용자가 적은 시간과 노력으로 프로그램을 결정할 수 있도록 도와 줄 수 있는 방법을 제안하고자 한다.

계층적 색인 구조는 대용량의 다차원 데이터에 대한 범위질의를 가장 효율적으로 처리하는 색인 구조이다. 계층적 색인 구조에서 범위질의의 속도를 향상시키기 위해서 색인 구조의 구성 시 발생하는 인접노드간의 겹치는 영역을 줄이는 기법들과 다량의 데이터를 한 번에 읽어 상향식 방식으로 색인 구조의 공간 활용도를 증가시키는 벌크 로딩 기법들이 제안되었다. 하지만 CPU기반에서 개별의 노드들을 순차적으로 질의처리 하는 계층적 색인 구조는 공간 활용도의 증가와 노드 간의 중첩 영역을 줄이는 것만으로는 질의 처리 성능 향상에 한계가 있다. 따라서 본 논문에서는 기존의 CPU기반 계층적 색인 구조 중의 대표적인 예인 R-tree의 저장 구조를 GPU 메모리에 적합하도록 변경을 하였다. 또한 기존 CPU기반 계층적 색인 구조의 순차적인 노드 검색을 GPU를 이용해 병렬적으로 노드를 검사하여 성능을 향상시켰다. 이와 같은 방식으로 질의 영역의 크기에 따라서 성능 향상정도가 다르지만 최대 100배 이상의 성능을 향상시켰다.

본 연구는 현재 사용자가 청취한 음악과 청취한 순서를 기반으로 다음에 사용할 아이템을 추천하는 문제를 다룬다. 우리가 제시하는 모델은 아이템 사용 로그를 기반으로 하며, 정보검색에서 많이 사용하는 N-gram모델을 사용하여 아이템의 순서열을 추출한 후 다음에 올 확률이 높은 아이템을 학습한다. 그리고 사용자가 현재 선택한 아이템의 순서열을 기반으로 다음에 가장 들을 확률이 높은 아이템을 추천한다. 또 실 세계 데이터를 기반으로 실험하여 협업적 필터링 방식과 성능을 비교한다.

본 논문에서는 다양한 타입의 위치기반 데이터들을 하나의 R-tree로 통합합 $R^m$-tree의 구조와 이 $R^m$-tree를 이용하여 질의 포인트로부터 각 타입에서 k개의 가까운 위치기반 데이터를 찾는 mkNN(multi-type k nearest neighbor) 질의 처리기법을 제안하였다. 특히, 다양한 타입의 위치기반 데이터들을 각 타입별로 독립된 R-tree로 유지하지 않고, 하나의 $R^m$-tree로 통합하여 관리함으로써 mkNN 질의 처리시 같은 레벨의 공간의 반복탐색을 줄일 수 있도록 고안하였다. 그리고 각 타입 t에 대한 위치데이터를 관리하는 부가적인 타입정보 자료구조로서 위치정보를 담은 TMBR, 데이터 개수정보를 담은 $I_t$-entry를 새로이 고안하여 mkNN질의 처리시 효율적인 휠터링(filtering)과 검색과정이 이루어지도록 하였다.

모바일 폰에서는 데이터 저장을 위해 낸드 플래시 메모리가 널리 사용하고 있다. 그리고 제한된 리소스 환경임에도 데이터의 효율적인 관리를 위해 임베디드 데이터베이스 시스템을 탑재하는 모델이 점차 늘고 있다. 플래시 메모리의 쓰기 연산은 읽기 연산에 비해 고비용의 연산이며 쓰기 연산이 많을수록 빈 블록을 더 빠르게 소모시켜 고비용의 지우기 연산을 유도하므로 성능 저하를 유발하는 특징이 있다. 본 논문에서는 리소스가 제한적인 모바일 폰에 적용되는 데이터베이스에서의 쓰기 연산 최소화를 위한 지연 갱신 기법을 제안한다. 이 기법은 기존의 그림자 페이지 기법을 모바일 환경에 맞도록 변형하여 플래시 메모리의 쓰기 및 지우기 연산을 감소시켜 데이터베이스의 성능을 향상 시킨다.

웹의 미래라고 주목받아 온 클라우드 컴퓨팅은 IT 트랜드의 하나로 IT 기업뿐만 아니라 일반기업까지 많은 관심을 받고 있다. 클라우드 컴퓨팅 서비스의 한 분야인 클라우드 스토리지 서비스는 가장 큰 관심을 받고 있는 분야 중 하나이다. 클라우드 스토리지 서비스는 파일을 스토리지 공간에 저장한 뒤 인터넷이 연결되는 컴퓨터 혹은 모바일기기를 사용하여 원하는 자신의 파일에 접근해 내용을 읽거나 그 자리에서 편집할 수 있는 기능을 가진다. 현재 시중에 제공되는 클라우드 스토리지 서비스는 5GB~20GB 정도의 한정된 저장 공간을 무료로 제공하지만, 추가적인 서비스를 받기 위해서는 비용을 지급해야 한다. 이런 한정된 저장 공간과 서비스 비용을 극복하고자 개인 PC를 활용하여 무한정에 가까운 저장 공간을 확보할 수 있고 무료로 사용할 수 있는 개인용클라우드 스토리지 시스템을 제안한다.

최근 방대해진 의료 정보 관리와 통합을 위해 다양한 전자기록 시스템이 개발되어왔다. 이 중에 EMR(Electronic Medical Record)은 병원 내의 의료 정보를 전산으로 처리하는 것이다. 이때 많은 의학 용어가 사용되는데 이것을 체계적으로 지원하기 위해 SNOMED(Systematized Nomenclature of Medicine)와 같은 용어 체계가 필요하다. 본 논문에서는 이러한 용어 체계를 위해 의학 용어를 자동으로 구축하는 시스템을 제안하고자 한다. 제안한 시스템은 웹 마이닝을 통해 자동으로 웹에서 데이터를 수집하고 분류해서 의학 용어 데이터를 구축하게 된다.

인터넷은 단순한 정보습득을 위한 공간을 넘어 사람들이 모여 교류하는 '소통의 장'으로서 역할을 하고 있다. 최근에는 타인과 끊임없이 대화를 나누고 소통하려는 인간의 기본 욕구를 반영한 서비스인 SNS(Social Network Service)가 전 세계의 주목을 받고 있다. 또한 LBS(Location-Based Service)는 GPS, Wi-Fi를 통한 위치정보를 활용하여 업무생산성 개선 및 다양한 생활 편의를 제공하는 서비스이다. 본 논문에서는 안드로이드 OS를 기반으로 LBS와 SNS를 통합한 어플리케이션을 제안한다. 개인용 모바일 정보기기인 스마트폰을 활용하여, 위치정보에 이용자 정보, SNS를 결합하여 서비스를 고도화 한다. 지인들의 위치를 기반으로 현재 상태, 트윗(Twit)을 통해 정보의 공유 및 활용을 극대화 할 수 있다. 이를 통해 사용자들이 적극적이고 용이하게 온라인 Identity를 표현하는 것을 목적으로 본 시스템을 제안한다.

네트워크가 발전함에 따라 네트워크를 통해 전송되는 데이터 보안과 지적 재산권에 대한 문제점 또한 증가하게 되었다. 특히 기존의 사내통신 및 데이터 전송을 목적으로 사용되는 메신저의 경우 데이터 전송시 보안에 취약할 뿐 아니라 지적 재산권에 대한 보호도 제대로 하지 못하고 있다. 본 논문에서는 이러한 메신저 환경에서의 데이터 보안과 지적 재산권에 관련된 보안적 위험 요소들을 유형별로 분류하고 분석하였다. 분석 결과를 토대로 메신저 환경에서의 보안 문제점을 해결하기 위한 몇 가지 방법들을 제안한다. 본 논문은 제안된 방법들을 이용하여 안정적인 보안을 제공하기 위해 DES, RSA와 같은 암호화 알고리즘과 DRM을 적용한 파일전송 시스템을 설계 및 구현하였다.

데이터의 군집 분석에서 두 개의 서로 다른 데이터에 대한 유사도(거리)를 어떻게 정의하는가는 매우 중요한 문제이다. 수치속성에 대한 거리 측정 방법에는 다양한 기법이 존재하지만 각 속성의 크기와 범위가 서로 크게 다를 경우 이들을 동일한 인자로 여기고 거리 측정을 하게 되면 논리적인 오류를 범할 수 있다. 기존의 군집 분석 연구에서 사용된 거리 측정 기법은 데이터의 정규화 과정을 통해 이 문제를 해결하려고 노력하지만 일반적인 정규화는 이상치의 존재나 데이터의 편중된 분포 등의 이유로 속성별 거리가 왜곡될 수 있다. 본 논문은 이러한 문제점을 해결하기 위해 정규화된 데이터에서 각 속성의 비중을 고려한 적응적 유클리드 거리 측정 기법(AEDM: Adaptive Euclidean Distance Measure)을 제안한다. AEDM은 유클리드 거리를 기반으로 정규화 된 데이터의 형태에 따라 가중치를 부여하여 데이터의 분포에 관계없이 각 속성간의 거리를 충분히 반영하기 때문에 더욱 정확한 군집 분석을 가능하게 한다.

사용자는 웹 검색을 통해 질의에 대한 정확한 답을 얻기를 원한다. 이를 위해서는 웹 문서에서 의미 있는 데이터들을 추출 및 가공하고, 해당 데이터로부터 사용자의 질의 결과를 얻어낼 수 있는 방법이 필요하다. 본 연구에서는 웹 상의 HTML 테이블들을 구조화된 데이터베이스로 변환하고, 사용자의 질의에 대해 변환된 데이터베이스에서 질의 결과를 찾아주는 방법을 제안하고 이를 구현 및 성능 평가 하였다.

최근 플래시 메모리에 기반을 둔 임베디드 시스템의 사용이 급증하고 있다. 스마트폰이 대중화됨에 따라, 플래시 메모리용 파일시스템에 대한 필요성이 증가되고 있다. 보편적으로 사용하는 YAFFS2 파일시스템은 초기화 시 오래 걸리는 단점이 존재하여 체크포인트 기능으로 보안 하고 있다. 그러나 갑작스러운 Power Failure 나 언마운트시 체크포인트가 저장되지 않으면 전체 영역을 스캔해야 하는 문제점이 존재한다. 본 논문에서는 YAFFS2의 성능 개선 및 신뢰성 향상을 위한 메타데이터 관리 기법을 제안한다. 메인메모리상에 유지되는 메타데이터의 영역을 나눠서 관리해서, Power Failure 가 발생하거나 체크포인트가 존재하지 않아도 전 영역을 스캔 하는 문제점 을 피할 수 있다.

최근 플래시 메모리가 디지털 기기의 저장장치로 많이 사용되면서 범죄와 관련하여 중요 증거나 단서가 디지털 기기 내에 저장되는 경우가 많아지고 있다. 이러한 현상은 플래시 메모리에 저장된 데이터는 디지털 포렌식 수사에 도움이 될 가능성이 있기 때문에 와이핑 툴(Wiping Tool)을 사용하여 저장된 데이터를 영구 삭제하게 된다. 플래시 메모리는 덮어쓰기가 불가능하기 때문에 와이핑(Wiping) 되어도 이전 데이터가 남아있는 특성이 있다. 이전 데이터를 복구하기 위해서는 기존 하드디스크 기반의 복구기법으로는 복구하기 어렵다. 최근 연구된 플래시 메모리 복구기법은 메타정보의 의존도가 높은 문제가 있다. 그래서 기존 플래시 메모리 복구기법을 보완하여 플래시 메모리 특성을 이용한 다른 방식의 연구가 필요하다. 본 기법은 플래시 메모리에 데이터 와이프로 삭제된 파일을 검색하고, 검증 절차를 거쳐 파일을 복구하는 기법을 제안한다.

정부, 병원, 공공기관, 기업 등에서 많은 양의 개인 정보를 수집하고, 다양한 목적으로 수집한 데이터를 공개하기도 한다. 프라이버시 보호를 위해 공개할 데이터를 어떻게 익명화를 할 것인지 많은 연구가 되었지만, 알고리즘 적용의 어려움과 데이터에 대한 비현실적인 가정 때문에 실제 데이터에 적용되는 사례는 찾아보기 힘들다. 본 논문에서는 먼저 다양한 익명화 방법에 대한 분류를 하고, 장단점을 살펴본다. 그리고 의료기관에서 의료 데이터를 공개하는 경우를 고려하여 실제 의료 데이터가 갖는 특징을 파악하고, 의료 데이터에 적용할 수 있는 프라이버시 모델(privacy model) 과 알고리즘에 적용하기 위한 의료데이터의 기본 형태에 대해 제시한다.

스마트폰을 중심으로 한 모바일 기기를 위한 스마트 서비스 개발에 대한 연구가 다양한 분야에서 지속적으로 진행되어 왔다. 스마트 모바일 서비스를 제공하기 위해서는 다양한 문제에 대한 다각적인 접근이 요구된다. 특히 스마트 모바일 서비스 제공을 위해서는 정보에 대한 의미를 해석하고 지능적으로 처리할 수 있는 연구가 필수적으로 요구된다. 이 논문에서는 스마트 모바일 서비스 제공을 위하여 그 기반이 되는 의미 처리 방법들을 제안하고 각각의 장 단점을 분석한다. 특히 이러한 방법들 중에서 정확성을 담보할 수 있는 의미 처리 방법을 위한 시스템 구조를 제안한다. 이 논문은 다양한 환경을 고려하여 보다 지능적이고 사용자에게 편리한 스마트 모바일 서비스 개발을 위한 기초 자료 및 기반 기술로서 활용될 수 있으며, 스마트 서비스 개발에 기여할 수 있을 것으로 기대된다.

NAND 플래시 메모리는 저전력과 빠른 접근 속도의 특징 때문에 차세대 저장장치로 주목 받고 있다. 특히 플래시 메모리로 만들어진 SSD(solid state disk)는 인터페이스가 기존의 하드디스크와 동일하고 대용량화 되고 있기 때문에 가까운 미래에 다양한 저장시스템의 저장장치로 사용될 것으로 예상된다. 그러나 NAND 플래시메모리 기반 저장장치는 쓰기 전 소거 구조와 같은 독특한 하드웨어 특징을 가지고 있기 때문에 특정 지역에 반복적인 쓰기 요청을 발생하는 B트리를 구축하는 것은 심각한 성능저하를 야기 할 것이다. 이러한 문제를 해결하기 위해 버퍼를 이용하여 B트리 구축 성능을 개선한 방법들이 제안되었다. 그러나 이러한 기법들은 갑작스러운 전원 차단 시 버퍼에 유지하고 있던 데이터를 모두 유실하기 때문에 고장회복을 위한 추가적인 방법이 필요하다. 따라서 본 논문에서는 버퍼를 이용한 방법 중 IBSF기법을 기반으로 NAND 플래시 메모리 기반 저장장치에서 고성능의B트리 구축 방법뿐만 아니라 전원 차단시 효율적인 고장회복을 할 수 있는 기법을 제안한다. 본 논문에서 제안하는 기법은 B트리 변경시 변경 된 정보를 로그에 저장하여 관리한다. 또한 루트노드가 변경될 때 검사점(checkpoint)을 수행한다. 마지막으로 다양한 실험을 통하여 본 논문의 고장회복 성능을 보여준다.

최근 선진국을 중심으로 국가R&D사업에 있어서 사업의 연구성과 측정 및 관리가 주요 이슈가 되고 있다. 특히 표준과 특허는 국가R&D사업의 연구성과를 경제적 성과로 전환할 수 있는 중요한 요인으로 작용하고 있다. 따라서 본 논문은 정보통신표준화정책 및 국가R&SD정책에 따라 추진되고 표준 및 특허 창출에 초점을 두고 진행되고 있는 정보통신표준화사업의 사업 추진결과와 추세를 파악하고, 사업의 투자 효율성을 종합적이고 체계적으로 분석하기 위한 정보통신표준화종합지수를 개발하였다. 정보통신표준화종합지수는 사업의 효율적 정보제공을 통해 정보통신표준화사업의 효과적 체계구축을 가능하게 하여 정보통신표준화사업의 발전을 촉진시키고, 궁극적으로는 국가 정보통신표준화 역량 향상에 기여할 것으로 기대한다.

Heterogeneity in different Health Information Systems (HIS) processes persists to be the most demanded problem to be resolved in healthcare domain. The only way to resolve this problem is to practice health standards. One of such standards is Health Level Seven (HL7), used for the communication of medical information between healthcare systems. HL7 V3 has the aim to support all healthcare workflows. It defines series of electronic messages called interactions to support healthcare workflows. These interactions are part of the Interaction Model. Different healthcare organizations can conform to different process workflows based on their requirements. The heterogeneity in workflows results in communication blockade between sender and receiver healthcare organizations. We propose Interaction Ontology in order to cater the heterogeneity in workflows and provide process interoperability.

코호트연구는 특정 집단을 계속 추적해 가면서 과거의 행동이 미래에 어떠한 영향을 미치는가에 대하여 알아보는 역학적 연구이다. 짧게는 2개월에서 길게는 수십 년에 걸쳐서 진행 된다. 일반적으로 식사조사 프로그램을 이용하여 연구대상자들에 대한 식사조사기록을 저장하게 되는데, 이러한 기록들은 수십 년에 해당하는 결과를 장기간 지속적으로 저장하고 보존하여야 한다. 하지만, 현존하는 식사조사 프로그램들은 대부분 운영체제 및 시스템에 종속적이기 때문에 운영체제가 변경되면 프로그램도 같이 변경되어야 하는 문제점을 가지고 있다. 이는, 장기간의 식사조사기록을 보관하여 연구를 하는 코호트연구에 있어서는 심각한 문제이다. 때문에, 장기보존을 위해서는 장기보존 시스템을 구축할 필요성이 존재하며, 각 식사조사 프로그램은 장기보존시스템과 연동 할 수 있는 식사조사 기록 생성 시스템이 필요하다. 따라서 본 논문에서는 OAIS(Open Archival Information System) 참조 모델의 SIP와 METS(Metadata Encoding and Transmission Standard)를 이용하여 식사조사기록을 장기 보존 관리 하는 시스템에 적용할 수 있는 식사 조사기록 생성 시스템을 제안 한다. 제안한 시스템은 XML 패키지를 이용하여 식사조사기록을 생성하는 인터페이스를 제공한다.

서로 다른 XML 스키마를 바탕으로 작성된 XML 문서간의 비교 및 검색을 위해서는 두 스키마 사이의 연관관계를 계산하는 스키마 매칭 과정이 필수적이다. 스키마 매칭방법으로는 구조적 연관성을 비교하는 방법, 의미적 연관성을 계산하는 방법, 타입의 연관성을 계산하는 방법이 존재한다. 또한, 자동분류기법을 사용하여 연관성을 계산하는 방법도 존재한다. 본 논문에서는 XML 문서의 비교을 위한 효율적인 스키마 매칭 방법을 제안한다. 제안된 방법은 두 단계로 구성된다. 먼저 자동분류기법을 사용하여 단말노드 사이의 매칭정도를 계산한다. 또한 의미적, 구조적, 타입의 연관성도 계산하여 최적의 매칭결과를 선택한다. 특히 의미적 연관성은 사용자 피드백에 의해 점증적으로 갱신되는 온톨로지에 기반한다.

범정부적인 차원에서 기록물은 종이 위주의 생산방식에서 전자문서방식으로 변하고 있다. 이미, 많은 국가에서 표준을 정의하여 기록물에 대한 연구가 진행되고 있다. 또한, 기록물을 효과적으로 저장하기 위한 기록물 보존소에 대한 연구도 활발하게 진행 되고 있다. 대부분의 기록물 보존소는 OAIS 참조모델을 기반으로 구성이 되고 있으며, SIP, AIP, DIP 패키지 형태로 수집, 보관, 배포되고 있다. 이러한 기록물 패키지들은 다양한 메타데이터 스키마를 포함 할 수 있어서, 여러 종류의 기록물들의 수집, 보관, 배포가 용이 하게 하지만, 기록물 보존소에 저장되어 있는 기록물 패키지를 검색하기 위해서는 다양한 스키마를 모두 검색 할 수 있어야 하는 문제점이 존재한다. 따라서 본 논문에서는 기록물 패키지를 위한 신경망 회로 기반 자동 스키마 매칭 기법을 제안 하고자 한다. 신경망 회로 기반 자동분류 알고리즘을 통하여 기록물 패키지 안에 존재하는 다양한 형태의 메타데이터 스키마들에 대한 검색을 가능하게 한다. 또한, 실험을 통하여 제안하는 방법의 정확성을 확인 하였다.

대부분의 빈발 부분그래프를 이용한 그래프 분류 알고리즘들은 빈발 부분그래프를 마이닝하여 개별적인 빈발 부분그래프의 포함 여부를 특징 벡터로 구성하는 단계와 기계학습 알고리즘들을 훈련시켜 분류 모델을 수립하는 단계로 구성된다. 이와 같은 그래프 분류 알고리즘들은 부분그래프의 개별적인 존재 여부만을 이용하여 특징을 구성하기 때문에 변별력이 떨어지는 문제점이 있다. 본 논문에서는 빈발 부분그래프들이 동시 발생하는 특징 벡터의 변별력을 반영할 수 있는 특징선택 기법을 적용한 모델 기반 탐색트리 기법을 제안한다. 동시 발생 부분그래프를 특징으로 사용하여 변별력을 향상시킬 수 있으며, 모델기반 탐색 트리를 사용하여 제안하는 기법이 기존의 방법보다 더 높은 그래프 분류 성능을 보이는 것을 입증하였다.

On multimedia databases, in order to realize the fast access method, indexing methods for the multidimension data space are used. However, since it is a premise to use the Euclid distance as the distance measure, this method lacks in flexibility. On the other hand, there are metric indexing methods which require only to satisfy distance axiom. Since metric indexing methods can also apply for distance measures other than the Euclid distance, these methods have high flexibility. This paper proposes an improved method of VP-tree which is one of the metric indexing methods. VP-tree follows the node which suits the search range from a route node at searching. And distances between a query and all objects linked from the leaf node which finally arrived are computed, and it investigates whether each object is contained in the search range. However, search speed will become slow if the number of distance calculations in a leaf node increases. Therefore, we paid attention to the candidates selection method using the triangular inequality in a leaf node. As the improved methods, we propose a method to use the nearest neighbor object point for the query as the datum point of the triangular inequality. It becomes possible to make the search range smaller and to cut down the number of times of distance calculation by these improved methods. From evaluation experiments using 10,000 image data, it was found that our proposed method could cut 5%~12% of search time of the traditional method.

코호트 연구를 위한 식사조사 프로그램에 대한 수요는 나날이 증가하고 있는 반면 프로그램의 공급은 원활하지 않은 실정이다. 이 때문에 식사조사 프로그램을 SaaS 플랫폼을 기반으로 하는 연구가 활발해 지고 있다. 대부분의 SaaS 플랫폼 기반 소프트웨어는 멀티테넌시 기술을 지원한다. 하지만 멀티테넌시 기술을 지원하기 위해서는 데이터베이스에서 여러 테넌트를 지원해야 하기 때문에 구조의 변화가 불가피 하다. 멀티테넌시를 구현하기 위해서는 논리적인 스키마로부터 물리적인 스키마로의 매핑기술이 필요하다. 데이터베이스 스키마 매핑 기술에는 Pivot table, Chunk table 등이 있는데 이 기술을 이용하여 기존의 DB구조를 변경하여 여러 테넌트가 DB를 공유할 수 있고 결합될 수 있어야 한다. 이에 본 논문에서는 SaaS 기반 식사조사를 위한 pivot table과 chunk table을 보이고 실험을 통하여 chunk table구조가 좀 더 효율적이라는 사실을 보인다.

동영상 플레이어에서 제공되는 브라우징 기법은 동영상의 주요 장면을 이미지로 보여줌으로써, 사용자가 주요 장면에 쉽게 접근할 수 있도록 해준다. 강의 동영상은 일반 동영상과는 달리 매우 정적이므로, 기존 동영상 브라우징 기법은 강의 동영상에 적용하기에 알맞지 않다. 본 연구에서는 강의 동영상에 주로 슬라이드가 함께 나온다는 점에 착안하여, 영상에서 슬라이드 이미지를 추출하여 이를 대표 프레임으로 지정하는 방법에 대해 연구하고, 브라우징 인터페이스를 구현하였다. 슬라이드 이미지가 대표 프레임으로 사용되므로 학습자는 대표 프레임들만을 보고 동영상을 시청하지 않고도 원하는 정보를 신속하고 정확하게 찾을 수 있다.

최근 전투체계는 동시에 다수의 장비들 사이에 실시간으로 데이터를 전달해야 하는데, 이러한 특성을 만족하는 통신 미들웨어로서 OMG (Object Management Group)에서 정의한 데이터 분배 서비스 (DDS ; Data Distribution Service)가 적합하다. 이를 구현한 DDS 시스템에는 RTI의 NDDS, PrismTech의 OpenSplice, 충남대학교의 ReTicom 등이 있다. 이 중 NDDS와 OpenSplice는 데이터의 영속성을 지원하지만 ReTicom에서는 영속성을 아직 지원하지 못한다. 이를 해결함과 동시에 실시간성을 보장하기 위해서 ReTicom은 메인 메모리 기반의 객체 관계형 데이터베이스를 사용하여 구현중이다. 이를 위해서는 DDS의 객체 모델 데이터를 정의하는 IDL과 객체 관계형 데이터베이스의 데이터 타입 및 구조 등이 동일하지 않기 때문에 IDL과 객체 관계형 데이터베이스간의 데이터 타입 및 구조를 변환하는 메타 모델 변환 방법이 제공되어야 한다. 본 논문에서는 이러한 메타 모델 변환 방법을 해결하고자 IDL을 구조파악이 쉬운 XML 스키마로 변환 후 이를 객체 관계형 데이터베이스의 데이터 타입 및 구조 형태로 변환 해주는 방법을 제안한다.

맵리듀스는 데이터의 분산 및 병렬 처리를 돕는 프레임워크로서, 하둡과 같은 오픈 소스 맵리듀스 구현이 배포되면서 많은 연구가 이루어지고 있다. 맵리듀스를 이용한 조인은 대용량 데이터 분석을 위한 필수적인 연산이며, 여러 개의 테이블을 한 번의 맵리듀스로 조인하기 위한 멀티웨이 조인 알고리즘에 대한 연구도 계속 진행되고 있다. 이 논문에서는 반복(iteration) 기반 멀티웨이 조인과 중복(replication) 기반 멀티웨이 조인 알고리즘의 장단점을 분석한다. 또한 두 가지 방식의 조인 알고리즘의 단점을 보완하여 하나의 통합적인 2단계 멀티웨이 세미조인을 제시하고, 이를 기존의 방식과 비교한다. 결과적으로, 2단계 멀티웨이 세미조인은 반복 기반의 조인에 비하여 입출력 비용을 절감하고, 중복 기반의 조인에 비하여 커뮤니케이션 비용을 절감한다.

오늘날 국내 금융시장은 정택 및 규제에 대한 변화와 구조조정 및 인수 합병을 통한 금융회사의 대형화와 금융상품간의 복합 및 연계된 종합금융서비스를 제공하는 등의 급격한 환경 변화를 겪고 있다. 이러한 환경변화 속에서 금융 시스템 운영의 주체가 되는 마스터 데이터가 각각의 시스템에 개별적으로 관리되고 있어 이로 인해 금융 데이터의 품질 관리에 어려움이 생기게 되고 데이터의 중복 및 일관성에 문제가 생기게 되었다. 본 논문에서는 자크만 프레임워크를 활용한 통합 마스터 데이터 관리시스템을 제안한다. 이러한 마스터 데이터 관리를 통해 데이터 중복 및 데이터 정합성 보장, 시스템 연계간의 유연성을 확보하는 기대 효과를 예상할 수 있다.

정보화 시대에 정보력 경쟁과 확보는 오늘날 생존과 직결될 수 있는 가장 중요한 요소가 되었다. 이런 급속히 발전하는 온라인상에서, 정보를 공유하는 사람들은 양질의 정보를 공유할 의무가 있다. 또한, 많은 사람들이 자신의 생각에 확신을 가지기 위해 웹상의 다른 사람들의 정보를 참조하고 결정하는데 있어서 도움을 구하는 것이 현실이다. 이렇듯 웹상에서 넘쳐나는 수많은 정보와 의견들을 전부 신뢰할 수 없기에, 작성자의 신뢰도를 어느 정도 수치화 한다면 특정 작성자들의 의도적인 의견 조작에 의한 피해들을 사전에 방지할 수 있을 것이다. 본 논문에서는 특정 작성자의 글을 오피니언 마이닝하여, 특정 카테고리 별로 분석하여 신뢰도 점수를 부여하는 방법을 제안 하고자 한다.

용어는 기술(technology)을 직 간접적으로 표현하고, 기술의 발전 동향에 따라 용어의 사용 패턴 또한 변한다. 즉, 시계열을 포함하는 대용량 문서 집합의 분석을 통해 기술 용어의 생성, 성장, 쇠퇴, 소멸 등의 활용주기 파악이 가능하다. 본 논문은 기술용어의 활용주기 모델 정의를 위한 초기 연구로, 정의 가능한 모델의 종류를 파악하고, 이에 대한 타당성 분석에 집중하도록 한다.

In a world in constant changes, more and more devices are producing data and it is indispensable to manage these data. That is why map reduce framework is a solution to manage a large amount of data in a fast and right way. In the other hand semantic web (RDF/OWL) is getting popular and can be a solution to manage data in an efficient way, so that such data can be retrieved and understood by both human and machine. In this paper we describes and analyze some projects that manages RDF with Map-Reduce framework.

국가연구개발사업의 성과제고가 과학기술계 주요 이슈로 부상되면서 사업의 경제적 성과창출에 초점을 둔 기술이전 및 사업화에 대한 요구가 높아지고 있다. 국가연구개발사업에 대한 종합적인 서비스를 제공 하는 NTIS는 국가연구개발성과를 부가가치 창출로 연계시킬 수 있도록 지원하기 위해서 우수유망기술정보 서비스를 도입하였다. 우수유망기술정보는 국가연구개발과제에 대한 최종평가 결과가 우수한 과제의 연구성과(기술) 중 기술이전·사업화의 가능성이 있거나 후속연구를 통해 기술이전 사업화가 가능한 기술을 칭한다. NTIS에서는 2008년부터 우수유망기술정보 DB를 구축하였고 관련 서비스를 제공하고 있다. 본 논문에서는 우수유망기술정보서비스와 관련된 국내외 현황에 대해서 조사하였고 그에 따른 시사점을 제시하였다. 국가연구개발사업에 대한 대내외 환경변화 및 공익적인 사업성격을 고려하여 NTIS 우수유망기술정보서비스의 활용과 관련한 현황을 파악하였고, 개선점을 도출하였다. 더 나아가서 향후 효과적인 활용을 위한 방안을 도출하였다.

스카이라인 질의는 대량의 데이터들의 집합에서 데이터들 사이의 지배관계를 활용하여 사용자가 '관심을 가질만한' 데이터들만을 반환하는 질의로서 의사결정문제에서 유용하게 사용되고 있다. 스카이라인 질의는 데이터의 차원이 높아질수록 사용자에게 아주 많은 데이터를 반환하게 되는 단점이 있다. 이러한 문제를 해결하기 위해, 지배관계 정의를 완화하여 모든 차원 대신에 k개의 차원을 고려한 k-지배 스카이라인 질의가 제시되었다. 하지만 k-지배 스카이라인 질의의 경우 데이터들 사이에 k-지배 순환관계를 이루기도 하는데, 이 경우 사용자에게 의미 있는 데이터들이 그 결과에서 제외되기도 한다. 또한 k의 값이 감소함에 따라 k-지배 스카이라인의 수가 급격히 감소하게 된다. 이러한 문제점을 보완하기 위해 본 논문에서는 k-지배 관계를 점수화 하는 새로운 질의인 차등 k-지배 스카이라인 질의 및 질의처리 알고리즘을 제시하고, 실험을 통해 차등 k-지배 스카이라인 질의 효율성을 입증한다.

최근 많은 관심을 받고 있는 증강현실 위치기반 서비스와 같이 사용자의 한정된 시야각이 존재하는 상황에서 사용자가 원하는 데이터를 효과적으로 제공하기 위하여 본 논문에서는 새로운 위치기반 질의인 시야 최근접 질의 (VFNN: View Field Nearest Neighbor Queries)를 소개한다. VFNN 질의는 사용자의 시야각내에 위치하는 가장 가까운 데이터를 검색한다. 본 논문에서 제안하는 VFNN 질의 처리 알고리즘은 가장 널리 활용되고 있는 공간 데이터 색인 구조인 $R^*$-tree를 사용한다. 특히, 질의 점과 MBR 사이의 최소거리인 MINDIST뿐만 아니라, 질의 점과 MBR 사이의 최대 각, 최소 각을 정의한다. 이를 활용하여 $R^*$-tree 탐색 시 질의 결과 값을 포함하지 않는 노드들을 연산에서 제외함으로써 질의 처리의 효율성을 향상시킨다. 마지막으로 실험을 통하여 VFNN 질의 처리 알고리즘의 성능을 평가한다.

최근 급속도로 이루어진 스마트폰의 보급과 관련 기술의 발전은 다양한 종류의 앱(app)을 등장시켰고 이에 따라 모바일 증강현실 서비스에 대한 사람들의 관심 역시 커지고 있다. 현재 스마트폰을 활용한 증강현실 서비스를 살펴보면 현실공간에 증강해야 할 컨텐츠가 많은 경우에 컨텐츠간에 오버랩이 발생하며 이로 인해 사용자는 불편을 겪게 된다. 본 논문에서는 이러한 문제점을 해결하기 위하여 전체 컨텐츠들 중에서 대표 컨텐츠 집합을 선정하는 기법을 제안하며 실험을 통해 그 효과를 검증한다.

소셜커머스의 이용의 증가와 더불어 단점이 부각되고 있다. 하지만 소셜커머스의 특성상 소셜커머스 사이트를 통해 소개되어지는 업체들은 대부분이 소비자들이 많이 접하지 못했던 영세 업체가 많고, 사용자들은 미리 구입한 쿠폰을 통해서 받은 상품의 질과 서비스가 좋지 않아도 이벤트 성으로 이루어진 판매이기에 환불이나 교환 등이 어렵다는 점에서 소비자의 주의가 필요하다. 본 논문에서는 PMI-IR 수식을 이용하여 소셜커머스에서 거래가 이루어지는 상품명과 연관 있는 상위 세개의 평을 추출하여 제공함으로써 상품의 질과 서비스에 대한 평가를 알아보고 사용자의 신뢰성 있는 거래를 도모한다.

인터넷의 지속적인 발전에 따라 다양한 출처와 경로를 통해 많은 정보가 빠른 속도로 생산, 확산되고 있다. 이로 인해 중복되거나 유사한 정보들이 빈번하게 발생되고 있으며, 이러한 문제를 해결하기 위한 내용이 유사한 문서를 찾는 연구들이 많이 진행되고 있다. 유사 문서 병합에서 유사 문서를 판별하기 위해 문서 간 공통된 단어의 비율을 이용한다. 하지만 동일한 단어가 다양한 형태로 표현될 수 있어 공통된 단어의 비율만을 가지고 유사 문서를 판단하기 어렵다. 본 논문에서는 유사한 의미를 갖는 단어들을 동일한 단어로 변환하여 유사 문서들을 병합하는 시스템을 제안하고 구현 사항에 대해 설명한다.

One important issue in semantic web is identification and selection of domain concepts for domain ontology learning when several hundreds or even thousands of terms are extracted and available from relevant text documents shared among the members of a domain. We present a novel domain concept acquisition and selection approach for ontology learning that uses affinity propagation algorithm, which takes as input semantic and structural similarity between pairs of extracted terms called data points. Real-valued messages are passed between data points (terms) until high quality set of exemplars (concepts) and cluster iteratively emerges. All exemplars will be considered as domain concepts for learning domain ontologies. Our empirical results show that our approach achieves high precision and recall in selection of domain concepts using less number of iterations.

본 연구에서는 현장검사 (Point-of-Care Testing, POCT)를 목적으로 측방 유동 검사 스트립의 피크들을 분리하는 템플릿 정합법을 제안한다. 템플릿은 스트립의 제어 리건드 선과 대상 리건드 선 간격으로 떨어져 있는 두 개의 펄스로 구성된다. 이 템플릿을 스캔신호와 정합시켜 최대 응답 위치에서 피크들의 중심을 찾고, 주어진 위치에서 피크들을 분리한다. 제안한 방법을 바디텍메드사의 당화 혈색소 면역 검사 스트립과 동사의 형광 스트립 리더기에 적용하여 농도 측정 성능에 미치는 영향을 기존에 구현된 방법과 비교 검토하였다. 실험 결과 본 연구에서 제안한 방법은 장치나 검사 스트립에 종속적인 매개변수가 필요한 기존 방법과 동등한 성능을 보였다.

본 연구에서는 T-Test와 Genetic Algorithm을 사용해 Luminex 사용 환경에서 난소암을 진단할 수 있는 바이오마커의 조합을 찾고 Cancer와 Normal간의 분류 성능을 평가해 보았다. 바이오마커는 혈액, 체액 내의 특정 질환 여부나 상태를 나타내는 단백질, DNA들의 지표 물질이다. 정상인과는 다른 분포를 가진 성분이 환자의 혈액이나 체액에서 발견되면 이를 토대로 질병유무와 상태를 판단할 수 있다. 난소암을 진단할 수 있는 바이오마커 조합을 찾기 위해 T-Test와 Genetic Algorithm를 사용하여 분류성능이 좋은 바이오마커 조합을 각각 선별해 보았고, 선별된 각각의 마커조합을 선형분류기(LDA)를 사용해 평균 민감도, 특이도, 정확도를 비교해 보았다. 실험데이터는 두 곳의 병원에서 제공받은 총 58명(Cancer 27명, Normal 31명)의 혈청에서 21 종류의 바이오마커 데이터를 Luminex-PRA를 통해 얻었다. 본 연구에서는 T-Test로 만들어진 마커조합이 Genetic algorithm으로 만들어진 마커조합 보다 더 좋은 민감도, 특이도, 분류정확도를 보여주었다.

본 논문에서는 진단 검사 의학 분야에서 통계적 지식이나 도구사용능력이 부족한 임상의학자들을 위해 개발된 통계적 데이터 분석 시스템을 소개한다. 개발된 시스템은 질병진단에 필요한 다중 바이오마커 데이터를 Luminex장비를 통하여 측정한 후, 분석이 용이한 형태로 변환하는 시각화 기술과 데이터에 내재된 패턴을 찾아내어 유용한 지식을 생성하는 데이터 마이닝 기술을 포함한다. 주요 모듈로는 마커선택, 데이터 시각화, 마커 평가 모듈로 구성되며 MATLAB을 기반으로 개발되었다.

셀 트래킹의 목적은 셀의 이동(translocation), 분할(mitosis), 통합(fusion), 아포토시스(apoptosis), 셀의 모양 변형, 셀들 간의 상호 작용 등을 포함하는 모든 셀의 행동들을 분석하기 위한 것이다. 셀은 시간이 경과함에 따라 새롭게 나타나기도, 죽기도 하며 한 개 이상의 셀이 부분적으로 겹쳐 클러스터를 형성하기도 하고 클러스터는 다시 여러 개의 셀로 분리되기도 한다. 본 연구에서는 현미경으로부터 얻은 이미지에서 셀 트래킹을 위한 이미지 처리 방법과 오목 정점을 이용하여 셀과 클러스터를 구분하여 계수하는 방법을 제시한다. 또한 타원 근사법(ellipse fitting)을 통해 클러스터를 몇 개의 셀로 분리하기 위한 방법을 제시하고 결과를 분석한다.

Image interpolation is a technique that pervades many an application. Interpolation is almost never the goal in itself, yet it affects both the desired results and the ways to obtain them. In this paper, we proposed a technique that is capable to find out the error when the common two methods (bilinear and nearest neighbor interpolation) are applied on an image for rotation. The proposed technique also includes the comparison results of bilinear interpolation and nearest neighbor interpolation. Among them nearest neighbor interpolation gives us a better result regarding to the enhancement and due to least error. The error is found by using Mean Square Error (MSE).

문서를 이루는 단어들의 빈도수가 지수법칙(power law)를 따른다는 지프의 법칩(Zipf's law)이 있다. 이러한 단어분포를 고려하여 문서의 토픽을 찾아내는 기계학습법이 디리쉴레 프로세스(Dirichlet process) 이다. 이를 발전시켜서 데이터의 잠재 요인(latent factor)들을 베이즈 확률모델에 기반한 샘플링 바탕으로 찾는 방법이 인디언 뷔페 과정(Indian buffet process) 이다. 우리는 25가지의 특징(feature)들에 대한 점수(rating)들이 볼드(blood oxygen dependent level) 신호와 함께 주어지는 PBAIC 2007 데이터에 주성분 분석법(principal component analysis)를 적용했다. PBAIC 2007 데이터는 비디오 게임을 수행하며 기능적뇌영상(functional magnetic resonance imaging, fMRI) 촬영을 하여 얻어진 공개데이터이다. 우리의 연구에서는 주성분 분석법을 이용하여 10개의 독립 성분(independent component)들을 찾았다. 그리고 1.75초 마다 촬영된 BOLD 신호와 10개의 고유벡터(eigenvector)들간의 내적을 취하여 가중치(weight)를 구하였다. 성분들의 가중치를 낮은 순서로 정렬함으로써 각 시간마다 주도적으로 영향을 미치는 성분들을 알아낼 수 있었다.

This research deals with an issue of preventive medicine in bioinformatics. We can diagnose liver conditions reasonably well to prevent Liver Cirrhosis by classifying liver disorder patients into fatty liver and high risk groups. The classification proceeds in two steps. Classification rules are first built by clustering five attributes (MCV, ALP, ALT, ASP, and GGT) of blood test dataset provided by the UCI Repository. The clusters can be formed by the K-mean method that analyzes multi dimensional attributes. We analyze the properties of each cluster divided into fatty liver, high risk and normal classes. The classification rules are generated by the analysis. In this paper, we suggest a method to diagnosis and predict liver condition to alcoholic patient according to risk levels using the classification rule from the new results of blood test. The K-mean classifier has been found to be more accurate for the result of blood test and provides the risk of fatty liver to normal liver conditions.

본 연구는 현재 널리 사용되고 있는 소셜네트워크 속에서 일반 사용자들이 의료 도메인의 전문가들과 쉽게 질문과 응답을 주고 받을 수 있게 해주는 서비스 개발을 위한 기초 연구로써, 사용자의 문서를 분석하여 질문을 추출해 내고 어떤 의료 도메인에 해당하는 질문인지 분류하는 연구이다. 한글로 구성된 문서 속에서 질문에 해당하는 형태소 분석 방법을 이용하야 질문을 추출을 한 다음 질문 속의 단어 들을 분석하여 KORLEX를 이용한 단어간의 관계성을 분석하여 도메인을 분류하는 작업을 거친다. 또한 본 연구는 텍스트마이닝 기법과 인공지능의 분류 기법을 응용하여 소셜네트워크 속에서 질문과 응답을 분석하여, 의료 도메인의 전문가들이 볼 수 있게 함으로써, 소셜네트워크를 이용한 양방향의 질의응답 서비스를 제공 한다. 이 같은 양방향 질의응답 서비스를 통해 헬스케어 및 의료 관리 서비스를 받을 수 있다. 본 논문은 소셜네트워크 상에서 사용자들이 올린 헬스케어에 관련된 질문들을 추출하고 분류해 주는 과정에 한정하여 진행된 결과를 기술한다.

본 논문은 DNA 특성분석 기능을 수행하는 전기영동 장치와 분석결과 해석 기능을 수행하는 젤닥 장치를 통합한 장치를 제안하였다. 이들 두 기능을 독립적으로 수행하는 기존의 시스템은 바이오 전문가의 중간 개입 작업이 필요하며 경험치에 의존하는 검사의 부적황성, 높은 오염가능성, 긴 검사시간 등의 한계점을 가지고 있다. 기존 장비에서 독립적으로 수행하던 두 기능을 동시에 수행하도록 하여, 현 시스템의 한계점들을 개선 할 수 있는 장치를 제안하고 구현하였다. 한편 기존에는 완료된 최종 결과 영상 한 장만을 획득 할 수 있었던 것에 반해 특성분석 중에 결과 영상을 실시간으로 모니터링할 수 있어서 DNA 특성 분석의 성공 여부를 조기에 판단할 수 있었다.

오래전부터 바이오 정보 처리에 대한 관심은 매우 높았으며, 컴퓨터의 성능 발달에 따라 기존에 처리할 수 없었던 대용량 바이오 데이터의 처리가 가능해 지면서 바이오 컴퓨팅의 역할이 점차 커지고 있다. 보다 효과적인 바이오 컴퓨팅을 위해서는 빠른 데이터 처리 속도가 필수적이며 이를 위하여 근본적으로 컴퓨터의 데이터 처리 성능을 향상시킬 필요가 있다. 본 논문에서는 최근에 각광받고 있는 SSD와 멀티코어 시스템을 이용하여 컴퓨터의 성능을 올려 대표적인 바이오 데이터의 처리 도구인 BLAST에 얼마나 효과적인지를 실험을 통하여 검증하고 그 가능성을 분석하였다. 또한 SSD에서의 바이오 데이터 최적화를 위하여 필요한 정보를 수집하고 사용 방안을 모색해보았다.

기억 인출 단서는 학습을 통해 장기기억 공간에 저장된 정보를 인출하는 과정에서 중요하며, 서로 다른 종류의 기억 인출 단서에 따른 기억 인출 결과 및 이에 대한 인지 학습적 특성 규명은 교육, 범죄 수사, 그리고 인간의 뇌 기능을 모방한 기계학습 연구 등에서 중요하게 다루어져야 할 문제이다. 본 논문에서는 비디오 데이터를 이용하여 학습한 내용을 인출하는 과정에서 텍스트와 이미지가 각각 인출 단서로서 기억인출 결과에 미치는 영향을 분석하고, 기억 정보 및 시각 정보 처리와 관련된 뇌 영역에서의 뇌전도 분석을 이용하여 이를 해석하였다. 실험 결과를 통해 기억 인출을 위해 이미지-텍스트를 제시할 경우 전전두엽의 기억인출 관련 부위와 시각 피질이 위치한 후두엽의 인터랙션이 높게 이루어지면서 암묵적인 시각적기억 표상의 인출이 발생하는 것을 알 수 있었다.

최근 의료영역에서 개인건강관리 기능을 갖춘 어플리케이션에서부터 병원에서 진료를 목적으로 사용할 수 있는 어플리케이션까지 다양한 의료용 스마트폰 어플리케이션이 출시되었다. 이에 의료용 스마트폰 어플리케이션의 성능평가를 위하여 의료용 스마트폰 어플리케이션 성능평가 실험을 설계하고, 유헬스와 관련된 안전성, 유효성 평가에 관한 국내외 규격을 조사하여 의료용 스마트폰 어플리케이션 안전성 평가시험항목, 시험기준을 활용하여 의료영역에서 사용되는 모바일 어플리케이션에 대한 안전성 평가기준을 제시한다.

본 논문에서는 대용량의 말뭉치로부터 사회망을 자동 구축하기 위한 선행 연구로서 두 인명 사이의 사회관계를 포함하는 문장을 자동 선별하는 시스템을 제안한다. 제안 시스템은 먼저 2개의 인명을 포함하는 문장을 대상으로 형태소 분석과 의존 구조 분석을 수행한다. 그리고 두 인명의 공통 지배소를 기준으로 의존 트라이그램을 추출한다. 마지막으로 의존 트라이그램의 속성값 비교에 기반한 SVM 커널 함수를 이용하여 사회 관계 포함 여부를 결정한다. 실험 결과, 제안 방법이 영어권 연구에서 좋은 성능을 보인 최소 경로 의존 커널의 단점을 효과적으로 보완하였다. 또한, 사회망 자동 구축을 위한 도구로써 활용될 수 있음을 알 수 있었다.

본 논문에서는 U-WIN의 어휘 관계 정보를 기반으로 얻은 구성명사간 2-gram 유사도 분석 결과를 이용해 의미기반 복합명사 분석을 수행하는 방법을 제안한다. 음절별 분해 패턴의 제한을 없애기 위해 모든 경우로 후보를 분해하여 규칙에 따라 분석에 사용될 최적의 분해 후보를 찾으며 분석시간, 비교대상을 줄이고 정확도를 높이기 위해 사전의 원어정보를 이용한다. 유사도는 각 개념을 구성하는 관련명사 집합들간의 비교로 구하며 가장 큰 문제인 데이터 부족 문제를 해결하기 위해 7종류의 대상으로부터 추출한 관련명사들을 이용한다.

최근 스마트폰 및 게임, 로봇, 어플리케이션 등 다양한 분야에서 음성 기반 채팅 시스템이 활용되고 있다. 하지만 그 성능은 아직 만족스럽지 못하다. 본 논문은 다양한 시스템 발화를 위해 문장의 내용어, 카테고리, 발화시간, 화자 정보 등을 이용하여 직전 발화와 현재 발화를 비교한다. 동일한 발화일 경우 해당 카테고리 내 다른 문장을 발화하여 발화의 다양성을 확보하고, 적용 카테고리가 아닐 경우 댓구를 이용하여 대화를 다른 주제로 유도한다. 실험 결과 중복 발화에 대해 다양한 응답을 확인 할 수 있었다.

최근 표절에 대한 사회적 관심이 꾸준히 높아지고 있는 가운데, 기계적으로 유사한 문서를 탐색하는 방법에 대한 많은 연구가 이루어지고 있다. 이 중 생물정보학에서 유전자 서열을 분석하기 위해 사용되는 '지역 정렬(local alignment)' 기법은 문서 간 유사 영역을 탐색하는 데에 유용하다. 한편 한글에는 조사가 존재하는데, 이 때문에 한글 문장은 각 품사의 순서에 큰 영향을 받지 않는다. 이러한 한글의 특성을 이용해 기존 문서의 어순만 바꾼 문장을 생성할 경우, 지역 정렬을 이용한 탐색 방법으로는 이를 찾아내기 힘들다. 본 논문에서는 한글의 특성을 고려하여 어순과 관계없이 해당 영역의 유사성을 찾아내는 새로운 한글 유사 문서 탐색 방법을 제시한다. 이를 위하여, 성분 정렬(composition alignment) 기법을 적용한다. 성분 정렬 기법은 생물학에서 생물의 진화 과정이나 돌연변이 DNA 등 서열의 순서가 일부 뒤바뀌는 것을 허용하면서 유사한 시퀀스를 찾는 기법으로 기존의 방법보다 더욱 유연하고 민감한 방법이라 할 수 있다. 이를 적용하여 한글 문서를 탐색한 결과, 일반적인 문장 및 거의 동일한 문장 간의 유사도 점수는 큰 변화가 없었으나, 어순을 바꾼 문장의 경우 기존의 방법보다 평균 35.34% 가량 민감하게 탐색할 수 있었다. 추후 한글에 대한 초성 추출 및 성분 정렬 방법을 응용하여 다단계 구조의 유사 문서 탐색 방법에 대해 연구할 계획이다.

지식표현은 일반적으로 논리, 규칙, 프레임 또는 의미망 형태로 표현되며, 최근에는 의미망을 이용한 온톨로지 형태로 표현되고 있다. 이러한 지식표현 방법은 개념을 설명하는 문맥적인 정보나 개념들 간의 구조적인 정보를 이용하여 개념에 대한 지식을 논리적으로 표현하는데 중점을 두었다. 하지만, 지식표현에 사용되는 의미정보는 사람에 의해 수집되고 정제되기 때문에 많은 시간, 비용 및 인력이 필요하다는 한계가 있고, 새로운 의미를 추가하거나 기존의 의미를 수정하는 것이 매우 어렵다는 한계가 있다. 색채는 특정 대상이나 개념에 대한 의미, 연상, 상징 등 객관적인 특징 뿐 아니라 시대, 나라, 문화와 같은 사회적 배경을 반영하기 때문에, 정보를 제공하고 감성을 전달하는 효과적인 수단으로 사용되고 있다. 이에 본 논문은, 색채를 이용한 의미정보모델 구축을 위해, 색채정보를 수집하고 정량적으로 분석하는 방법을 제안한다. 긍정/부정/불안/중립으로 구성된 감성어휘 273개를 이용하여 이미지를 수집한 결과 총 130,944개의 이미지를 수집하였다. 이미지에는 여러 가지 사물, 행동, 배경, 색채 등 다양한 정보가 혼재되어 있어 감성어휘와 연관된 색채를 구별하기 어렵기 때문에 이미지를 직관적으로 설명할 수 있는 사용자 태그를 별도로 수집하였다. 태그는 총 2,836,395개를 수집하였고 각 이미지와 그룹에서의 가중치를 구하였다. 태그의 가중치를 통해 이미지가 그룹 내에서 갖는 중요도를 판별하였고, 각 그룹 별로 상위 30%의 이미지를 추출하여 대표 색채를 분석하였다.

품사 태깅에서 오류는 같은 가중치를 가지는 것으로 간주되어 왔다. 하지만 품사 태깅의 결과를 활용하는 다른 자연어 처리 기술에 태깅 오류가 얼마나 영향을 미칠 수 있는가에 따라 품사 태깅 시 발생하는 오류가 가지는 가중치를 다르게 보아야 한다. 심각한 오류는 이를 활용하는 자연어 처리 기술의 성능 저하를 크게 야기하지만, 사소한 오류는 성능의 저하를 야기하지 않거나 그 영향이 미미하다. 본 논문에서는 품사 태깅 시, 전체적인 성능을 유지하면서 심각한 오류를 줄이는 것을 목표로 한다. 이를 위해 두 가지 점진적 손실 함수(gradient loss function)를 제안한다. 제안한 손실 함수는 심각한 오류에 사소한 오류보다 더 큰 가중치를 줌으로써 품사 태깅 모델이 심각한 오류에 더 집중하여 성능을 최적화하도록 한다. 실험에서 제안한 손실 함수를 활용한 태깅 모델은 기존의 방법에 비해 심각한 오류를 효과적으로 줄일 뿐만 아니라 전체적으로 더 높은 정확도를 보였다.

웹 문서를 비롯한 여러 가지 문서의 양이 급증함에 따라, 문서로부터 주요정보를 얻거나 자동으로 요약하는 연구들이 진행되어왔다. 특히, 문서를 요약하는 연구들은 문서에 존재하는 문장을 추출하는 방법과 요약문을 새롭게 생성하는 방법, 이렇게 크게 두 가지 방법으로 진행되었다. 이 연구에서는, 잠재 토픽 모델을 통하여 얻어낸 각 문장의 토픽 순열을 이용하여 문서를 대표하는 문장, 즉 요약문으로서 적합한 문장들을 추출하는 새로운 기법을 소개한다. 특히, 잠재 토픽 모델이 일반적으로 가지고 있는 속성인 토픽 순열의 교환성(exchangeability)을 배제하고 토픽의 순열을 이용하여 요약문을 추출해내므로 이 기법을 통하여 문서 혹은 문장의 구조를 반영한 요약문을 만들 수 있다.

사람은 성장 배경이나 학습에 따라 고유의 언어 사용 특성을 가지게 된다. 이러한 언어 사용 특성은 개인의 언어 유창성에 대한 지표를 제공하며, 언어 사용 특성에 대한 분석은 장애에 따른 변화에도 능동적으로 대처할 수 있게 한다. 그러나 어떤 특정인의 언어 사용 특성을 파악하는 연구는 아직 부족한 실정이다. 본 연구에서는 개인 언어 사용 특성 파악을 위하여 일차적으로 일반인들의 그림 설명글 데이터를 모았으며, 이에 대한 분석 결과에 기반하여 언어 장애 진단에 적용하기 위한 언어 사용 특성을 파악하고자 한다. 본 연구의 결과로 형태소 단위, 단어 단위, 그리고 내용 전달의 방식에 따른 개인의 언어 사용특성을 일부 파악할 수 있었으며, 이와 같은 특성은 향후 치매와 같은 인지 기능 장애로 인한 언어 사용의 변화를 추적하는데 중요한 실마리를 제공할 수 있을 것으로 기대된다.

본 연구에서는, 웹 문서로부터 특정 상품에 대한 의견 문장을 분석하는 오피니언 마이닝(Opinion Mining) 연구의 일환으로, 특히 함께 공기하는 자질 명사에 따라 그 극성 값이 달라지는 '비결정 오피니언어휘'의 처리를 위해서 도메인을 '맛집'으로 한정하여 공기하는 도메인 키워드의 목록을 결정하고, 이를 부분문법그래프(Local Grammar Graphs) 방법론을 통해서 이들 간의 어휘 통사적 관계를 결정해 주었다.

본 연구에서는 온라인 사용자 후기글 혹은 상품평관련 사이트에서 나타나는 '질의(Ouery)'가 무엇에 대한 것인지를 분석하고, 그 초점을 제시하는 시스템의 구현을 위하여 요구되는 언어자원을 구축하는 것을 목적으로 한다. 이를 위해 개상의 상태 혹은 성질을 나타내는 의문사 '어떠하' 질의문 유형을 추출하여 여기에서 실현되는 질의초점 명사구에 대한 어휘 사전 및 통사 패턴 LGG문법을 구축하여 질의문의 초점 분석을 위한 체계적인 언어자원 구축의 필요성을 강조하였다. 이와 같이 구축된 LGG문법과 초점어휘 사전의 성능평가를 위해 실험을 수행하였고, 재현률 59%와 정확률 98%의 실험결과를 얻었다.

본 연구에서는 각종 웹사이트와 이메일을 통해 전달되는 회의공지에 포함된 회의장소를 나타내는 문자열로부터 실제 위치를 추정하는 시스템을 설계 및 구현하였다. 직접 구현한 NER과 Relation-type Classification 모듈을 사용하였으며, 장소에 대한 모델은 기존의 지리정보시스템들과의 상호 운용성을 위하여 OpenStreetMap[6]과 Geonames[7]의 데이터 구조를 참조하여 설계되었고, 실제 위치를 구하기 위하여 내부자원 외에도, 각종 오픈API들을 외부자원으로 활용하였다.

Living in the age of information people face problems related to information overload. Information is easy to produce, store and distribute through various communication channels, one of which is emails. With the appearance of the mobile devices, such as smart phones and tabs, people can have access to email inbox at any moment of time from everywhere. In this paper we present information extraction system with a specific goal of extracting meeting location from the announcement of seminar or conference. We apply a machine learning method (conditional random fields, CRF), train the system using annotated corpus of seminar and conference announcements and validate results by applying various extracted correction rules and patterns. Furthermore, we normalize extracted location, and reference using geo-coding databases, OpenStreetMap and Wikipedia resources to determine real geographical coordinates.

본 논문은 영국의 CUBIST, 캐나다의 CTI, 미국의 FUSE, 한국의 InSciTe 및 TOD 프로젝트를 통해 주목 받고 있는 시맨틱 웹 기술 적용 영역의 확장을 다룬다. 특히, 기존 적용 영역이었던 정보 관리와 정보 검색에서 의사 결정과 전략적 기획을 지원할 수 있는 정보 분석으로 무게 중심이 이동하고 있는 현 상황에서 주요한 이슈로 대두되고 있는 개체 간 관계 추적, 추론 검증을 중심으로 한 시맨틱 웹 기술에 의한 작업 자동화를 소개하며, 마지막으로 TOD를 통해 사용자 작업 성능 향상의 필요성과 가치를 높이기 위한 방안들을 살펴본다.

스마트폰을 비롯한 모바일 기기에 내장된 다양한 센서들로부터 수집되는 개인의 일상에 대한 정보인 모바일 라이프로그를 관리하고 검색하는 다양한 연구가 진행되고 있다. 기존에는 에피소딕 메모리 형태로 저장된 모바일 라이프로그 상에서 사용자가 과거 정보를 찾고 회상하는 방법이 일반적으로 사용되었다. 이러한 방법에서는 사용자가 원하는 데이터를 찾기 위해서는 정확하고 충분한 데이터를 사전에 알고 있어야 한다. 하지만 사람은 처음부터 완전한 정보를 가지고 검색을 하는 것이 아니고 검색을 수행하면서 데이터간의 연관도를 바탕으로 추가적인 정보를 떠올리는 연관 검색을 수행한다. 본 논문에서는 연관도 기반 검색을 위해 인지구조를 바탕으로 모바일 라이프로그를 표현하는 시맨틱 네트워크를 자동으로 생성하는 방법을 제안한다. 정의된 구조를 바탕으로 네트워크를 구성하고 관계의 빈도수와 가중치 공유를 통하여 관계의 가중치를 학습한다. 구성된 시맨틱 네트워크상에서 활성화 확산을 기반으로 연관 검색을 수행함으로 방법의 유용성을 입증하였다.

추천은 다양한 컨텐츠 중에서 사용자가 원하는 것을 선택할 수 있도록 돕는 것이다. 이러한 추천은 광고주가 자신의 광고에 적절한 컨텐츠를 찾을 때에도 활용될 수 있다. 본 논문에서는 광고를 표현하는 태그와 영화를 나타내는 주제어들을 매칭하여 광고에 적합한 영화를 추천하는 문제를 다룬다. 이 문제의 경우, 광고를 표현하는 태그의 개수가 적고, 영화의 주제어와 성격이 다른 경우가 많아 단순 매칭을 활용한 추천 기법으로는 결과를 얻을 수 없는 경우도 존재한다. 우리는 이러한 문제를 완화하기 위해 키워드 확장을 통한 추천 기법을 제안한다. 구체적으로 각 영화 컨텐츠가 가진 주제어를 위키피디아를 통해 검색하고 이를 통해 주제어를 확장한다. 광고의 태그 또한 위키피디아 검색을 통해 확장한다. 이렇게 확장된 영화 주제어와 광고 태그를 연관성 규칙에 기반하여 매칭한다. 실험 결과 단순 매칭보다 제안한 확장을 통한 매칭이 37.5%의 성능 향상을 보였다.

최근 교통량이 증가함에 따라 자동차 사고피해도 비례하여 증가하고 있으며, 이로 인해 CCTV 등과 같이 교통사고 예방에 소모되는 비용이 막대하게 지출되고 있다. 단일시점 카메라의 시스템은 객체들의 겹침, 카메라각도에 의한 인식오류 등으로 오차율이 높은 단점이 있다. 이를 보완하기 위해 다중시점의 협업기반 자동 상황인지 시스템을 제안한다. 제안하는 방법은먼저 영상데이터로부터 차량, 사람 등의 객체를 추출하고 이들 객체 쌍의 특징 정보를 계산한다. 이를 바탕으로 각 카메라 센서노드의 규칙기반 시스템을 이용하여 객체간의 사고여부를 가려낸다. 각 센서노드의 사고여부 정보는 메인서버로 수집되고, 수집된 정보는 상위 규칙에 의해 최종 사고 여부가 판단된다. 본 논문에서는 실제 교차로에 설치된세대의 카메라를 이용한 실험을 통해 제안하는 시스템의 성능을 검증하였다.

문서 내에 존재하는 개체 간의 관계를 자동으로 추출할 때 다양한 형태의 문서 분석 결과를 활용할 수 있다. 본 논문에서는 기존에 개발되어 비교적 높은 성능을 보여준 트리 커널의 구절 구조 유사성 정보와 두 개체 사이의 유의미한 연관관계를 표현하는 술어-논항 구조 패턴의 유사성 정보를 활용하는 혼합 커널을 제안한다. 구문적 구조를 이용하는 기존의 트리 커널 기법에 술어와 논항 간의 의미적 구조를 활용하는 술어-논항 구조 패턴 유사도 커널을 결합하여 상호보완적인 혼합 커널을 구성하였고, 실험을 통하여 개발된 커널의 성능을 측정하였다. 실험 결과 구절 구조 정보를 이용하는 트리 커널만을 단독으로 사용했을 때보다 술어-논항 구조의 패턴 정보를 결합한 혼합 커널을 사용했을 때에 더 좋은 성능을 보이는 것을 확인할 수 있었다. 이는 관계 인스턴스에 대한 구절 구조 정보뿐만 아니라 개체 간의 유의미한 연관관계를 표현해주는 술어-논항 구조 패턴 또한 관계 추출 작업에 매우 유용한 정보임을 입증하고 있다.

인터넷 환경에서 무차별적으로 유통되는 스팸 문서로 인한 사회적 문제가 커져 가고 있는 가운데 스팸문서를 차단하기 위한 활발한 연구들이 이루어지고 있다. 이 가운데 대표적인 연구는 자질어를 이용한 기계학습 기반의 스팸 차단 기술이다. 그러나 이 방법은 미리 선택된 자질어로만 구성된 분류 모델을 사용하기 때문에 Term Spamming(단어 조작에 의한 스팸 차단 행위)에 취약하며, 스팸 차단의 성능과 학습 소요 시간이 선택된 자질어의 품질과 수에 민감하게 영향을 받는다는 문제점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 스팸 문서에서 등장하는 특수 문자의 빈도와 반복되는 단어의 특징을 이용한 스팸 탐지 방법을 제안한다. 제안 방법은 각 문서에서 등장하는 특수 문자의 비율과 최다 출현 단어의 반복 패턴을 정의하고 기계학습 알고리즘을 적용하여 스팸 분류 모델을 생성한다. 제안 방법의 성능 평가를 위해 E-mail 데이터와 블로그의 Post 데이터를 사용하여 자질어 기반의 스팸 차단 방법과 비교 실험을 진행하였다. 실험 결과 본 논문에서 제안하는 방법이 분류 정확도와 학습 소요 시간에 있어 우수한 성능을 보이는 것을 확인하였다.

블로그는 검색 서비스에 노출되는 주요 사용자 생성 콘텐트 중 하나이며 스팸과 SEO를 위한 주요 대상이 되어왔다. 최근에는 인터넷 보급의 보편화로 비영어권 국가에서의 블로그 사용자가 증가하면서 블로그 검색에서도 여러 언어로 작성된 블로그와 스팸이 노출되고 있다. 일반적인 블로그 검색엔진에서의 스팸 필터의 경우 특정 국가나 언어를 위한 스팸 필터 시스템을 각기 구성하여 이를 별도로 사용하지만이는 자원 소모의 문제와 함께 크롤을 통해 유입되는 다양한 언어로 작성된 블로그 스팸을 미리 감지하기 어렵다. 본 논문에서는 블로그를 크롤하여 서비스하는 국제화를 지원하는 블로그 검색엔진에서 스플로그를 탐지하기 위해 속성 및 단어 기반 자질들을 이용한 다국어 공용 스플로그 감지 모델을 생성 하는 방법과 효과를 확인하기 위해 실험을 수행하였으며 가능성이 있음을 확인하였다.

기존 음악 장르 분류의 경우 음악의 특징 추출 또는 기계학습을 중점적으로 연구되어왔다. 하지만 자동 분류에 필요한 장르 데이터는 음악을 제공하는 웹 사이트마다 다르고, 각 웹 사이트의 장르 분류는 해당 음악이 아닌 앨범의 장르를 표시한다. 보다 나은 자동 분류를 위해서는 일관된 장르 데이터의 제공이 필요한데, 본 논문에서는 이러한 연구의 일환으로 여러 웹사이트에서 수집한 장르 데이터에 따른 판별 성능을 분석하였다. 분석 결과 장르 분류 방법에 따라 신경망 학습 및 판별성능이 큰 차이가 발생하였다.

전기자동차에 대한 연구가 진행됨에 따라 동력원으로 사용되는 대용량 리튬-폴리머 배터리의 운용과 관리에 대한 관심이 증가하고 있다. 다중 셀로 구성된 대용량 리튬-폴리머 배터리는 물리적 화학적 특성에 따라 충전시 셀간 전압 격차가 발생하게 된다. 셀간 전압차는 배터리 용량, 수명, 안정성에 부정적 영향을 주게 된다. 기존 연구들은 각 셀의 특성을 고려하지 않고 충전 결과를 바탕으로 동일한 밸런싱 방법을 적용시킴으로 효율성을 떨어트린다. 본 논문에서는 진화 신경망 기반의 지능형 셀 밸런싱 시스템을 제안한다. 배터리의 특성을 진화 신경망을 통해 학습시킴으로 각 셀 충전시 저항의 크기를 결정한다. 이를 통해 각 셀 특성을 고려한 사전 셀 밸런싱을 수행하였다. 제안하는 방법의 유용성을 입증하기 위해 카이스트 온라인 전기자동차에 장착 예정인 배터리 관리 시스템 기반 시뮬레이션을 수행하여 효과적인 셀 밸런싱이 가능함을 보였다.

비디오 데이터의 지능적인 처리를 위해서는 사전에 작성한 메타데이터에 제한 받지 않는 유연한 접근방법이 필요하다. 본 논문에서는 엔트로피를 이용하여 적절한 특징을 추출한 후 비디오를 처리하는 방법을 소개한다. 이미지 인식이 잘 될 경우 일정한 이미지 조합으로 비디오의 배경을 설명할 수 있지만, 이미지 인식이 어렵기 때문에 동일한 배경일지라도 등장 인물의 움직임, 촬영 각도의 변화 등 사소한 변화가 발생하면 컴퓨터는 다른 이미지인 것으로 간주하게 된다. 우리가 제안하는 방법은 비디오를 구성하는 이미지 프레임에서 추출한 SIFT(Scale Invariant Feature Transform) 특성의 분포를 엔트로피에 기반하여 재구성한 후 분포 변화를 통해 장소 변화를 추정하는 방법이다. 제안 방법은 비디오 데이터의 이미지를 특징 짓는 비주얼 워드의 분포를 활용하기 때문에 사소한 변화 정도의 영향을 받지 않으면서 동시에 배경의 확연한 변화를 나타낼 수 있다. 우리는 실제 TV 드라마 데이터에 적용하여 제안 방법의 유용성을 확인하였다.

승무일정계획이란 특정 기간 동안 운행할 차량들을 대상으로 각 차량마다 필요로 하는 승무원을 배정하는 계획을 말한다. 최적 승무일정계획의 수립은 일반적으로 제약 조건을 만족하는 모든 종류의 개별 다이아를 생성한 다음 이들을 대상으로 모든 차량을 운행할 수 있는 최적조합을 선정하는 방식으로 이루어지고 있다. 승무일정계획 문제의 난이도는 제약 내의 개별 다이아 생성하는 단계에서 생성되는 후보다이아 집합에 많은 영향을 받는다. 본 논문에서는 승무일정계획 문제의 난이도를 줄일 수 있는 후보다이아 집합을 생성하기 위한 방안 2가지를 제시한다. 실제 현장의 승무일정계획 문제를 대상으로 한 실험 결과, 방안들을 적용한 경우에 기존의 방법으로는 수립하기 어려웠던 계획을 빠른 시간 내에 수립할 수 있음을 확인하였다.

GPS 수신이 어려운 실내 환경에서 이동 단말기 사용자나 로봇의 위치를 추정하기 위해 WiFi 신호 강도를 이용하는 연구가 최근 들어 활발히 전개되고 있다. 본 논문에서는 WiFi 신호의 불안정성과 불확실성에 효과적인 가우시안 프로세서를 적용하여, 실내에서 이동 중인 스마트폰 사용자의 실시간 위치를 추정하는 방법을 제안한다. 실험을 통해 제안한 방법의 성능을 분석해보고, 성능 개선을 위한 확장 방안을 제시한다.

최근 멀티미디어 데이터의 급속한 증가는 그를 대상으로 하는 다양한 컴퓨팅 기술의 발전을 가져왔다. 이러한 기술이 인간과의 상호 작용에서 그 양적 범위와 질적 깊이를 더해감에 따라, 멀티미디어 데이터 특히 그 중 가장 대표적이라 할 수 있는 이미지 데이터를 의미적으로 이해할 수 있는 방법의 필요성이 대두되고 있다. 이미지의 의미를 이해하기 위해 저수준(low level)의 시각 정보만을 이용하는 경우 인간과의 상호 작용에서 의미 격차(conceptual gap) 문제가 발생할 수 있다. 이미지 객체의 시각 정보들을 가공해서 온톨로지(ontology)와 같은 형태의 지식 베이스(knowledge base)와 연동하여 보다 고수준의 의미를 부여하는 경우에는 해당 도메인을 벗어난 새로운 환경에 대해 적응력과 강인함이 떨어진다. 이러한 문제를 근본적으로 해결하기 위해서는 지식 베이스가 없는 상태에서 이미지 데이터의 형태로 주어진 대상 객체로부터 의미를 부여할 수 있는 정보들을 추출해, 구조적으로 지식 베이스를 형성해 나가고 이를 토대로 대상 이미지 객체의 의미를 이해할 수 있는 시스템이 필요하다. 본 논문에서는 발달 심리학 이론들을 바탕으로 시각과 관련된 인간의 생득적 능력을 찾고, 이를 기반으로 우선 주어진 이미지 객체로부터 의미 정보를 효과적으로 추출할 수 있는 방법을 제안한다.

이 논문은 2011 TORSC 자동차 경주에 대한 인공지능적 접근방법을 나타내었다. 사람이 자동차 경주를 준비 할 때에는 여러 종류의 경기장, 트랙, 조건에서 연습하고 여기서 익힌 경험과 지식을 통해 실제 새로운 경기장에서 경주를 하게 된다. 본 연구에서는 이러한 학습과 적용의 단계를 두 단계의 학습으로 수행하였다. 특히 경주 조건인 트랙에 대한 경기 연습 즉, 기계 학습을 위해 트랙을 간단한 수치 자료로 구조화하고, 실시간 트랙 정보 구축으로 트랙의 형태를 파악하여 주행하는 방법을 제시하였다. 또한, 각 센서를 각 상황에 맞도록 구조화하여 고수준 센서화하는 방법으로 트랙 정보를 기록하였으며, 직관적인 효과 조정과 파악을 위해 휴리스틱을 적용하였다. 이러한 연구는 경쟁력 있는 스마트 자동차에 필요한 소프트웨어 모듈에 의미있는 한 부분이 될 수 있다.

최근 인간-컴퓨터 상호작용 분야에 있어서 사용자와의 원활한 협력을 위해 각종 센서 정보로부터 사용자 의도를 인식하고 행동을 예측하여 대응하는 의도대응 인터페이스에 대한 연구가 주목 받고 있다. 이는 사람들 사이에서는 자연스러운 일이며, 인간의 의도대응 과정을 모방하여 공학적으로 구현하는 연구가 활발히 진행 중이다. 본 논문에서는 보다 효과적으로 사용자의 의도에 대응하기 위해서 거울 뉴런과 마음의 이론을 기반으로 하는 사람의 의도대응 과정을 분석하고 이를 바탕으로 인터페이스에 적용 가능한 의도대응 방법을 제안한다. 본 논문에서는 센서로부터 즉각적으로 인식하여 대응 가능한 기본의도와 추가적인 지식을 통해 추론 가능하며 기본의도의 조합으로 이루어진 복합의도에 대해 계층적으로 대응하는 방법을 제안한다. 제안하는 방법은 행동네트워크를 이용하여 기본의도에 대해 즉각적으로 대응을 생성하며, 복합의도에 대하여 계획 기반 방법을 통해 대응 시퀀스를 생성하고 대응을 수행한다. 제안하는 방법은 일정 관리와 집안 관리 서비스를 제공하는 인공비서 시스템에 적용되었으며, 다양한 의도와 상황에 대한 생성 대응을 분석함으로써 사용자의 의도와 관측된 행동을 반영하여 적합한 대응을 생성함을 확인하였다.

시각 피처를 사용한 이미지 표현은 이미지 검색 분야에서 이미 광범위하게 사용되고 있다. 특히 이미지 자체에 태깅이 되어있지 않거나 다른 추가 정보가 없는 경우에는 이미지 콘텐츠자체의 정보만으로 검색하기 위해서는 이러한 전처리가 필수적이다. 이미지로 부터 얻어진 시각적 피처들이 시각 단어로 사용되기 위해서는 k-means 와 같은 군집 알고리즘을 통한 시각적 피처의 양자화를 위한 전처리가 필요한데, 시각 단어의 개수 k를 정하는데 모호함이 있다. 본 논문에서는 임의의 k를 사용하더라도, 대표적 토픽 모델링 기법인 LDA (Latent Dirichlet Allocation)를 사용하여 데이터의 차원을 줄이게 되면 여러개의 시각적 단어들의 조합을 각각의 토픽이 나타낼 수 있게 됨을 이미지 검색 성능으로써 확인해 보고, 이러한 방법을 사용하면 표현형의 사이즈를 줄일 수 있고, 검색에 있어서도 이미지의 유사성을 더욱 효과적으로 표현할 수 있음을 확인해 본다.

스마트기기가 많은 부분에서 쓰임에 따라 의료 부분에서 스마트기기용 앱이 사용 할 수 있게 되었다. 의료용 앱이라고 하여 이 앱을 사용함으로서 의료인은 진료에 도움이 될 수 있고, 일반인들은 자신의 건강을 관리 할 수 있게 되었다. 의료용 앱의 정의에 따라 스마트기기 부분 대하여 사용 될 수 있는 시스템이 있는데, 그것은 바로 CDSS이다. 임상 의사 결정 지원 시스템이라고 하며, 의료인들이 의료 결정을 할 때 도움을 주는 시스템이다. 이것은 HL7(Health Level 7) 표준이며, 국제 표준인 Arden Syntax로 표현 할 수 있다. 그리고 크게 3가지의 카테고리로 이루어져 있으며 각각 부분에서 의료 진료에 관한 내용을 표현한다. 또한 시스템간의 XML로 교환하여 사용 할 수 있다. 하지만 스마트기기는 그 자체의 기능과 성능으로 CDSS 서비스를 하기에는 많이 부족하다. 이 부족한 점은 모바일 클라우드를 사용한다면 의료용 앱의 완성도와 신뢰성이 더 높아 질 것이다. 의료인들이 이러한 의료용 앱을 사용함으로써 환자 진료에 많은 도움이 될 수 있을 것이다.

기계학습 기술이 발달함에 따라 기계학습은 제한된 상황에서 벗어나, 실생활과 비슷한 복잡하고 다양한 상황에서의 학습이 중요한 이슈가 되었다. 본고에서는 현실과 비슷한 상황을 도입하기 위하여 드라마를 사용한다. 드라마 내의 등장인물들은 말투, 어조, 관심주제와 같이 다양한 특성을 내재하고 있다. 등장인물들의 다양한 특성 중 관심주제는 대본 안에 글로 드러나 있으므로 기계학습을 통해 등장 인물의 인식에 활용할 수 있다. 최근, 확률그래프모델 분야에서 문서의 주제를 다루는 기법으로 자주 거론되는 토픽 모델 중 하나인 Author-Topic (AT) 모델은 등장인물의 관심주제를 학습하는 데에 적합하다. 본 논문에서는 AT 모델로 대본을 학습하고, 학습된 데이터 분포를 이용하여 장면에 등장하는 인물들을 인식하는 방법을 제시한다. 이 방법의 성능을 측정하기 위해, 미국 TV 드라마 'Friends' 대본 39편을 학습시키고, 장면에 대해 등장인물을 인식하는 실험을 수행하였다. 이 실험을 통해 본고에서 Author-Topic 모델을 이용한 인물 인식 방법이 다수의 인물이 참여한 담화의 인물들을 인식하는데 강점이 있음을 확인할 수 있다.

입력 데이터의 공통적인 특징을 찾아내는 방법은 기계 학습 분야의 중요한 분야이다. 일반적으로 입력 데이터의 형태적 패턴을 찾아내는 알고리즘들이 많이 연구되었는데, 최근에는 데이터의 입력 순서 또는 데이터 사이의 시간적 인과 관계와 같이 시간에 연관된 패턴을 찾는 방법이 주목을 받고 있다. 우리는 형태적 혹은 공간적 패턴 탐색에 뛰어난 성능을 보이는 하이퍼네트워크 모델을 확장하여 입력 데이터의 시공간적 패턴을 찾는 방법을 제시한다. 하이퍼네트워크는 두 개 이상의 변수를 하나의 엣지로 연결하여 문제공간을 탐색하는 모델로, 시간과 공간의 변수를 동시에 고려하여 데이터의 특성을 찾아내는 데에 적합하다. 이를 확인하기 위하여 사람의 EEG 신호를 분석하였는데, 시각적인 정보를 처리할 때와 언어적 정보를 처리할 때의 특징적인 패턴들을 찾았다.

지능형 서비스 로봇은 일상의 환경 내에서 사용자에게 지속적으로 유용한 서비스를 제공해야 한다. 그러나 로봇 환경은 매우 복잡하고 역동적으로 변화하고 로봇의 크기나 비용, 기술의 한계 등으로 인해 로봇 작업의 실패나 오류와 같은 예외 상황이 발생할 수 있다. 본 논문에서는 이러한 예외 상황을 효과적으로 극복하기 위한 지능형 서비스 로봇 시스템 개발 방법론을 제시한다. 이 방법론은 프레임워크 형태로 정의되며 예외 모델과 대응 계획, 예외 극복 방법으로 구성된다. 예외 모델은 계층 구조로 정의하여 다양한 예외 상황을 일반화시키고, 대응 계획은 신속한 상황 대처를 가능하게 한다. 예외 모델과 대응계획이 극복 방법에 독립적으로 정의되어 로봇 지식으로 활용되므로 운용 중에 지속적인 추가 및 유지보수가 용이하다.

지능형 로봇산업은 인간의 생활에 지대한 영향을 끼치는 미래 산업으로 손꼽히는 분야이다. 향후 소비자들의 욕구를 충족시키기 위해서는 다양한 플랫폼을 개발하고 사용자의 편의성을 만족시킬 필요가 있다. 이 논문에서는 사용자에게 효율적으로 정보를 전달하기 위한 작업 정보 스키마의 정의 및 이용자의 성향에 따른 차별화된 정보 전달 방법을 제안한다. 정형화된 작업 정보를 통해 다양한 플랫폼의 상호작용을 일원화 하고, 이를 전달하기 위해 사용자 모델을 이용한 차등적 정보제공을 통해 다양한 소비자의 욕구를 충족시키는 것이야 말로 미래 산업의 경쟁력을 확보하기 위한 한 방향을 제시할 것이다.

대부분의 퍼즐 게임에서 발생 할 수 있는 중요한 문제 중 하나는 교착상태 문제이다. 본 논문에서는 이러한 교착상태를 해결하기 위해 퍼즐 게임을 그래프 기법으로 나타낸 뒤, 이를 이용한 새로운 교착상태 발견 기법인 Cycle Detection을 제안한다. 기존의 기법들은 알고리즘을 수행하는데 너무 많은 시간이 걸리거나, 패턴에 대한 데이터베이스가 구축되어 있어야 하기 때문에 실시간으로 교착상태를 발견하기엔 문제가 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 탐색해야 하는 노드의 개수를 최대한 줄이는 Local search 기법과 Pruning 기법을 적용하여 퍼즐 게임을 플레이하는 동안 실시간으로 교착상태를 발견할 수 있는 기법을 제안한다. 본 기법은 성능을 평가하기 위해 실제 퍼즐게임 환경에서 알고리즘을 수행하고, 그 결과로 검색하는 노드의 개수와 검색 시간을 기존의 기법과 비교하여 성능향상을 확인하였다.

감시카메라 환경에서의 비정상 집단행동 탐지란 감시카메라로부터 유입되는 영상에서 다중 객체가 위험에 처한 상황을 신속하고 정확하게 탐지 및 인식하는 분야를 말한다. 본 논문에서는 CCTV 등과 같은 감시카메라 환경에서 움직임 벡터와 SVDD를 이용하여 집단내의 비정상 상황을 탐지하는 프로토타입 시스템을 제안한다. 제안된 시스템은 움직임 벡터를 이용하여 영상내의 움직임 정보를 추출 표현하였으며, 비정상 집단행동의 판별 문제를 실용적 차원의 단일 클래스 분류 문제로 재해석하여 단일 클래스 SVM의 대표적 모델인 SVDD를 탐지자로 설계하였다. 공개적으로 사용 가능한 벤치마크 데이터 셋인 PETS 2009와 UMN을 이용하여 본 논문에서 제안한 비정상 집단행동 탐지 시스템의 성능을 실험적으로 검증한다.

본 논문에서는 CCD카메라로부터 입력된 동영상에서 Random Forest를 이용하여 산불 연기를 검출하는 알고리즘을 제안한다. 산불 연기의 느린 움직임을 보완하기 위해 모든 프레임 대신에 변화가 큰 프레임들을 키 프레임으로 지정하고 지정된 키 프레임의 이전 100프레임 동안의 가 특징 값을 누적시켜 특징 백터를 추출한다. 이후, 학습 데이터들로부터 추출된 특징백터의 훈련과정을 통해 50개의 결정 트리를 갖는 Random Forest를 생성한다. Random Forest는 산불 연기의 정도에 따라 4개의 상태를 나타내는 클래스들로 분류하도록 학습되었으며 Random Forest에 의한 분류결과에 따라 해당 영역이 연기인지 아닌지를 최종 판단한다.

Support Vector Machine (SVM)은 주어진 데이터 중에서 각 클래스를 잘 표현하는 Support Vector (SV)를 계산함으로써 새로운 데이터를 분류하는 알고리즘이다. SVM은 전체 데이터 분포를 고려하지 않기 때문에 잘못된 데이터에 의해 분류가 잘못될 가능성이 적다. 하지만, SV가 잘못되었을 경우에는 정확도가 감소하게 되는 문제점이 있다. 본 논문에서는 SV가 잘못 주어진 데이터일 가능성을 고려, 아웃라이어 검출 알고리즘인 Local Outlier Factor (LOF) 알고리즘을 이용해 주어진 데이터 중 잘못된 데이터를 제거함으로써 SVM의 분류 정확도를 높이는 알고리즘을 제안하였다. 추가적으로, Incremental LOF를 이용해 새로운 데이터 중 판단하기 어려운 데이터를 제거함으로써 SVM의 정확도를 보다 향상시켰다. 제안된 방법은 두 개의 클래스를 가진 데이터에 대해서 실험하였다.

본 논문에서는 요주의 인물 식별 시스템에 직접적으로 적용이 가능한 실용적 차원의 정면 얼굴 탐지 시스템을 제안한다. 제안된 시스템은 개선된 피부색 탐지기를 통해 실시간으로 입력되는 영상의 이미지로부터 얼굴 탐지 범위를 축소하고, Viola 등의 단계형 분류기를 통해 얼굴 여부를 빠른 속도로 탐지함으로써 실시간 탐지가 가능케 하였다. 또한, 마스킹을 통하여 비 정면 얼굴들을 제거함으로써 정면 얼굴만을 보다 정확하게 탐지할 수 있으며, 정면 얼굴 데이터만으로 학습된 SVDD로 최종 출력을 검증하였다. 공인된 벤치마킹 데이터인 FEI Face Database을 사용하여 제안한 SVDD 기반의 정면 얼굴 탐지 시스템의 성능을 실험적으로 평가한다.

1990년 증강현실이라는 용어가 처음 사용된 후 2000년대 중반까지는 연구개발 및 시험적용단계에 머물러 있었으나, 최근 카메라와 그래픽 처리 능력을 높인 단말기, 충분한 속도의 무선통신, GPS 등의 기능을 갖춘 스마트 폰이 등장하면서 실용화 단계에 진입을 하였다. 국내 네일 산업은 2008년 시장규모 4830억 원으로 매년 고속 성장을 하고 있으며 일본의 경우 2010년도에 약2015억 엔으로 2009년도의 약1971억 엔에 비교하여 2.2% 증가하였다. 이처럼 시장의 규모는 매년 커지고 다양해지면서 여러 번의 시행착오를 거쳐야 마음에 드는 네일 케어를 받을 수 있기 때문에 상당히 힘들고 번거롭다. 그래서 본 논문에서는 유비쿼터스 시대를 맞이하여 증강현실을 이용한 네일 샵 적용 방안을 연구하였다. 증강현실 기술을 이용하면 색을 칠하기 전 색이 자신의 손에 맞는지를 알아볼 수 있고 예상되는 결과를 알아 볼 수 있어서 다양해진 소비자들의 니즈를 충족시켜 줄 뿐만 아니라 네일 케어를 받기 전 시행착오를 겪는 소비자들에게 도움을 줄 것이다. 따라서 본 논문에서 제시한 증강현실을 이용한 네일 샵 적용은 국내뿐만 아니라 세계적으로 네일 산업분야에 큰 발전을 도래 할 수 있을 것으로 기대한다.

흉부 CT 영상은 각종 흉부 질환의 진단에 널리 사용되고 있으며, 영상 분석 기술을 이용하여 암이나 다양한 형태의 종양 등의 관심 영역(region-of-interest)을 자동으로 탐지하는 기법들이 최근 많이 연구되고 있다. 본 논문에서는 흉부 CT 영상에서 연속된 여러 장의 2D 영상의 변화를 분석하여 중요 관심 영역인 노듈(nodule)을 찾는 방법을 제안한다. 인접 영상에서의 노듈의 연속성과 크기의 변화, 모양, 밝기의 특징을 분석하여 노듈을 검출하였고, 실험 결과, 상당한 정도의 정확도를 보였다. 향후 추가적인 연구를 통하여 실제 환경에서도 활용 가능할 것으로 기대된다.

본 논문에서는 가상현실 및 게임, 로봇인지 분야에서 쓰일 수 있는 실시간 얼굴인식을 제안한다. 현대 사회는 영상처리 기술의 발달로 인하여 많은 자동화 시스템이 개발된다. 빠르게 발전하는 정보화 시대에 사람과 컴퓨터 사이의 상호작용(Interaction)은 매우 중요하며 보다 빠르고 정확한 시스템이 요구된다. 전통적인 얼굴인식 방법인 주성분 분석(PCA)은 영상의 크기에 따라 계산의 복잡도가 증가하고, 특징 벡터를 구하기 위해 많은 연산을 해야 하는 문제가 발생하지만 GPU를 이용할 경우 반복적 계산의 효율적 처리가 가능하여 뛰어난 성능을 낼 수 있는 장점이 있다. 본 논문에서는 이러한 범용 GPU사용 기술 중 nVidia에서 제공하는 CUDA를 활용한 실시간 얼굴 인식 시스템을 제안하고, 실험을 통해 성능을 검증한다.

얼굴 영상에서 구성요소(눈썹, 눈, 코, 입 등)의 존재에 따라 보는 사람의 얼굴 인식 정확도는 큰 영향을 받는다. 이는 인간의 뇌에서 얼굴 정보를 처리하는 과정은 얼굴 전체 영역 뿐만 아니라, 부분적인 얼굴 구성요소의 특징들도 고려함을 말한다. 비음수 행렬 분해(NMF: Non-negative Matrix Factorization)는 이러한 얼굴 영역에서 부분적인 특징들을 잘 표현하는 기저영상들을 찾아내는데 효과적임을 보여주었으나, 각 기저영상들의 중요도는 알 수 없었다. 본 논문에서는 NMF로 찾아진 기저영상들에 대응되는 인코딩 정보를 SLR(Sparse Logistic Regression)을 이용하여 성별 인식에 중요한 부분 영역들을 찾고자 한다. 실험에서는 주성분분석(PCA)과 비교를 통해 NMF를 이용한 기저영상 및 특징 벡터 추출이 좋은 성능을 보여주고, 대표적 이진 분류 알고리즘인 SVM(Support Vector Machine)과 비교를 통해 SLR을 이용한 특징 벡터 선택이 나은 성능을 보여줌을 확인하였다. 또한 SLR로 확인된 각 기저영상에 대한 가중치를 통하여 인식 과정에서 중요한 얼굴 영역들을 확인할 수 있다.

본 논문은 뇌기능 연구에 크게 기여하는 기능적 자기공명영상을 효과적으로 분석하기 위한 유효 연결성(Effective Connectivity, EC)을 이용한 대규모 네트워크(Large-Scale Network, LSN) 분석(LSN-EC)을 제안한다. 유효 연결성은 뇌영역간의 시공간적 인과관계를 표현한 연결성이며, 뇌의 기능적 연결성 및 구조탐색 사용된다. LSN-EC는 뇌영역간의 EC를 표현하고 그룹간의 차이분석을 통하여 뇌질환 분석 및 진단 연구로의 응용이 가능하다. 실험결과에서 알츠하이머병과 관련이 높다고 알려진 후대상피질(Posterior Cingulate Cortex)과 해마(Hippocampus)가 포함된 변연엽(Limbic Lobe), 기저핵 및 시상(Basal Ganglion and Thalamus) 주변 영역에서 감소된 EC를 확인하였다.

인터넷 뱅킹, 전자 상거래 등의 도래에 따라 생체 인식이 중요한 이슈가 되고 있다. 이에 따라 뇌전도(Electro Encephalo Graphy: EEG)로 측정되는 생체 신호를 통하여 기존 생체 인식의 단점을 보완하는 새로운 연구가 시도되고 있다. 본 논문에서는 인간 본인의 얼굴 사진에 특별한 반응을 보인다는 신경 생리학적 지식을 기반으로 한, 새로운 개인 인증 기술을 제안한다. 구체적으로는 뇌 신호 반응 유도를 위한 시각 자극 제시 패러다임의 설계 EEG신호의 특징을 추출을 위한 개인-의존적인 시간 영역 및 채널 선택 및 효율적인 분류기 설계 방법을 제안한다. 제안한 방법을 이용한 실험 결과는 EEG 기반의 개인 인증 및 인식의 가능성을 제시한다.

본 논문에서는 동영상을 대상으로 하는 기존의 시각주의 시스템의 성능을 향상시킨 새로운 시스템에 대하여 설명한다. 제안하는 시스템은 기존의 시스템이 가지고 있던 한계점인 서로 반대되는 특징을 가지는 색상에서 하나의 특징만을 고정적으로 선택하던 것을 극복하여, 서로 반대되는 특징 중 현저함이 더 높은 색상 특징을 선택하여 입력 들어오는 영상에 적응적인 현저함 추출을 하였다. 도한 시간 현저함 정보를 추가적으로 고려할 수 있도록 하여 동영상에 대한 처리도 가능하도록 하였고, 성능 평가 시 인간을 대상으로 한 설문 조사 실험을 추가하여 보다 인간의 시각 인식과 유사한 시스템임을 증명하였다.

본 논문에서는 동영상을 대상으로 하는 기존의 시각주의 시스템의 성능을 향상시킨 새로운 시스템에 대하여 설명한다. 제안하는 시스템은 기존의 시스템이 가지고 있던 한계점인 서로 반대되는 특징을 가지는 색상에서 하나의 특징만을 고정적으로 선택하던 것을 극복하여, 서로 반대되는 특징 중 현저항이 더 높은 색상 특징을 선택하여 입력 들어오는 영상에 적응적인 현저항 추출을 하였다. 도한 시간 현저항 정보를 추가적으로 고려할 수 있도록 하여 동영상에 대한 처리도 가능하도록 하였고, 성능 평가 시 인간을 대상으로 한 설문 조사 실험을 추가하여 보다 인간의 시각 인식과 유사한 시스템임을 증명하였다.

가려진 상태에 있는 인체 구성요소에 대한 관측치 모델은 영상에서 인체 구성요소가 차지하고 있는 화소들에 대한 정확한 평가를 해야 하는 저수준에서의 문제와, 권투 동작과 같이 역동적으로 변화하는 인체 구성요소 간의 가려짐 관계에 대한 문맥적인 상황을 같이 고려해야 하는 어려움을 갖고 있다. 본 논문에서는 자체 가려짐이 발생한 상황에서도 강인하게 인체 포즈 추적을 하기 위한 가려짐에 강인한 관측치 모델을 제안한다. 포즈 추적 성능을 비교평가 할 수 있는 HumanEva 데이터 셋을 이용하여 제안하는 관측치 모델의 강인함을 확인하였으며, 기존 방법과의 성능 비교에서도 우수한 추적 성능을 보였다.

In this paper, we propose a constrained alternating least squares nonnegative matrix factorization algorithm (cALSNMF) to detect active brain regions from single subject's task-related fMRI data. In cALSNMF, we define a new cost function which considers the uncorrelation and noisy problems of fMRI data by adding decorrelation and smoothing constraints in original Euclidean distance cost function. We also generate a novel training procedure by modifying the update rules and combining with optimal brain surgeon (OBS) algorithm. The experimental results on visuomotor task fMRI data show that our cALSNMF fits fMRI data better than original ALSNMF in detecting task-related brain activation from single subject's fMRI data.

In this paper, we propose an approach to detect the product label for mobile phone images based on saliency map and the local structure tensor. The object boundary information can be better described by the local structure tensor than other edge detectors, and the saliency map methods can find out the most salient area and shorten the computational time by reducing the size of the orignal image. Therefore, these two methods are considered for our product label detection. The experimental results show an acceptable performance based on our proposed approach.

본 논문에서는 비등방성 확산 방법과 구조텐서를 이용한 유방 MR 영상에서 흉근을 자동 분할하기 위한 방법을 제안한다. 제안하는 방법은 영상에 포함되어 있는 잡음을 제거하기 위하여 비등방성 확산 방법을 적용한 후 영상의 국부적인 기울기 정보를 잘 나타내는 구조텐서를 이용하여 영상 진단 및 영상 정합 시불필요한 흉근 부분을 자동으로 분할하고자 한다. 실험결과에서 확인 할 수 있듯이 정확한 분할의 결과는 향후 컴퓨터 보조 진단 시스템에 유용하게 사용할 수 있을 것으로 기대된다.

In this paper, we propose a robot remote control system based on mouth tracking. The main idea behind the work is to help disabled people who cannot operate a joystick or keyboard to control a robot with their hands. The mouth detection method in this paper is mainly based on the Adaboost feature detection approach. By using the proposed new Haar-like features for detecting the corner of mouth, the speed and accuracy of detection are improved. Combined with the Kalman filter, a continuous and accurate mouth tracking has been achieved. Meanwhile, the gripping commands of the robot manipulator were also achieved by the recognition of the user.s mouth shape, such as 'pout mouth' or 'grin mouth'. To assess the validity of the method, a mouth detection experiment and a robot cargo transport experiment were applied. The result indicated that the system can realize a quick and accurate mouse tracking; and the operation of the robot worked successfully in moving and bringing back items.

본 논문에서는 흉부 X선 영상으로부터 폐 종류 음영을 검출하기 위한 필터를 예측해서 바람직하게 평가하기 위한 방법을 제안한다. 더욱이 그 평가방법을 이용해서 이전부터 제안한 다중해상도 라플라시안-가우시안 필터의 평가를 행한다. 전문의의 진단보조 혹은 종합자동진단시스템의 구성요소로서 필터가 행하는 역할을 고려한 후에 필터가 만족해야할 조건 및 그 조건을 만족한 경우에 있어서 몇가지 성능평가 척도를 명확히 한다. 제안한 평가방법을 통해서 다중해상도 필터가 단일해상도 필터에 비해 높은 성능을 갖게됨을 명확히 한다.

휴머노이드 로봇이 인간처럼 그림을 그리기 위해서는 순서를 가지는 드로잉 좌표 집합이 필요하다. 하지만 기존 영상 처리를 통한 윤곽선에서의 좌표 집합은 순서가 없고 로봇 암을 들어 올리는 좌표가 없다. 또한 불필요한 좌표가 다수 포함되어 있어서 효율적인 드로잉을 하기가 어려워 드로잉하는데 시간이 많이 걸린다. 따라서 본 논문에서는 3축으로 구성된 휴머노이드 로봇 암이 드로잉하기 위한 좌표 집합을 추출하는 알고리즘을 개발한다. 이를 구현하기 위해서는 로봇이 드로잉하기 위한 윤곽선 추출 알고리즘과 추출한 드로잉 좌표 집합에서 드로잉 순서와 로봇 암을 들어 올리는 점을 전체 좌표 리스트에 포함해야 한다. 제안하는 알고리즘이 추출하는 좌표 집합은 캠 영상으로부터 입력되는 컬러 이미지에서 이미지 프로세싱을 거친 윤곽선을 입력으로 하며, 추출한 좌표들의 순서와 로봇 암의 드로잉 시작점을 삽입함으로서 빠르고 효율적인 로봇 드로잉 좌표 집합 추출 알고리즘을 구현한다. 또한 제안하는 추출 알고리즘을 휴머노이드 로봇에 적용하여 실험하였으며, 좌표 추출 알고리즘의 정확성과 효율성을 비교하였다.

로봇이 능동적으로 행동하기 위해서는 외부 신호를 받아서 처리해야 되는데 여러 가지 센서 중에서도 영상처리가 중요해지고 있다. 하지만 영상처리를 사용하였을 경우는 예측할 수 없는 외부환경으로부터 영향을 받을 수 있다. 예를 들면 조명이 일정한 내부 환경에서는 인식이 가능하나 외부환경에서는 불가능한 경우가 있다. 그러므로 로봇산업이 발전에 중요한 축을 담당하고 있는 영상처리에 분야 중에서 논문에서는 조명이 변하는 상황을 설정해보고 그 상황을 토대로 기존의 알고리즘인 [2][3] Single-scale Retinex. [4][5] Multi-scale Retinex와 인식률을 비교해보고 Single-scale Retinex을 기반으로 단순히 Multi- scale Retinex처럼 가중치를 같이 두는 것이 아니라 상황에 따라 가중치를 다르게 주는 알고리즘 'Adaptive Two Scale Relinex Algorilhm'을 소개하겠다. 더불어 앞으로 나아가야 될 방향에 대해서도 언급하겠다.

최근에 스마트폰이 발달하고 대부분의 모바일 기기에 카메라가 달리면서 카메라를 이용한 애플리케이션 또한 늘어나고 있는데 기존의 PC상에서 로고 인식등을 위해 사용되는 SURF를 이용한 이미지 매칭에는 유클리드 거리 계산을 사용하고 있다. 그러나 이 방법으로는 PC보다는 사양이 낮은 모바일 기기에 적용하기에는 기존에 사용하고 있는 방법이 인식할 이미지마다 모든 특징점을 비교하는 방법을 사용하기 때문에 연산량이 높은 편이다. 본 논문에서는 미리 인식할 이미지를 뉴럴넷에 학습시킨 뒤, 뉴럴넷을 필터링으로 사용하여 일부의 특징점만을 비교해 연산량을 줄여서 속도를 향상시키는 방법을 제안하였으며 이를 이용하여 대략 30%가량의 성능 향상이 나타난 것을 알 수 있었다.

이 논문은 음식인식 자동화를 위해서 음식 이미지를 표현하는 새로운 방법을 제시한다. 먼저, 사람이 음식 속 재료성문을 인식하는 방법을 모방하여, 음식이미지에서 윤곽선을 따라 다각형을 검출한다 그 흐름, 각 다각형의 특징 다각형에 해당하는 음식재료성분의 라벨은 다각형의 사이즈, 다각형의 가로세로 비율 - 이 추출된다. 여기서 음식재료성분의 라벨은 음식재료이미지로 훈련 받은 Semantic Texton Forests (STF)[3]에 의해 구해진다. 구해진 다각형의 특징을 이용해 음식이미지마다 다차원 히스토그램이 형성되는데, 이히스토그램은 컴퓨터가 사람과 유사하게 음식이미지를 이해할 수 있도록 표현된다. 이 히스토그램은 컴퓨터가 음식을 인식할 수 있도록 도와주는 중요한 특징으로 사용될 것이다.

Recognizing human activities from image sequences is an active area of research in computer vision. Most of the previous work on activity recognition focuses on recognition from a single view and ignores the issue of view invariance. In this paper, we present an independent Gabor features (IGFs) method comes from the derivation of independent Gabor features in the feature extraction stage. The Gabor transformed human image exhibit strong characteristics of spatial locality, scale and orientation selectivity.

영상 통화 시스템을 설치한 장소에서 대두되는 문제점은 문서 유출 등의 보안문제와 사생활 침해가 발생하는 것이다. 본 논문에서는 실시간 영상 통화를 하면서 문서유출 및 보안사항에 위배되거나 사생활이 침해되는 영상이 발견된 즉시 영상 통화를 중단시켜 보안유지 및 사생활 보호를 위한 다빈치 기반 실시간 영상 통화 시스템을 개발하고자한다. 구현 된 시스템은 실시간 처리가 가능하고 영상통화 시 문서 유출 등 보안문제가 발생하는 영상을 검출하는 알고리즘을 개발하여 다빈치보드에 포팅하고 여러 가지 보안사항에 대한 실험에 적용하였다.

본 논문에서는 카메라에서 입력되는 영상에서 객체의 특징 자동 추출하고 모바일 기기로 전송하여 인체의 움직임을 표현하는 시스템을 제안한다. 제안시스템은 연속된 입력영상에서 인체의 실루엣과 조인트를 자동추출하고 조인트를 추적함으로 객체를 추적한다. 추출된 특징은 객체의 각 연결점의 위치정보로 사용되며 특징을 중심으로 블록매칭 알고리즘을 적용하여 특징의 위치정보를 추적하고 모바일기기로 정보를 전송한다. 모바일 기기에서는 전송된 조인트 정보를 이용하여 인체의 움직임을 재현한다. 제안방법을 실험 동영상에 적용한 결과 인체의 실루엣과 조인트를 자동 검출하며 추출된 조인트로 인체의 매핑이 효율적으로 이루어졌다. 또한 조인트의 추적이 매핑된 인체에 반영되어 인체의 움직임도 적절히 표현되었다.

본 논문에서는 객체 검출을 위한 지면가정에 기반한 스테레오 시차영상의 획득방법을 제안한다 지면과 좌우 영상간의 호모그라피를 사용하여 정합비용을 정의하고 지면기준의 시차에 대해서 4방향의 정합비용을 집계하여 시차를 결정한다. 또한 획득된 시차영상에서 나타나는 정합오류들은 중간값 필터와 연결성분 분석을 통하여 제거하고 이를 이진화하여 객체의 검출에 활용한다. 영상평면과 평행한 평면을 기준으로한 기존의 시차정합방법과는 달리 지면보다 아래에 대한 정합 비용이 고려되지 않으며 시차영상으로부터 거리 영상을 획득하여 처리하는 과정을 거치기 전에 객체를 검출할 수 있다는 장점이 있다.

본 연구는 컴퓨터 단층촬영 영상 (CT, Computed Tomography Image)에서 치열궁 (Dental Arch)을 자동으로 검출하는 기법을 제안한다. 제안된 기법에서는 3차원 컴퓨터 단층촬영 영상을 입력 받고 영역 확장법을 이용하여 하악을 분할 한 후 하악의 단면에서 전체적인 치아의 영역을 분할을 한다. 치아의 영역에서 세선화 작업을 거친 후 곡선 정합법을 이용하여 최종 치열궁을 검출한다. 실험 데이터로 두개골 컴퓨터 단층 촬영 데이터를 사용하였다. 본 연구는 치과 영상 데이터로부터 파노라마 영상을 얻는데 이용 될 수 있고 치과 분야의 질병 진단 및 진찰에 이용될 것으로 기대된다.

본 연구의 목적은 복부 CT 영상에서 피부와 장기를 제외한 피하지방과 내장지방의 자동 분할이다. 복부지방은 피하지방과 내장지방으로 구분되는데 각 지방의 절대적 양과 더불어 내장 지방의 피하지방에 대한 비율역시 임상적으로 의미가 있다. 따라서 피하지방과 복부 지방의 양을 각각 측정한 후 그 비율을 계산하여 환자의 비만도를 알 수 있다. 이때 전문가의 수작업 없이 피하지방과 내장지방을 컴퓨터가 자동으로 분할하게 하여 빠른 시간에 효율적으로 지방의 양을 측정할 수 있도록 했다. 자동 분할 기법은 전문가의 보조 수단으로 오진단율을 줄이고 시간이 많이 소요되는 일을 간편하게 하는데 도움이 될 것으로 기대된다.

분석 경보에 따른 점층적인 분석을 수행하는 버퍼 오버런 분석 기법을 제안한다. 구간 도메인을 사용한 분석은 비용이 낮지만 정확도도 낮다. 변수들 간의 관계를 고려하는 팔각형 도메인을 사용한 분석은 정확도가 높지만 비용도 높다. 점층적인 분석 방법으로 정적 분석기의 비용과 정확도 사이에서 균형을 잡을 수 있다. 먼저 (비용이 낮은) 구간 도메인을 사용한 분석을 수행하고, 증명하지 못한 부분 코드에 대해서만 (정확도가 높은) 관계 도메인을 사용한 분석을 적용한다. 정확도가 높은 분석이 필요한 부분에만 관계 분석을 적용함으로써, 낮은 분석 비용을 유지하면서 정확도를 높일 수 있다.

명령형 언어로 작성된 프로그램에 대한 정적 분석을 효과적으로 수행하는 방법을 제시한다. 흐름을 고려하면서 분석 할 때, 일부의 계산만이 분석 결과를 만들어내는 데 이바지한다. 주어진 입력 메모리로 어떤 명령문을 계산할 때 입력 메모리의 일부만 계산에 사용하고, 계산의 결과는 입력 메모리에서 일부만 변경된 값이기 때문이다. 또한, 변경된 값이 다시 계산에 사용되기까지 불필요한 값의 전달을 수반한다. 이 논문에서는 가벼운 전분석을 통해 불필요한 계산들을 미리 찾아내어 계산에서 제외하는 방법을 제시한다. 상용화된 요약해석 기반 분석기에 이 기법을 적용하고 10개의 오픈 소스 프로그램에서 실험한 결과 분석속도가 평균 65배 빨라졌다. 또한, 최근에 제안된 필요한 정보만 가지고 계산하기 기법을 적용한 결과에 비해서도 분석속도가 평균 16배 빨라졌다.

Fortress 언어는 고성능 컴퓨팅을 대상으로 개발되었으며, 성능과 확장성이 뛰어난 프로그램을 편리하게 작성할 수 있게 하는 특징이 많이 있다. Fortress 언어는 암시적 병렬성을 제공하는데, 이는 프로그램의 대표적인 언어 구조와 자료 구조가 기본적으로 병렬 수행되도록 설계되었음을 의미한다. Fortress 구현은 병렬 수행을 지원하기 위해 스케줄링과 병행성 제어 기법을 제공한다. 우리는 SAT 문제 해결에 널리 쓰이는 알고리듬인 DPLL 알고리듬을 Fortress 언어로 구현하였고, 여러 상황에서 성능을 측정하였다. 실험결과 Fortress 언어를 이용하면 병렬 수행을 쉽게 구현할 수 있음을 확인할 수 있었으며, 문제 유형, 구현기법, 성능 사이의 관계를 찾을 수 있었다.

웹 애플리케이션의 사용이 늘어남에 따라 자바스크립트 프로그램의 성능을 높이는 것이 중요한 문제가 되었다. 자바스크립 프로그램에 대해 별칭 분석을 수행하면 더 많은 최적화가 가능해지지만, 자비스크립트가 가지는 동적인 특성으로 인해 분석 방법을 고안하는 데 어려움이 있었다. 본 논문에서는 자바스크립트의 주요한 동적 특성을 온전하게 다루는 별칭 분석 알고리즘을 최초로 제안한다. 제안한 방법은 별칭 그래프를 생성하여 프로그램 내의 별칭 관계를 완전하게 찾아내며, 또한 실행시킬 코드가 동적으로 추가될 때마다 이전에 이루어졌던 최적화가 유효한지 검사한다. 별칭 분석 결과를 이용하여 V8 자바스크립트 엔진에서 추가적으로 최적화를 수행한 결과, 유의미한 수행 시간 감소를 확인할 수 있었다.

단계가 없는 고차원 프로그램(higher-order program)을 다단계 프로그램(multi-staged program)으로 타입의 도움을 받아 변환하는 방법을 제시한다. 이 방법은 최첨단의 다단계 프로그램 타입시스템에 기반했기에 직관적으로 이해가 쉽고, 열린 코드(open code)를 지원한다. 변환의 결과 나올 수 있는 열린 코드는 자유 변수(free variable)을 허용하여 나중에 사용자의 의도대로 자유롭게 묶이게 할 수 있다. 우리의 변환은 기존의 타입의 도움을 받아 특화시키는 Linger와 Sheard[2,3]의 방법에 비해 더 효율적이고, 더 많은 종류의 다단계 프로그램을 만들어 낼 수 있다.

오류 정적 분석기가 출력하는 분석 경보 사이의 종속 관계를 안전하게 계산하여, 분석 경보들을 무리 짓는 짓고, 대표 경보들만을 출력하는 기법을 소개한다. 경보 1이 가짜 경보일 때 경보 2도 항상 가짜 경보가 된다면, 경보 1을 살펴 가짜 경보임을 안 경우에 경보 2를 살펴볼 필요가 없다. 따라서, 경보 2는 경보 1에 종속적이라고 말할 수 있다. 버퍼 오버런 분석기의 분석 경보 보고서를 개선하기 위해 이러한 기법을 적용한 결과, 여러 개의 오픈 소스 소프트웨어들의 분석 후에 보고되는 경보의 수를 평균 60% 줄일 수 있었다. 종속 관계 계산을 위해 소요되는 추가적인 분석 시간은 평균 20% 이다. 제안하는 기법은 요약 해석에 기반을 둔 모든 정적 분석기에 적용할 수 있으며, 실제 오류일 가능성이 높은 경보를 먼저 보여주는 통계적인 기법들과 독립적으로 사용될 수 있다.

함수 호출 문맥을 요약하는 프로그램 분석은 가짜 경로 문제로 인해 심각한 성능저하를 겪기 마련이다. 이는 함수 호출 문맥이 요약되면서 분석 정보를 어디로 흘려보내야 할지 정확히 알 수 없는 경우가 생기기 때문이다. 이 논문에서는 함수 호출을 구변하는 분석에서 가짜 경로를 없애는 새로운 알고리즘을 설명한다. 분석 순서를 프로그램의 실제 실행과 비슷하게 제한하고 알고리즘의 일부를 조금 바꾸면 재귀 함수가 아닌 경우 가짜 경로를 모두 제거할 수 있다. 이 방식은 기존 방식과 같거나 더 정확한 결과를 내고 속도는 훨씬 빠르다.

이 논문에서는 정적으로 2단계 언어의 불필요한 식을 찾는 분석 방법을 제안한다. 불필요한 식이란 식의 실행의미가 프로그램의 결과에 영향을 미치지 않는 식을 말한다. 다단계 프로그램이 불필요한 식을 만들어내는 지 프로그램 실행전에 알 수 있다면 프로그램 실행에 드는 비용을 줄일 수 있다. 이 분석은 다형타입을 가지는 다단계 언어의 타입시스템과 타입시스템에 올라탄 분석에 기반하고 있다. 이 분석으로 프로그램 실행 시 불필요한 식이 프로그램 코드 형태로 전파되는 것을 알 수 있으며 다형타입을 이용한 정교한 분석이 가능하다.