컴포넌트 기반 어플리케이션 개발(CBD: Component Based Development)은 Time-To-Market을 위한 필수적인 기법이며 컴포넌트를 이용해 다양한 도메인의 어플리케이션을 개발하기 위해서는 재사용성이 높은 컴포넌트가 제공되어야만 한다. 컴포넌트의 재사용성을 높이려면 다양한 도메인의 요구사항을 분석하여 개발해야 한다. 그러나 개발하려는 컴포넌트에 해당하는 다양한 도메인의 모든 요구사항을 분석해 컴포넌트 내에 포함한다는 것은 많은 부하를 주며, 또한 여러 도메인의 공통 기능을 가진 일반적인 컴포넌트만 제공하는 것은 개발자가 개발해야 하는 다른 영역이 존재하므로 Time-To-Market을 이루기가 쉽지 않다. 이와 같이, 컴포넌트 개발(CD : Component Development) 시점에 다양한 도메인의 요구사항 분석을 통해 일반적인 컴포넌트를 개발하는 것이 재사용성이 높다고는 볼 수 없으며 이러한 컴포넌트는 공통적인 기능을 가지고 있는 컴포넌트 일뿐이며 공통 영역 외의 영역은 또 다른 개발의 부담을 준다. 따라서 본 논문에서는 공통 컴포넌트를 포함하여 특정 영역의 컴포넌트를 재사용하기 위한 컴포넌트 커스터마이제이션 기법을 제안한다. 컴포넌트의 데이터 속성(Attribute), 기능(Behavior), 그리고 메시지 흐름(Message Flow)에 대한 변경 가능성을 제공하여 컴포넌트의 재사용성을 높일 수 있다. 본 커스터마이제이션 기법은 개발된 컴포넌트들을 통합하거나 컴포넌트 내에 새로운 기능을 제공할 수 있도록 컴포넌트 내의 메시지 흐름을 변경할 수 있다. 또한 컴포넌트 내에 존재하는 클래스를 다른 클래스로 교환하거나 통합된 컴포넌트를 다른 기능의 컴포넌트로 교환할 수 있는 기법을 제공하여 다양한 도메인의 요구 사항을 수용할 수 있도록 한다. 이와 같이 본 커스터마이제이션 기법은 공통 기능의 컴포넌트 뿐만 아니라 특정 영역의 컴포넌트에 대한 재사용성도 확보할 수 있다.

1980년대 이후, 소프트웨어 위기에 대응하기 위한 다양한 소프트웨어 공학적 기법들이 출현하기 시작 하였고, 현재 소프트웨어의 질적 향상 및 생산성 향상을 꾀하기 위한 개발 지침으로 소프트웨어 컴포넌트 개발 프로세스를 구축하는데 관심이 집중되어지고 있다. 그러나 대부분의 방법론들이 앞으로 구축할 새로운 시스템의 재사용성 확보에 치중할 뿐, 실질적으로 기존 레거시 시스템의 자원을 재사용하여 새로운 시스템을 구축하는 방법은 효율적으로 지원하지 못하고 있는 실정이다. 본 논문에서는 레거시 시스템의 효율적 재사용을 위한 재공학 프로세스(Reengineering Process)로 RUP를 확장, 커스터마이징하여 구성한 RUP+re을 제시한다. RUP+re은 크게 역공학 워크플로우(Reverse Engineering Workflow), 재공학 워크플로우(Re-Engineering Workflow), 순공학 프로세스(Forward Engineering Process)로 구성되어진다. RUP+re의 각 워크플로우와 세부스텝을 제공하고 실사례 연구를 통하여 실질적으로 프로세스를 검증함으로서 레거시 시스템 자원의 재사용을 위한 소프트웨어 재공학 프로세스 구축에 효율적인 지침을 제공한다.

In this paper efficient algorithms for content-based video retrieval using motion information are proposed, including temporal scale-invariant retrieval and temporal scale-absolute retrieval. In temporal scale-invariant video retrieval, the distance transformation is performed on each trail image in database. Then, from a given que교 trail the pixel values along the query trail are added in each distance image to compute the average distance between the trails of query image and database image, since the intensity of each pixel in distance image represents the distance from that pixel to the nearest edge pixel. For temporal scale-absolute retrieval, a new coding scheme referred to as Motion Retrieval Code is proposed. This code is designed to represent object motions in the human visual sense so that the retrieval performance can be improved. The proposed coding scheme can also achieve a fast matching, since the similarity between two motion vectors can be computed by simple bit operations. The efficiencies of the proposed methods are shown by experimental results.

발전기 기동정지 계획은 하나의 전력시스템을 형성하는 다수의 발전기에 대해서 주어진 여러 제약을 따르는 일간 또는 주간의 기동 및 정지시간을 결정하는 작업으로 다양한 제약과 방대한 탐색공간으로 인해 최적의 경제적 계획 수립이 매우 어려운 대규모 최적화 문제이다. 타부 탐색은 보통의 지역적 탐색법에 비해 국지적 최적해에 빠질 위험이 적고 다른 전역적 탐색기법에 비해 대상문제에 관한 지식을 충분히 활용하기에 유리하여 많은 최적화 문제에 사용되고 있다. 그러나 규모가 방대하면서 많은 제약조건이 존재하는 대규모 최적화 문제들은 타부 탐색으로도 빠른 시간내에 최적의 해를 찾아내기 힘들다. 본 논문은 대규모 최적화 문제의 하나인 발전기 기동정지 계획 문제를 타부 탐색의 병렬화를 통해 해결함으로써 탐색 소요시간의 단축과 함께 해의 질 또한 향상시킬 수 있음을 보여준다.

In this paper, we present an empirical study for improving the Korean text chunking based on machine learning and feature set selection approaches. We focus on two issues: the problem of selecting feature set for Korean chunking, and the problem of alleviating the data sparseness. To select a proper feature set, we use a heuristic method of searching through the space of feature sets using the estimated performance from a machine learning algorithm as a measure of "incremental usefulness" of a particular feature set. Besides, for smoothing the data sparseness, we suggest a method of using a general part-of-speech tag set and selective lexical information under the consideration of Korean language characteristics. Experimental results showed that chunk tags and lexical information within a given context window are important features and spacing unit information is less important than others, which are independent on the machine teaming techniques. Furthermore, using the selective lexical information gives not only a smoothing effect but also the reduction of the feature space than using all of lexical information. Korean text chunking based on the memory-based learning and the decision tree learning with the selected feature space showed the performance of precision/recall of 90.99%/92.52%, and 93.39%/93.41% respectively.

최근 전자상거래에서 대부분의 개인화 된 추천 시스템들은 고객의 취향에 맞는 적절한 상품을 추천하기 위하여 협동적 필터링 기술을 적용하고 있다. 사용자 기반 협동적 필터링은 특정 고객의 선호도와 가장 유사한 선호도를 가지는 고객 그룹의 선호도를 바탕으로 그 고객의 특정 상품에 대한 선호도를 예측하는 기법이다. 그러나 이 방법은 두 고객이 모두 평가를 한 상품이 있어야 하고 오직 두 고객 사이에서만 상관 관계를 구할 수 있으므로 예측의 정확성이 떨어질 가능성이 있다. 아이템 기반 협동적 필터링은 고객이 선호도를 입력한 기존의 상품들과 예측하고자 하는 상품의 상관 관계를 계산하여 선호도를 예측한다. 이 방법에서는 상품들간의 유사도를 계산하기 위하여 두 상품에 대해 선호도를 입력한 고객들의 정보를 사용한다. 그러나 고객들간의 유사도가 전혀 고려되지 않기 때문에 만약 특정 고객과 전혀 선호도가 비슷하지 않은 사용자들의 평가를 기반으로 한다면, 상품들간의 유사도가 정확 하지 않고 아울러 추천 시스템의 예측 능력과 추천 능력이 저하되는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협동적 필터링 기술의 문제점을 보완하고 추천 시스템의 예측 능력을 향상시키기 위하여 유사한 선호도를 가지는 고객들의 평가에 근거하여 상품들간의 유사도를 구하여 특정 상품에 대한 고객의 선호도를 예측하여 추천해 주는 기법을 제안한다. 본 논문에서 제안한 방법의 성능을 기존의 여러 다른 협동적 필터링 방법들과의 비교실험을 통해 평가하였다. 실험 결과 본 논문에서 제안한 방법이 기존의 다른 방법들보다 우수함을 확인할 수 있었다.

XML(extensible Markup Language)문서가 웹 문서의 표준으로 자리 매김 할 수 있는 가장 큰 성공요인은 사용자가 문서 타입을 기술할 수 있는 유연성(flexibility)이다. 그러나 XML의 유연성으로 야기되는 문제점은 동일한 의미를 표현하기 위해 XML문서 작성자마다 서로 다른 태그명과 구조를 사용한다는 점이다. 즉 서로 다른 태그 집합, 요소(element), 속성(attribute)에 대한 서로 다른 이름 또는 다른 문서 구조로 인해 다른 태그로 표현된 문서는 서로 다른 부류의 문서로 간주되기 쉽다. 따라서 본 논문은 XML태그에 내재된 의미 정보(semantic information)와 구조 정보(structured information)를 추출하여 의미적으로 최대한 유사한 동의어로 확장하고, XML문서의 확장된 태그간의 의미적 유사도를 비교 분석할 수 있는 개념 기반의 태그 패턴 매처(Tag Pattern Matcher)를 설계 구현하였다. 두 XML문서의 태그간의 의미적 유사도에 가중치를 부여하여 기존의 비구조적인(semi-structured) 문서를 위한 벡터 스페이스 모델(vector space model)을 확장함으로써 두 XML문서가 유사한지를 파악할 수 있다.