연속패턴은 다양한 분야에서 사용되는 데이타 마이닝 기법의 한 종류이다. 하지만 현재의 연속 패턴 방법은 한개의 속성내에서의 패턴만을 감지할 수 있으며 속성간의 패턴을 생성할 수 없다. 다차원의 연속패턴은 일차원에 비하여 훤씬 유용한 정보를 제공할 수 있다. 본 연구에서는 Hellinger 엔트로피 함수를 사용하여 다차원의 연속패턴을 생성하는 방법을 게시한다 기존의 연속패턴방법과 달리 본 방법에서는 각 연속패턴의 중요도를 자동으로 계산할 수 있다. 또한 계산의 복잡도를 감소시키기 위한 다수의 법칙이 개발되었으며 다수의 실험 결과를 제시하였다.

최근, PDA를 이용한 모바일 비젼 시스템에 관한 많은 연구가 진행되고 있다. 대부분의 PDA에서 사용하는 CPU는 실수 연산 구성요소(floating-computation component)가 없는 정수(integer)형 CPU를 사용하므로, 실수 연산이 많은 영상 처리 및 비젼 시스템에서는 많은 시간이 소요되는 단점이 있다 본 논문에서는 이를 해결하기 위해 무선 랜(LAN)으로 연결된 Client(PDA)/server(PC)구조론 이용한 시스템을 제안하며, 연속 영상에서 Client(PDA)와 Server(PC) 각각의 CPU를 이용하여 파이프라이닝 형식으로 시스템을 구축함으로써 수행 시간을 단축한다. Client(PDA)는 에지 밀도(edge density)론 이용하여 대략적인 문자 영역을 추출하며, Server(PC)는 Client(PDA)에서 대략적으로 검출된 견과를 바탕으로 정밀한 문자 영역을 추출하기 위해, MLP(multi-layer perceptron) 기반의 텍스춰 분류 방법과 연결 성분(connected component: CC) 기반의 필터링 방법을 이용한다. 본 실험에서 제안한 방법은 MLP와 CC를 이용함으로써 효과적인 문자 추출 결과를 보였으며, 파이프라이닝 형식의 Client(PDA)/server(PC)구조를 이용함으로써 빠른 수행 시간을 보였다.

본 논문에서는 단일염기변이(SNP: Single Nucleotide Polymorphism)와 같은 유전형(Rcnotype)자료에서 결측치가 발생하였을 경우 유전형 자료의 특이성을 고려해 자료 원래의 정보손실을 최소화하는 대치법인 연관불균형 기반의 대치법(linkage disequilibrium- based imputation)과 일배체형 기반의 대치법(haplotype-based imputation)을 제시한다. 이러한 결측치 대치는 실험상에서 발생하는 결측치에 의한 중요한 정보의 손실을 최소화 한다는 점에서 필요한 방법이다. 일반적으로 그동안 생물학 자료의 결측치 대치는 대부분 주형질 대치법(major allele imputation)이 활용되어왔는데 유전형 자료에서의 이 방법의 사용은 사료의 특이성으로 인하여 결측치에 대한 높은 오차율(error rate)을 보임으로서 자료의 신뢰성을 떨어뜨릴 수 있다. 본 논문에서는 유전형 자료인 단일염기변이 자료의 시뮬레이션을 통하여 기존의 주형질 대치법과 논문에서 제안된 연관불균형 기반의 대치법과 일배체형 기반의 대치법을 비교하고 그 결과를 보여 준다.

원자력 발전소의 디지털 제어 시스템은 안전성이 중요시되는 safety-critical 소프트웨어로서 충분한 수준의 안전성을 보장하기 위해서 여러 기법들이 적용되고 있다. 특히, 정형명세 기법은 개발의 초기 단계에서 소프트웨어 요구 사항들을 명확하고 완전하게 명세하도록 유도함으로써 안전성을 크게 향상시킬 수 있는 기법으로 인정받고 있다. 본 논문에서는 정형명세 기법인 NuSCR을 이용해서 작성된 요구사항 명세로부터, 설계 단계의 내용으로 사용될 수 있는 PLC 기반의FBD 프로그램을 체계적으로 생성하는 기법을 제안하고 있다. 제안된 기법은 기존의 수동 명세 작업에서 발생할 수 있는 오류들을 크게 줄일 수 있으며, 소프트웨어의 개발 비용과 기간을 줄일 수 있다. 또한, 제안된 기법의 유용성을 증명하기 위해서, 현재 KNICS에서 개발 중인 DPPS RPS의 BP를 구성하는 트립 논리 중의 하나인 고정 설정치 상승 트립을 예제로 설명하고 있다.

제품계열분석(product line analysis)은 제품계열자산(product line asset)을 개발하기에 앞서, 제품계열 내에 속한 제품들의 다양한 요구사항과 이들 간의 관계 및 제약사항을 분석하는 활동을 말한다. 지금까지 특성모델링(feature modeling)이라 불리는 특성 지향의 공통성과 가변성 분석은 제품계열분석의 핵심적인 부분으로 간주되어 왔다. 비록 공통성과 가변성 분석이 제품계열분석의 핵심적인 요소이지만, 이것만으로는 재사용가능하고 적응성이 뛰어난 제품계열자산(예, 아키텍처와 컴포넌트) 개발에 한계가 있다. 특성간의 의존성 및 특성결합시간도 제품계열자산 개발에 중대한 영향을 미치는 요소이다. 따라서 본 논문에서는 기존에 공통성과 가변성 관점에서 제품계열을 분석한 결과인 특성모델(feature model)을 세 가지의 특성 측면(즉, 제품특성의 공통성과 가변성, 특성간의 의존성, 그리고 특성결합시간)으로 확장한 특성지향의 제품계열분석 모델을 제안한다. 특히, 세 가지 측면의 일관성을 검증하기 위해서, 특성 지향의 제품계열분석 모델을 정형적으로 정의하고, 모델의 일관성을 검사하는 규칙을 제공한다.

동영상에서 움직이는 객체의 외곽선은 객체의 분할을 위하여 매우 중요하다. 그러나 객체의 외곽선에는 끊어진 외곽선(broken boundary)들이 많이 존재한다. 이 논문에서 우리는 새로운 공간 기반 외곽선 연결 알고리즘을 개발하여 끊어진 객체의 외곽선을 연결하였다. 객체 외곽선 연결 알고리즘은 끊어진 외곽선의 말단 픽셀(terminating pixel) 주변에 4분면을 형성한다. 그리고 반지름 범위 내에서 전 방향으로 탐색을 수행하여 가장 가까운 다른 말단 픽셀을 찾아 끊어진 객체의 외곽선을 연결한다. 시스템은 또한 입력된 동영상들로부터 배경을 저장한다. 시스템은 객체의 외곽선 연결 수행 결과로부터 하나의 객체 마스크를 생성하고 저장된 배경으로부터 또 하나의 객체 마스크를 생성하여 이 두 개의 객체 마스크를 함께 사용하여 동영상으로부터 움직이는 객체를 분할한다. 또한 시스템은 Roberts 기울기 연산자를 사용하여 추출된 움직이는 객체로부터 그림자도 제거한다. 제안된 알고리즘의 가장 큰 특징은 더욱 정확한 움직이는 객체의 분할과 내부에 구멍이 존재하는 움직이는 객체의 분할이다. 우리는 개발된 알고리즘을 표준 MPEG-4 테스트 영상과 카메라로 입력된 동영상을 사용하여 실험하였다. 제안된 알고리즘은 매우 좋은 효율을 나타내고 있다. 알고리즘은 2.0GHz Pentium-IV CPU에서 QCIF 영상은 최소한 초당 49 프레임이상 처리할 수 있으며 CIF 영상은 최소한 초당 19 프레임 이상 처리할 수 있다.