제품계열(Product Line)은 핵심자산(Core Asset)을 서로 공유하는 제품들의 집합이며, 제품계열 공학(Product Line Engineering, PLE)은 제품계열을 특화(Instantiation) 할 수 있는 원리, 기술, 메커니즘과 프로세스들의 집합이다. PLE는 여러 유사한 제품들간에 공유할 수 있는 핵심자산을 만들고, 그 핵심자산을 특정 제품에 맞게 실체화 시켜서 제품을 만든다. 모델 기반 아키텍처(Model Driven Architecture, MDA)는 자동화 도구를 이용하여 모델로부터 구현으로 구체화하는 접근 방법이다. 그러므로, 핵심자산을 MDA의 플랫폼 독립적인 모델(PIM)로 정의하여 구현까지 자동화한다면, 두 개발 방법의 장점을 극대화 할 수 있다. 하지만, 핵심자산을 표현하는 UML 프로파일은 현재까지 없으며, PLE의 핵심자산 및 제품 조림의 자동화 생산을 위한 PIM 명세 기법의 연구가 부족하다. 본 논문에서는 PLE기술과 MDA 기술을 접목하기 위해 PIM 수준의 핵심자산 명세 기법을 제안한다. 핵심자산을 명세하기 위해 아키텍처 명세, 컴포넌트 명세, 워크플로우 명세, 알고리즘 명세, 결정 모델 명세 기법을 제안한다. 본 논문의 명세 기법은 PLE, MDA 기술을 사용하여 제품의 생산성, 적용성, 유지보수성 및 품질 향상을 지원한다.

지난 10여년간 객체지향 코드의 관리 및 분석을 위해 객체지향 소프트웨어 시스템에 대한 다양한 복잡도 계산 기법들이 제안되었다. 이러한 기법들은 WMC(Weighted Methods per Class), LCOM(Lack of Cohesion in Methods)과 같이 소스코드 분석을 기반으로 한다. 기존 기법들의 한계는 코드에서 함수의 개수만 계산한다는 것이다. 본 논문에서는 함수의 파라메타 개수, 반환값 여부 그리고 자료형까지도 확인하는 새로운 가중치 기법을 제안하며, 이를 역공학에 적용한다. 또한 역공학과정에서 객체지향 코드를 위한 클래스 복잡도 계산 지침을 제공하기 위해 인터페이스에 가중치를 부여하는 효율적인 복잡도 측정 기법을 제안한다. 제안기법인 ECC(Enhanced Class Complexity)는 C++ 환경에서 일관성 있고 정확한 결과를 보여준다.

지금까지 많은 내용 기반 이미지 검색 방법들이 제안되고 있다. 이 시스템들은 각 시스템마다 다른 이미지 데이타를 이용하고, 다른 특징 추출방법에 따라 다른 특징 추출 데이타를 생성하므로, 각 시스템의 검색 성능을 비교 평가할 수가 없다 특히 웹상에서, 동일한 이미지 데이타를 서로 다른 사이트에 있는 내용 기반 이미지 검색 시스템에 적용하여 검색 성능을 비교 평가할 수 없는 문제점이 있다. 이와 같은 문제점을 해결하기 위해서, 각각의 특정한 검색시스템에서 생성된 특징 추출 데이타를 웹상의 다른 검색 시스템에서 인식할 수 있도록, XML 기반의 FEMAL을 제안한다. FEMAL을 이용한 실험에서, 특징 추출 데이타를 서로 통신하고 통합이 가능함을 보이고, 검색 성능의 비교 평가가 가능함을 보인다.

호는 패턴인식에 있어서 매우 중요한 특징으로 간주된다. 이 논문에서는 기하학적 분석을 이용하여 2차원 곡선으로부터 호를 추출하고 그 호의 중심과 반지름을 계산하는 방법을 제시한다. 제안된 방법에 의해 추출된 호는 원래의 곡선으로부터 거리오차가 항상 허용치 이내의 값을 만족한다. 제안된 방법이 부드럽게 연결된 2차원 곡선이나 잡음이 심한 2차원 곡선 내에 있는 호의 추출에도 유용함을 실험으로 확인하였다.

수동형 초점 조절 방식은 카메라를 통해 입력된 영상들을 분석하여 초점을 조절한다. 본 논문에서는 카메라를 이용한 정밀 측정 장비에 효율적으로 적용할 수 있는 수동형 자동 초점 조절 알고리즘을 제안한다. 영상에서 초점값 계산 알고리즘으로 가우시안 필터와 변형된 라플라시안 연산자를 사용한 SMLoG(Sum Modified Laplacian of Gaussian) 방법을 적용하고 초점값들을 이용한 정초점 위치 검색방법으로 가우시안 곡선 정합을 이용한다. 다양한 조명과 대상에 대하여 실험한 결과를 기존의 방법들과 비교하여 제안된 방법의 정확성과 효율성을 검증하였다.

행동 또는 계획이 인식적으로 실행 가능한지에 대한 지식 전제조건 문제는 그 동안 여러 연구들을 통해 정형화되어 왔다. 하지만 지금까지의 연구에서는 이러한 행동 및 계획이 실행 가능한지를 만드는 시점에서만 검사하며, 실제 수행될 때도 실행 가능할 것이라는 것을 가정하기 때문에, 시맨틱 웹에서 여러 에이전트들이 웹서비스 조합을 실행하기 위해 제한된 자원들을 공유해야 하는 분산 환경에서는 제대로 동작하지 않게 된다. 따라서 본 연구에서는 웹서비스 조합의 원자성을 보장할 수 있도록 트랜잭션적으로 수행 가능한 웹서비스 조합을 정의하고 이를 정형화한다. 이를 위해서 TL-ALCF에서 K와 A 모달 연산자를 추가하여 확장한 $TL-ALCFK_{NF}$를 제안함으로써 웹서비스 조합을 표현할 수 있는 언어인 TL-ALCF에서 인식 추론이 어떻게 수행될 수 있는지를 보인다.

인터넷의 상업적 이용이 증가하고 인터넷에서 쉽게 얻을 수 있는 정보의 양이 풍성해지면서 정보 필터링 (information filtering) 기법은 대량의 정보 공간에서 사용자의 요구와 기호에 맞는 항목을 찾는 과정에 널리 사용되고 있다. 많은 협력필터링 (collaborative filtering) 시스템이 사용자 평가를 기반으로 사용자나 항목들 사이의 유사성을 찾아내고 이를 바탕으로 추천을 해왔지만 사용자 편향 (user bias), 비전이 연관 (non-transitive association), cold start 문제와 같이 성능을 높이기 위해 해결해야 할 문제들이 남아있다. 이 세 가지 문제는 사용자나 항목들 사이에 더 정확한 유사도를 찾아내는 과정에 장애가 된다. 본 논문에서는 이러한 문제들을 해결하기 위해 제안된 UCHM 및 ICHM 방법을 확률적으로 재해석하였다. 이 확률적 모델은 객체 (사용자 또는 품목)들을 그룹들로 구분하고 각 그룹 내에서 사용자 평가가 가우시안 분포를 따른다는 가정 하에 사용자들이 무엇을 선호할 것인지 예측한다. 실세계 자료에 대한 실험 결과, 제안된 방식이 다른 방식들과 비교할 만한 성능을 보인다는 것을 확인할 수 있었다.

문서 범주화에서 이진 분류를 다중 분류에 적용할 때 일반적으로 '한 범주에 적합-다른 모든 범주에서는 부적합(One-Against-All) 판정 방법'을 사용한다. 하지만, 이러한 '한 범주에 적합-다른 모든 범주에서는 부적합 판정 방법'은 한 가지 문제점을 가지는데, 적합(positive) 집합의 문서들은 사람이 직접범주를 할당한 것이지만 부적합(negative) 집합의 문서들은 사람이 직접 범주를 할당한 것이 아니기 때문에 오류 문서들이 많이 포함될 수 있다는 것이다. 본 논문에서는 이러한 문제점을 해결하기 위해서 슬라이딩 원도우(sliding window) 기법과 EM 알고리즘을 이진 분류 기반의 문서 범주화에 적용할 것을 제안한다. 제안된 기법은 먼저 슬라이딩 윈도우 기법을 사용하여 오류 문서들을 추출하고 이들을 EM알고리즘을 사용해서 다시 범주를 할당함으로써 이진 분류 기반의 문서 범주화 기법의 성능을 향상시킨다.

최근접 이웃(k nearest neighbor) 알고리즘은 새로운 개체의 목표값을 예측하기 위하여 과거의 유사한 데이타를 이용하여 그 값을 예측하는 것이다. 이 방법은 기계학습의 여러 분야에서 그 유용성을 검증받아 널리 사용되고 있다. 이러한 kNN 알고리즘에서 목표값을 예측할 때 각 속성의 가중치를 동일하게 고려하는 것은 좋은 성능을 보장할 수 없으며 따라서 kNN에서 각 속성에 대한 가중치를 적절히 계산하는 것은 kNN 알고리즘의 성능을 결정하는 중요한 요소중의 하나이다. 본 논문에서는 정보이론을 이용하여 kNN 에서의 속성의 가중치를 효과적으로 계산하는 새로운 방법을 제시하고자한다. 제안된 방법은 각 속성이 목표 속성에 제공하는 정보의 양에 따라 가중치를 자동으로 계산하여 kNN 방법의 성능을 향상시킨다. 개발된 알고리즘은 다수의 실험 데이타를 이용하여 그 성능을 비교하였다.

규칙기반시스템에서 퍼지 생성규칙의 확신도와 규칙에 나타나는 퍼지 술어의 확신도는 0과 1사이의 실수로 표현한다. 만일 퍼지 생성규칙의 확신도와 퍼지 술어의 확신도를 모호집합에 기반을 둔 0과 1사이의 모호숫자와 같은 구간으로 표현한다면, 규칙기반시스템이 더 유연한 방법으로 퍼지추론을 하는 것이 가능하게 된다[18]. 우리는 모호집합 추론을 자동으로 실행하는 효율적인 알고리즘을 제안하였다. 이 모호집합 추론 알고리즘은 규칙기반시스템이 더 유연하고 효율적인 추론을 실행하는 것을 허용한다.

한국어 장문에서는 하나의 주어를 여러 용언이 공유하는 경우가 흔하고 주어의 생략 또한 빈번하다. 따라서 주어를 공유하는 용언들의 구간을 파악하는 것이 어렵고 의존문법을 이용한 구문분석시 주어의 의존관계를 찾는데 많은 오류가 생긴다. 이러한 주어의 의존관계의 애매성을 해소하기 위하여 우리는 S(ubject)-절이라는 개념을 제안한다. S-절은 한 개의 주어와 이 주어를 공유하는 단어그룹의 집합으로 정의되고, 본 논문에서는 결정트리를 이용하여 S-절을 자동적으로 분할하는 방법을 제안한다. S-절을 사용한 결과 의존문법에 기반한 구문분석 시스템의 성능이 $5\%$ 향상되었고 주어의 지배소를 찾는 정확률이 $32\%$ 증가했다.