최근에 제시된 서비스 기반 컴퓨팅 패러다임에서의 서비스 기반 소프트웨어 개발을 지원하기 위한 체계적인 프로세스 모델에 대한 요구가 대두되고 있다. 기존에 제시된 Unified Software Development Process, UML Components 등의 방법론은 컴포넌트에 초점을 두고 만들어진 방법으로, 서비스의 정의, 바인딩, BPEL(Business Process Execution Language)을 이용한 서비스의 조합등과 같은 서비스 기반의 개발이 가지고 있는 특징을 반영하지 못하고 있다. 또한 서비스 기반의 개발 방법론으로 제시된 SOUP(Service Oriented Unified Process), SOMA(Service Oriented Modeling and Architecture) 등은 개념적인 절차가 위주로 되어 있지, 구체적인 가이드라인, 산출물 및 접근 방법을 명확히 제시하지 않는다. 그러므로 본 논문에서는 서비스 기반의 개발 패러다임을 지원하기 위한 체계화되고, 간소화된 프로세스 모델을 제시한다. 또한 OMG에서 제시한 SPEM(Software Process Engineering MetaModel)을 적용하여 프로세스 모델을 명시적으로 표현한다. 본 논문에서 제안된 프로세스 모델을 실제 서비스 기반의 개발에 적용함으로써 서비스 기반 소프트웨어 개발의 체계성 및 효율성을 증대시킬 수 있게 된다.

만족가능성 처리기는 모델 검증 및 임베디드 프로그램 검증과 같이 소프트웨어 공학의 여러 분야에서 활용되고 있다. 만족가능성 처리기를 활용하기 위해서는 주어진 문제를 처리기의 입력인 CNF 형식으로 변환해야 한다. 그러나 이 형식은 소스코드나 소프트웨어 모델보다 표현력이 낮기 때문에 최적화된 변환이 요구된다. 본 논문에서는 "n개에서 인접된 $k{\leq}n$개 선택" 문제를 CNF형식으로 변환하는 최적화된 기법을 제시한다. 제안된 방법을 다양한 일본 퍼즐에 적용한 결과 우수한 성능이 입증되었다. 우리가 알고 있는 한, 인접성에 대한 최적화된 CNF 변환 연구는 거의 없다.

모션 캡쳐 장비는 사람의 자연스러운 행동이나 동작 정보를 정밀하게 얻기 위해 널리 이용되며, 영화나 게임과 같은 콘텐츠 제작 시에 자주 활용된다. 하지만 모션 캡쳐 장비가 고가이고 이용하기 불편하기 때문에 대부분의 경우 한번 입력받은 데이타를 모션별로 분할하고 상황에 맞게 재결합하여 이용하며, 입력 데이타를 모션별로 분할하는 작업은 대부분 수동으로 이루어진다. 이 때문에 캡쳐된 모션 데이타를 자동으로 분할하기 위한 연구들이 최근 다양하게 시도되고 있다. 기존의 연구들은 크게 각 프레임의 전역적 특징을 고려하는 오프라인 방법과 이웃하는 프레임 사이의 유사도를 고려하는 온라인 방법으로 나누어진다. 본 논문에서는 온라인과 오프라인 방법을 통합한 그래프 기반의 하이레벨 모션 분할 방법을 제안한다. 하이레벨 모션은 모션 내에서 반복되는 프레임을 포함하는 특징을 가지고 있다. 우리는 이 특징을 기반으로 이웃하는 프레임뿐만 아니라 일정시간내의 모든 프레임 사이의 유사도를 고려하는 그래프를 생성하며, 그래프의 정점(vertex)에는 프레임 정보를 간선(edge)의 가중치는 두 프레임 사이의 유사도를 반영한다. 그래프를 분할하기 위해 분할된 간선의 가중치를 전역적으로 최소화할 수 있는 normalized cuts을 이용하며, 분할된 정점의 집합은 하이레벨 모션을 의미한다. 결과적으로 제안된 방법은 이웃하는 프레임뿐만 아니라 일정시간내의 모든 프레임 사이의 유사도를 반영하는 그래프를 전역적으로 최소화함으로써 온라인과 오프라인 방법을 동시에 고려할 수 있으며, 실험에서 제안된 방법은 기존의 오프라인 방법 중 하나인 GMM과 온라인 방법 중 하나인 PEA를 이용한 방법보다 좋은 결과를 보였다

본 논문은 통계 기반 한국어 화행분류를 위하여 필요한 각 자질이 분류 성능에 미치는 영향과 성능 향상에 기여하는 자질 조합을 비교 평가한다. 지지벡터기계 학습 방법을 이용하여 구현한 화행 분류시스템을 통해 실험한 결과, n-gram 자질 중 품사 바이그램은 유용하지 않으며 형태소-품사 쌍과 다른 자질들을 결합했을 때 성능이 향상됨을 알 수 있었다. 또한, 자질 선택 기법을 사용한 자질 비율에 따른 실험을 통해서 매우 적은 자질만으로도 화행 분류에 있어 어느 정도 안정된 성능을 낼 수 있었다. 아울러, 실험 결과의 분석을 통해 한국어에서 마지막 어절이 문장 전체의 화행분류에 중요한 역할을 하며, 한국어의 특징인 자유 어순이나 주어의 빈번한 생략 등이 화행 분류 실험의 성능에 영향을 미친다는 사실도 알 수 있었다.

일부 음악 장르 분류에 관한 기존 연구에서는 특징 추출을 위한 구간 선택 시 사람이 직접 곡의 주요 구간을 지정하는 방법을 사용하였다. 이러한 방법은 분류 성능이 좋은 반면 수작업으로 인한 부담으로 새롭게 등록되는 음악들에 대해 지속적으로 적용하기가 곤란하다. 수작업 없이 음악 특징을 추출하기 위해 최근 음악 장르 분류와 관련된 연구에서는 자동으로 추출구간을 선정하는 방법을 사용하고 있지만 이러한 연구의 대부분이 고정된 구간 (예, 30초 이후의 30초 구간)에서 특징을 추출하는 관계로 분류의 정확도가 떨어지는 문제점을 갖고 있다. 본 논문에서는 이러한 문제점을 해결하기 위해 곡 전체 구간에 대하여 반복구간들을 파악하고 이들의 위치와 에너지를 고려하여 곡을 대표할 수 있는 단일 대표구간을 선정한 후, 대표구간으로 부터 특징을 추출하여 장르 분류시스템에 적용하는 방법을 제안하였다. 실험 결과, 기존 고정구간을 사용한 방법에 비해 괄목할 만한 성능 향상을 얻을 수 있었다.

일반 오토마톤은 다중 입력 전이를 허용하기에 과거 전이 경로가 필요한 경우에는 별도 작업이 필요하다. LR 오토마톤의 경우는 스택을 이용하여 과거 전이 경로를 저장한 후에 파싱 시에 이를 이용한다. 한편 과거 경로의 정보를 포함하도록 상태 구성이 가능한 경우에는 과거 정보 추적을 위한 오버헤드를 피할 수가 있다. 본 논문에서는 과거 전이에 의존하지 않는 단일 상태 파싱 오토마톤을 제안한다. 적용 가능한 문법 클래스는 LR 문법보다 작으나, 오토마톤의 상태가 과거 경로의 정보를 포함하기에 LR 오토마톤과 달리 파싱시에 과거 정보의 추적이 불필요하다.