협력적 여과는 특별한 아이템에 대한 사용자의 선호도를 예측하는 데 사용하는 기술이다. 이러한 협력적 여과 기술은 사용자 기반 접근 방식과 아이템 기반 접근 방식으로 구분할 수 있으며, 많은 상업적인 추천 시스템에서 광범위하게 사용되고 있다. 본 논문에서는 저차원 선형 모델을 사용하여 사용자 기반과 아이템 기반을 통합하는 하이브리드 협력적 여과 방법을 제안한다. 제안한 방법에서는 저차원 선형모델 중 비음수 행렬 분해(NMF)를 이용하여 기존의 협력적 여과 시스템의 문제점인 희박상과 대용량성의 문제점을 해결한다. 협력적 여과 시스템에서 NMF를 이용하는 방법은 사용자를 의미 관계로 표현할 때 유용하게 사용되나 사용자-아이템 행렬의 평가값에 따라 정확도가 낮아질 수 있으며, 모델 기반의 방법이기 때문아 계산 과정이 복잡하여 동적인 추천이 불가능하다는 단점을 갖는다. 이러한 단점을 보완하기 위하여 제안된 방법에서는 NMF에 의해 군집된 그룹을 대상으로 TF-lDF를 이용하여 그룹의 특징을 추출한다. 또한, 아이템 기반에서 아이템간의 유사도를 계산하기 위하여 상호정보량(mutual information)을 이용한다. 오프라인 상에서 훈련집합의 사용자를 군집시키고 그룹의 특징을 추출한 후, 온라인 상에서 추출한 그룹의 특징을 이용하여 새로운 사용자를 가장 최적의 그룹으로 분류함으로써 사용자를 분류하는 데 걸리는 시간을 단축시켜 동적인 추천을 가능하게 하며, 사용자 기반과 아이템 기반을 병합함으로써 기존의 방법보다 정확도를 높인다.

지지벡터기계는 자료간의 유사도를 커널함수를 사용하여 계산하고, 이러한 유사도를 이용하여 패턴을 분류하는 최적인 초평면을 구한다. 따라서 자료의 특성을 효과적으로 반영할 수 있는 유사도의 사용이 중요하다. 본 연구에서는 아미노산 서열간의 최적의 유사도를 얻기 위해서, 아미노산의 진화적인 관계와 소수성으로부터 유도된 메트릭을 실수 지수를 가지는 형태로 일반화하였다. 제안한 메트릭이 메트릭의 조건을 만족하고, 아미노산 서열과 DNA 서열의 유사도를 계산하기 위해서 널리 사용되는 스트링 커널내에서 이용되는 메트릭파의 관련성을 알아본다. 또한, 적용하려는 문제에 보다 효과적인 메트릭을 일반화 메트릭에서 찾을 수 있음을 신호펩티드의 절단위치 예측실험을 통하여 알아본다.

에스테렐은 반응형 시스템 설계에 적합하도록 디자인 된 명령형 동기언어이다. 시스템 개발 시에는 디버깅을 위해 다양한 테스트가 필요하다. 반응형 시스템을 테스트 하려면 일련의 입력을 시간의 흐름에 따라 순서대로 나열하여야 한다. 하지만 원하는 목적에 적합한 테스트 데이터를 생성해 주려면 많은 노력이 필요하며, 이 과정에서 오류가 발생하기도 한다. 따라서 디버깅의 특성상 빠르면서 원하는 목적의 테스트 데이터를 쉽게 표현할 수 있는 도구가 필요하다. 본 연구에서는 디버깅에 도움을 줄 수 있는 테스트 데이터 자동 생성기를 개발하였다. 본 연구는 개발자가 원하는 테스트 데이터를 쉽게 표현할 수 있고, 빠르게 테스트 데이터를 만들어내는 것에 초점을 두었다. 또한 사례 연구를 통해 실제 시스템 개발에 우리의 테스트 데이터 생성기를 적용한 예를 보여준다.

최근 웹 서비스 기반 서비스 지향 구조는 네트워크 상에 분산된 다양한 애플리케이션을 효과적으로 통합하기 위한 방법으로 널리 활용되고 있다. 서비스 지향 구조에서 BPEL은 비즈니스 프로세스 모델 언어로, 다양한 서비스들을 통합하는 방법을 제시하고 있다. 현재 이러한 BPEL을 이용한 서비스 통합 및 조합에 관해 많은 연구가 진행되고 있으며 서비스들 간의 호환성을 검증하려는 노력, 비즈니스 프로세스의 식별과 추적에 관한 몇몇 연구가 진행되었다. 그러나 다양한 서비스의 조합으로 인해 발생하는 문제를 해결하려는 연구는 부족하다. 특히 조합된 서비스가 얼마나 신뢰할 수 있는지, 예외 상황에 대해 얼마나 강건하게 대처할 수 있는지 평가하고자 하는 노력은 거의 이루어지지 않았다. 이에 본 논문에서는 BPEL을 이용한 서비스 조합에 있어서 조합된 서비스의 강건성을 테스트하기 위한 방법과 이 방법을 지원하기 위한 테스트 프레임워크를 제시한다. 본 논문의 방법은 BPEL 프로세스와 참여하는 다양한 서비스를 분석하고, 분석된 정보를 바탕으로 실제 서비스들에서 발생 가능한 다양한 예외 상황을 발생시키는 가상의 환경을 구축하여 강건성 테스트를 수행한다. 이는 BPEL 프로세스로 표현된 서비스 조합이 얼마나 예외 상황에 강건하게 대처하는지 검증하는 방법이다.

얼굴영상 공간에서 얼굴영상들은 조명이나 포즈에 의해 비선형적 분포를 갖는다. 이들을 선형모델에 기반을 둔 AAM으로 모델링 하는 것은 한계가 있다. 본 논문에서는 얼굴영상에 대한 몇 개의 군집이 주어졌다고 가정하고, 각 군집 별로 지역적인 AAM 모델을 구축하여 정합과정 중에 적합한 모델이 선택되도록 한다. 정합과정에서 발생하는 모델변경에 따른 모델간의 정합 인자 갱신의 문제는 인자 공간에서 모델간의 선형 관계를 미리 학습하여 해결한다. 심각한 정합 실패에 따른 잘못된 모델 선택을 줄이기 위해 점진적으로 모델변경이 이루어지도록 한다. 실험에서는 제안하는 방법을 Yale-B 조명얼굴 영상에 적용하여 모델을 생성하고 기존 방법과 정합 성능을 비교한다. 제안 방법은 심각한 그림자가 발생하는 강도 높은 조명얼굴 영상에서 성공적인 정합 결과를 보여주었다.

의학기술이 발전하면서 결핵, 폐렴, 영양실조, A형간염 등의 질병에 의한 사망률은 감소하는 반면, 심장 질환으로 인한 사망률은 증가하는 추세이다. 심장병을 예방하기 위하여 정기적인 검사가 중요하고, 인체에 무해한 자기공명영상을 활용하여 심장의 혈류량과 심박구출률을 계산하여 심장의 기능을 분석할 필요가 있다. 본 논문에서는 기존의 노동집약적이고 시간적 비용이 큰 수동윤곽분할을 대체하기 위한 자동 좌심실 분할 알고리즘을 제안하였다. 방사형 임계치 결정법을 통하여 심실을 분할하고 혈류량 및 심박구출률을 계산하였으며, 특히 기존 방법들에서 문제가 되었던 기저 영상도 사용자 간섭률을 최소화하여 자동분할을 수행하였다. 제안 알고리즘의 검증을 위하여 36명의 심장 자기공명영상 데이터를 사용하여 전문가에 의한 수동윤곽분할 및 제너럴일렉트로닉스 MASS 소프트웨어와 정량적 비교를 수행하였다. 실험을 통해 제안한 방법이 표준으로 간주되는 수동윤곽분할과 정확도가 유사하며, MASS 소프트웨어보다 높은 정확도를 갖고 있음을 알 수 있었다.

포즈인식은 최근에 유비쿼터스 환경, 행위 예술, 로봇 제어 등에서 그 필요성이 증가되고 있는 분야로써, 컴퓨터비전, 패턴인식 등에서 활발히 연구되고 있다. 하지만 기존의 포즈인식 연구들은 사람의 회전이나 이동에 따라서 불안정한 인식률을 보인다는 단점을 갖고 있다. 이는 포즈 인식을 위해 추출한 특징이 사람의 회전, 이동 등의 다양한 변수에 영향을 크게 받기 때문이다. 이를 극복하기 위하여 본 논문에서는, 다 시점(multi-view) 환경에서의 3D Star Skeleton과 주성분 분석(principal component analysis: PCA)에 기반한 사람의 회전에 강건한 특징 추출을 제안한다. 제안된 시스템은 포즈의 특징 추출을 위해 다 시점 환경 기반의 visual hull을 생성하는 과정에서 획득 가능한 깊이 정보를 표현하는 8개의 projection map을 입력데이터로 사용한다. 이를 통해 포즈의 3D 정보를 반영하는 3D Star Skeleton을 구성하고 주성분 분석 기반의 회전에 강건한 특징을 추출한다. 실험결과에서는 다양하게 회전된 사람으로부터 생성된 3D Star Skeleton에서 특징을 추출하고 다양한 인식기를 통해 포즈인식을 해보았으며, 제안된 특징 추출 방법이 사람의 회전에 강건함을 알 수 있었다.

최근 계산을 통한 단백질 상호작용 예측 기법 중, 단백질 쌍이 포함하고 있는 도메인들 사이의 관계에 중점을 둔 도메인 정보 기반 예측 기법들이 다양하게 제안되고 있다. 하지만, 다수의 도메인 쌍들이 상호작용에 기여하는 정도를 정밀하게 반영하는 계산 기법은 드문 실정이다. 본 논문에서는 단백질 상호작용에 있어 도메인 조합 쌍의 상호작용 영향력을 수치화하여 반영한 상호작용 중요도 행렬을 고안하고 이를 기반으로 한 단백질 상호작용 예측 시스템을 구현한다. 일반적인 도메인 조합 기법과 달리, 상호작용 중요도 행렬에서는 상호작용을 위한 도메인간의 협업 확률이 고려된 Weighted 도메인 조합과, 다수의 Weighted 도메인 조합 중 실제 상호작용 주체가 될 확률을 도메인 조합 쌍의 힘(Domain Combination Pair Power, DCPPW)으로 수치화한다. DIP과 IntAct에서 얻어온 S. cerevisiae의 단백질 상호작용 데이터와 Pfam-A 도메인 정보를 사용한 정확도 검증 결과, 평균 63%의 민감도와 94%의 특이도를 확인하였으며, 학습집단의 증가에 따른 안정적인 예측 정확도 향상을 보였다. 본 논문에서 구현한 예측 시스템과 학습 데이터는 웹(http://code.google.com/p/prespi)을 통하여 내려 받을 수 있다.

정보 검색에서 원하는 정보를 얻지 못하는 원인은 다양하다. 그 중에서도 표기의 다양성은 검색 시 불일치로 인한 정보 누락을 발생시키는 원인이 된다. 본 논문은 이러한 불일치에 의한 정보 누락을 최소화하기 위하여 검색 대체어 후보를 자동 생성하는 방법을 제안한다. 본 연구에서 제안하는 대체어 후보 자동 생성 방법은 문장 내에서 함께 쓰이는 단어들이 비슷한 두 단어는 서로 비슷한 의미를 지닐 것이다라는 직관적 가설을 전제로 한다. 이와 같은 가설을 기반으로 하여 본 연구에서는 분류별 집중도, 신뢰도를 이용한 연관단어 뭉치, 연관단어 뭉치 간 코사인 유사도 및 신뢰도를 이용한 필터링 기법 등을 이용한 대체어 후보 자동 생성 방법을 제안한다. 본 연구에서 제안한 대체어 후보 자동 생성 방법의 성능은 대체어 유형별로 작성된 평가지표를 이용하여 정확도 및 재현율을 측정함으로써 평가되었으며, 제안 방법이 context window overlapping을 이용한 대체어 추출 방법보다 더 우수한 것으로 나타났다.