협력적 여과 시스템은 새로운 사용자의 행위를 파악하고 사용자가 흥미로워할 아이템을 추천해주기 위해서 사용자들에 대한 새로운 정보를 필요로 한다. 이러한 정보를 획득하기 위하여 협력적 여과 시스템은 기존 데이터를 기반으로 학습을 하고, 그 결과에 따라 사용자에 대한 새로운 정보를 찾아낼 수 있다. 본 논문에서는 사용자에 대한 새로운 정보를 획득하기 위한 방법으로 귀납적 추리 방법을 제안하고, 추리된 사용자의 정보를 이용하여 아이템의 순위를 결정한다. 제안된 방법에서는 귀납적 기계 학습 방법인 NMF를 이용하여 사용자를 학습시켜서 모든 사용자들을 그룹으로 군집시키고, 각 그룹으로부터 카이제곱을 이용하여 그룹의 특징을 추출한다. 다음으로, 귀납 추리 방법의 하나인 베이지언 확률모델을 이용하여 새로운 사용자가 입력한 평가값과 각 그룹의 특징을 기반으로 사용자를 적합한 그룹으로 분류한다. 마지막으로, 사용자가 결측한 아이템을 대상으로 로치오(Rocchio) 알고리즘을 적용하여 아이템의 순위를 결정한다.

이른 시스템 개발 단계에서 요구사항 에러를 찾기 위해서는 시스템의 행위가 정형 언어로 표현되어야 하고, 도달성 분석이나 싸이클 탐색과 같은 분석 기술로 분석해야 한다. 하지만 이 기술들은 시스템의 상태 공간 순회를 기반으로 하기 때문에 시스템이 복잡해지면 상태 폭발 문제가 발생할 수 있다. 즉, 순회를 위한 메모리와 수행 시간이 큰 상태 공간 때문에 기하 급수적으로 증가한다. 본 논문에서는 병행 시스템에서 이러한 문제가 나타나는 원인을 지적하고 순회에 필요한 메모리를 줄이기 위해서 병행적 상태 공간을 합성하지 않고 순회한다. 또한 수행 시간을 줄이기 위해서 방문 기록을 최소한으로 유지하는 새로운 기술을 제시한다. 마지막으로 이 기법이 효과적임을 실험 결과를 통해 보인다.

URC 로봇은 인간을 중심으로 발생하는 주변 상황을 이해하고, 그것에 따라 최적의 서비스를 제공하는데 목적이 있다. 따라서 URC 로봇을 위한 미들웨어에는 인간 친화적인 서비스 제공을 위한 상황정보 기반의 프로세스 제어와 서비스 자동화 기술이 요구된다. 본 논문에서는 상황 정보에 따라 사용자에게 표준 웹 서비스 기반의 상황인지 URC 서비스를 제공하기 위한 워크플로우 시스템을 제안한다. 제안하는 시스템은 이기종의 URC를 제어하기 위해 플랫폼에 독립적인 XML 기반의 명령어 객체 모델을 제공하고, 웹 서비스 형태의 상황인지 URC 서비스를 지원한다. 따라서 제안하는 시스템은 다양한 로봇과 플랫폼이 존재하는 유비쿼터스 네트워크 환경에서의 URC 서비스에 대한 신뢰성을 향상시키고， URC 시스템의 기능 및 구조 변화에 대한 높은 유연성과 적용성을 제공할 수 있다.

지식정보사회에 적극적으로 대응하고, 조직의 경쟁력을 강화하기 위하여 정부기관 및 공공기관은 정보기술서비스관리(ITSM)시스템을 도입하여 운용할 필요가 있다. 최근에 우리나라의 정부기관 및 공공기관은 ITSM프로세스의 혁신과 정보화의 수준이 미흡한 환경에서 IT서비스의 수요증가와 복잡화에 따른 많은 어려움에 직면하고 있다. 특히, IT아웃소싱의 증가로 인한 IT서비스관리의 어려움은 더욱 커지고 있다. 이와 같은 문제를 해결하기 위해 ITSM에 대한 기대는 더욱 커지고 있다. 따라서 본 연구는 ITSM의 성공적인 도입운용에 필수 요소인 ITSM조직구조에 대한 설계대안을 제시하였다. 즉, ITSM조직구조를 전통적인 기능 중심적인 조직구조에서 목적 중심, 고객 중심, 프로세스 중심의 조직구조로 제안하였다. 즉, ITSM조직는 서비스전략조직, 서비스설계조직, 서비스전이조직, 서비스운용조직, 서비스개선조직으로 구분하여 제안하였다. ITSM의 실효성을 확보하기 위하여 조직구조별 역할과 책임을 구체화하였으며, 조직별 전문성을 확보하기 위하여 인력편성방안도 제시하였다. 제안한 ITSM조직구조는 정부기관 및 공공기관의 정보화조직발전에 유용하게 활용될 것으로 기대된다.

진화 프로그래밍은 실수형 최적화 문제에 널리 사용되는 알고리즘으로 돌연변이 연산이 중요한 연산이다. 일반적으로 돌연변이 연산은 확률 분포와 이에 따른 매개변수를 사용하여 변수값을 변화시키는데, 이 때 매개변수 역시 돌연변이 연산의 대상이 됨으로 이를 위한 또 다른 매개변수가 필요하다. 그러나 최적의 매개변수 값은 주어진 문제에 전적으로 의존하기 때문에 매개변수 개수가 많은 경우 매개변수값들에 대한 최적 조합을 찾기 어렵다. 이러한 문제를 부분적으로나마 해결하기 위하여 본 논문에서는 변수의 돌연변이 연산을 위한 매개변수를 자기 적응적 관점에서 이론적으로 추정한 돌연변이 연산을 제안하였다. 제안한 알고리즘에서는 코시 확률 분포의 축척 매개변수를 추정하여 돌연변이 연산에 적용함으로 축척 매개변수에 대한 돌연변이 연산이 필요하지 않다는 장점이 있다. 제안한 알고리즘을 벤치마킹 문제에 적용한 실험 결과를 통해 볼 때, 최적값 측면에서는 제안한 알고리즘의 상대적 우수성은 벤치마킹 문제에 의존하였으나 계산 시간 측면에서는 모든 벤치마킹 문제에 대하여 제안한 알고리즘이 우수하였다.

음성 인식기의 오류는 음성기반 응용 시스템들의 성능에 크게 영향을 주기 때문에 오류를 줄이기 위한 효과적인 처리 방법이 필요하다. 기존의 후처리 기법들은 수동 작업을 통한 코퍼스나 규칙으로 후처리를 수행하는 것이 일반적이다. 본 논문에서는 문제나 인식기의 특성에 무관하게 자동으로 학습할 수 있는 후처리 모델을 제안한다. 후처리의 문제를 오류의 인식과 수정으로 구분하고 오류 검출 문제는 순차적인 분류 문제로 간주하여 conditional random fields(CRFs)를 사용하고 오류 수정 규칙은 transformation-based learning(TBL)을 이용하여 자동 생성하여 적용하였다. 제안한 방법을 여행 예약 영역의 음성 인식기에 적용한 결과 삽입, 삭제, 치환 오류를 각각 25.85%, 3.57%, 7.42%을 수정하였으며, 이로 인해 인식기의 어휘 오류율을 2% 감소시킬 수 있었다.

본 논문에서는 화재 불꽃의 시각적 특징들을 확률적인 멤버십 함수로 모델링하고 이를 퍼지 유한상태 오토마타에 적용한 새로운 화재 불꽃 감지 알고리즘을 제안한다. 먼저 입력된 영상에서 배경모델을 이용하여 움직임 영역을 추출하고 불꽃 색상 모델을 적용하여 최종 화재 후보 영역을 결정한다. 불꽃영역은 일반적으로 연속적이며 불규칙한 패턴을 가지고 있으므로 명도와 웨이블릿 에너지의 왜도 값과 모션의 상승 방향성을 이용하여 확률모델을 생성하고 이를 퍼지 유한상태 오토마타에 적용한다. 퍼지 유한상태 오토마타는 오토마타의 성능과 퍼지 로직이 결합된 형태로 컴퓨터 시스템에서 불확실한 문제뿐 아니라 연속적인 공간에서 발생하는 문제를 처리하는 시스템적인 접근법을 제공한다. 제안된 알고리즘은 다양한 화재 영상에서 성공적으로 불꽃을 감지하였고 다른 알고리즘에 비해 더 좋은 성능을 보여주고 있다.