본 논문에서는 고정된 멀티 채널 멀티 인터페이스 무선 메쉬 네트워크 환경에서의 최적의 인터페이스 수를 시뮬레이션을 통해 알아본다. 채널 경쟁기반의 무선통신망에서 하나의 인터페이스 및 채널을 사용하는 경우 임의노드 주변에 동일 채널에 경쟁하는 노드가 많으면 경쟁 및 전송 충돌로 인한 지연이 발생하며, 이는 통신망의 성능을 저하시키는 결과를 낳는다. 이에 대한 해결책으로 다수의 인터페이스를 장착하고 인터페이스마다 한 개의 채널을 사용하게 되면 채널 간섭을 피할 수 있고 또한 전송 충돌을 줄일 수 있기 때문에 통신망의 성능을 향상시킬 수 있다. 현재 802.11a 및 802.11b에서는 각각 12개와 3개의 서로 다른 직교 채널을 제공하고 있으므로 채널수에 맞는 다수의 인터페이스를 장착한다면 무선 통신망의 성능을 향상시킬 수 있게 된다. 그러나 환경에 따라 몇 개의 인터페이스/채널을 사용해야 성능이 최적이 되는지에 대한 연구는 아직 많지 않다. 인터페이스/채널 수를 늘리면 어느 정도 성능이 향상될 것으로 추론할 수 있으나, 인터페이스/채널 수를 한없이 늘리는 것은 오히려 성능 저하를 가져올 수도 있다. 이에 본 논문에서는 이러한 점에 기반하여 다양한 환경에서 성능 향상에 필요한 최적의 인터페이스/채널 수를 시뮬레이션을 통해 알아본다.

본 연구에서는 교착상태 확인 알고리즘의 성능분석을 위하여 사이폰(siphon) 알고리즘, DAPN알고리즘과 추이적 행렬 알고리즘을 상호 비교한다. 이를 위하여 비교 모델을 설정하여 각 알고리즘을 활용한 결과를 복잡도, 이해도 그리고 신속성 등의 3가지 함수를 이용하여 성능을 분석한다. 서로 다른 개념의 알고리즘을 비교분석에 한계성이 있으나, 동일한 모델에 적용하여 그 효율성을 비교 분석하여 각 알고리즘의 특성들을 분석한다.

본 논문에서는 퍼지기반 Segment-Boost 방법을 소개하고, 이를 이용한 효과적인 얼굴인식 방법을 제안한다. 퍼지기반 Segment-Boost는 기존의 Segment-Boost가 갖고 있던 문제점과 성능의 한계요소들을 제거함으로써, 향상된 학습 성능뿐만 아니라 학습 성능의 안정성과 신뢰성을 보장하여 준다. 퍼지기반 Segment-Boost는 퍼지이론을 이용함으로써 서브벡터 선택개수를 최적화하고, 이를 통해 최상의 학습 성능이 유도될 수 있도록 설계되었다. 또한, 퍼지기반 Segment-Boost 내에서의 퍼지추론을 위해 본 논문에서 설계한 퍼지 제어기는 퍼지기반 Segment-Boost의 학습 성능을 측정하고, 최적화된 서브벡터 선택개수를 추론함으로써 서브벡터 선택개수를 제어한다. 시뮬레이션 결과, 본 논문에서 설계한 퍼지 제어기는 실제 최적의 서브벡터 선택개수에 매우 근접한 값을 추론하였다. 그 결과, 퍼지기반 Segment-Boost는 비교 실험한 boosting 방법보다 높은 얼굴인식률을 보여줌과 동시에 기존 Segment-Boost 만큼의 빠른 특징선택 속도를 유지하였고, 이러한 실험결과를 통해 퍼지기반 Segment-Boost의 학습 성능과 이를 이용한 특징선택 및 얼굴인식 방법에 있어서의 성능향상 및 안정성이 입증되었다.

현재 네트워크 사용자 특히 인터넷 사용자 증가 속도는 가히 기하급수적이라 할 수 있다. 더불어 질 높은 서비스에 대한 요구가 제기되고 있는데 이것은 필연적으로 트래픽의 폭증을 가져오고 있다. 따라서 네트워크 트래픽의 효율적 분석 관리는 과거에 비해 더욱 중요한 사항으로 대두되고 있다. SES를 이용한 네트워크 분석은 네트워크 관리자들에게 쉽고, 효율적으로 트래픽데이터를 접근이 가능하다. 따라서 본 연구의 목적은 대용량의 네트워크 트래픽 데이터 효과적으로 처리하기 위해 최적화된 네트워크 트래픽 시스템을 구현하기 위하여 데이터 엔지니어링 방법론인 SES를 이용하여 네트워크 패킷의 정보 구조를 설계한후 DEVS를 이용하여 분석하는 시스템을 구현하고자 한다.

분산 네트워크의 사용이 증가함에 따라 분산 작업을 신뢰성 있게 수행하기 위한 연구가 중요한 이슈로 등장하고 있다. 분산 네트워크에서의 작업의 수행은 인터넷 상의 유효자원에서 수행되므로, 가용한 자원에까지 효율적으로 접근할 수 있는가와 수행된 결과가 안정적으로 요청자에게 전달되는 것은 중요한 문제이다. 그래서 본 논문에서는 작업의 수행을 요청하는 곳에서 실제 작업이 실행되는 위치의 자원까지 데이터를 안전하게 전송하기 위한 생존성 인자를 설정하고, 생존성 인자의 값에 따른 데이터 전송속도를 측정하기 위한 성능평가를 수행하였다. 또한 제시한 생존성 인자를 활용한 안전한 전송을 보장할 수 있는 전송 알고리즘을 제시하였다.

본 연구에서는 개발된 이산 사건 시뮬레이션 모델을 바탕으로 우리나라와 지리적으로 가장 가까운 환발해권 지역에서 발생하는 대내외적인 항공화물에 대하여 구간별 물동량을 분석하고 수익관리 모형에 따른 수익 변화를 평가하였다. 첫 번째로, 인천 공항을 경유하는 노선에 대하여 비드가격 모형을 적용하여 물동량과 수익의 변화를 확인하였다. 두 번째로, 모든 노선에 대하여 비드가격 모형을 적용하여 분석하였다. 세 번째로, 인천공항을 경유하는 노선에 대하여 비드가격 모형과 가상네스팅 모형을 적용하였다. 그 결과 수익관리 모형을 적용할 경우, 단일가격으로 제공하는 오늘날의 시장 환경보다 전체 수익이 증가하는 것을 확인 할 수 있었다. 이러한 분석은 향후 항공사의 마케팅 전략 수립에 활용될 것으로 기대해 본다.

실 기동 훈련을 기반으로 획득한 데이터는 전투 또는 워게임 모델링 및 시뮬레이션에 중요한 역할을 지니게 된다. 특히 이들 데이터는 무기체계 분석을 위한 중요한 입력자료로 활용하게 된다. 현존하는 분석모델들은 사격시간간격의 평균값을 상수로 지정하여 적용하여 왔으나 사격시간간격은 기존 확률분포 또는 경험분포로 적합하여 사용함이 보다 현실적이라고 할 수 있다. 실제 전장의 데이터를 획득하기 어려운 여건이므로 실기동 훈련으로 획득된 경험 데이터를 활용할 수 있는 방법을 제시한다. 본 연구는 확률과정을 따르는 전투상황을 보다 근접하게 모의할 수 있는 새로운 접근방법 및 기법을 연구하고 비교한다. 이 연구는 다양한 혼합 무기체계, 적정 전투의 규모, 그리고 전술적 측면 등을 포함하는 향후 연구과제의 필요성을 제기하면서 이를 위한 첫 번째 단계에 해당하는 기초연구이다.

본 과제의 목표는 윈도우 환경에서 동작하는 악성코드를 분류하기 위한 방법론을 제시하고, 시험용 분류 시스템을 개발하는 데 있다. 악성코드를 크게 9개의 그룹으로 분류하고, 이를 다시 그룹의 특성이 맞는 여러 개의 클러스터로 구분하였다. 해당 클러스터에 속하는 악성코드는 최소한 클러스터의 기본 속성은 만족시킨다. 또한 악성코드가 소속되는 각각의 클러스터에서는 기준점을 기반으로 악성코드의 유사도가 계산되며, 이 유사도에 의해서 악성코드 분석가들은 기존의 악성코드와 새로운 악성코드의 유형 및 관련 정도를 파악하게 된다. 악성코드 분류 시스템은 정량적 분석과 정성적인 분석에 대한 결과를 보여주며, 챠트를 통하여 보기 쉽게 내용을 파악할 수 있다. 매일 수천 건의 악성코드가 발견되는 상황에서 악성코드 분석가들에게 기존 악성코드와의 유사도를 제공함으로써 분석의 시간과 노력을 줄여 줄 수 있다. 본 연구의 성과물은 향후 악성코드 예측 시스템의 초석으로 활용될 수 있을 것이다.