• 한국정보처리학회논문지
• /
• 제7권5호
• /
• pp.1579-1586
• /
• 2000

본 논문에서는 필기 한글의 모양을 분석하고 그 결과를 표현하는 방법을 제안한다. 하나의 한글 문자를 구성하는 연결 요소 각각은 다수 개의 부품들로 분해되고 분해된 요소들을 표현하기 위해 골격선을 추출하였다. 추출된 골격선으로부터 속성 그래프를 이용하여 필기 한글 문자를 표현하였다.속성 그래프의 노느는 하나의 부품에 해당하고 제지는 그들간의 연결로 관계를 나타낸다. 노드와 에지에는 패턴의 모양을 나타내는 여러 가지 유용한 정보를 저장하였다.

• 한국정보처리학회논문지
• /
• 제3권4호
• /
• pp.926-937
• /
• 1996

그래프 트래버설(traversal) 기법은 그래프의 노느들을 '방문(visiting)'하는 임의의 패턴이라고 할 수 있으며, 그래프 트래버설 방법 중 하나가 깊이 우선 탐색 기법은 유향 그래프의 강결합 요소나 일반 그래프의 이중 결합 요소를 찾는데 이용 된다. 이러한 깊이 우선 탐색 기법을 분산 네트워크 상에서 구현하기 위한 분산 프로토콜은 통신망의 위상 변화가 없는 고정위상 문제와 시간의 지남에 따라 위상의 변화가 있는 동적 위상 문제로 나누어 볼 수 있다. 본 논문에서는 먼저 고정 위상에 서의 개선된 분산 깊이 우선 탐색 프로토콜을 설계하고 다음으로 이 프로토콜을 동적 위상에 적용하여 링크/노드의 고장/복구에 대처할 수 있는 레질리언트 프로토콜을 설계하였다. 또한, 이들 프로토콜의 메시지와 시간 복잡도를 각각 분석하고,

• 한국인터넷방송통신학회논문지
• /
• 제8권5호
• /
• pp.57-63
• /
• 2008

최근 센서 네트워크에서 수집된 다양한 상황 정보를 웹을 통해 지도상에 도시하는 SWE(Sensor Web Enablement) 연구가 OGC(Open Geospatial Consortium)를 중심으로 진행되고 있다. OGC SWE WG(Working Group)에서는 실시간으로 시공간에서 발생하는 영상 및 센싱 데이터 등에 대한 인코딩과 웹 서비스를 지원하는 표준을 정의하고 있다. 본 논문에서는 이동 물체에서 획득한 실시간 센싱 데이터를 도시하기 위해 지도 상의 이동 노느에 GPS 데이터와 센싱 데이터를 맵핑하여 2 차원 지도에서 위치 기반의 센성 데이터 가시화 방안을 제안한다. 이를 위해 먼저 2 차원 지도에서 위치 기반의 센싱 데이터 가시화하기 위해 위치 정보를 지도의 좌표로 변환하는 알고리즘과 처리 절차를 제시한다. 그리고 이를 검증하기 위해 이동 노드의 GPS 데이터와 센싱 데이터를 수집하여 2 차원 지도 상에서 도시하는 프로그램을 설계하고 구현한다. 이를 통하여 센서 네트워크로부터 수집된 실시간 동영상이나 센싱 데이터 정보를 웹 기반의 지도 상에서 효과적으로 가시화하는 것을 확인하였다.

• 한국전자통신학회논문지
• /
• 제7권6호
• /
• pp.1337-1342
• /
• 2012

최근 몇 년간, 홈 네트워킹에 관한 많은 연구가 활발히 진행되고 있다. 홈 네트워킹을 위한 대부분의 기술들은 유선을 기반으로 하지만, 무선 연결을 위한 기술도 필요하다. 본 논문은 홈 네트워크 분야 중에서 무선 네트워크에 초점을 맞추고 있다. 무선 LAN, 블루투스, HomeRF와 같은 많은 무선 통신 기술중에서, 본 논문은 특히 무선 센서 네트워크라는 새로운 기술을 무선 홈네트워크에 적용하는 것을 제안한다. 본 논문은 무선 센서 노드와 무선 센서 네트워크를 위한 하드웨어 및 프로토콜 스택 설계시 필요한 고려 사항을 제시하고, 홈 네트워킹에 무선 센서 네트워크를 적용하기 위한 방법과 다양한 센서 노드로 무선 홈 네트워킹을 구성하는 방법을 제시한다. 마지막으로, 본 논문은 자체적으로 설계된 무선 센서 노드 시스템을 소개하고 이 글을 맺는다.

• 정보처리학회논문지D
• /
• 제8D권5호
• /
• pp.507-512
• /
• 2001

특징 기반 유사성은 멀티미디어 데이터베이스 시스템에서 중요한 연구 쟁점이 되고 있다. 멀티미디어 데이터의 특징이 멀티미디어 객체들을 구별하는데 유용하다지만 특징 벡터의 차원의 수가 증가함에 따라 종래의 다차원 데이터 구조의 성능은 떨어지는 경향이 있다. $R^{*}-Tree$는 R-Tree의 가장 성공적인 병형으로 본 논문에서 고차원 특징 벡터를 위한 새로운 인덱싱 방법으로서 자기 조직화 맵 기반 $R^{*}-Tree$를 제안한다. 자기 조직화 맵 기잔 $R^{*}-Tree$는 고차원 데이터를 좀더 스칼라화해서 탐색할 수 있도록 SOM과 $R^{*}-Tree$를 결합하여 구축한 인덱싱 기법이다. 자기 조직 맵은 고차원 특징 벡터들로부터 2차원 공간으로의 맵핑을 제공한다. 그러나 맵을 위상 특징 맵이라 하고 인접 노느에서 서로 유사한 특징 벡터들을 모아서 입력데이터의 특징 공간들 속에 유사성을 보존하는데 위상 특징 맵의 각 노드는 코드북 벡터를 가지고 있다. 실험적으로 4만개의 이미지로부터 추출된 색깔 특징 벡터들을 이용하여 자기 조직화 맵 기반 $R^{*}-Tree$의 검색시간 비용과 자기 조직화 맵과 $R^{*}-Tree$의 검색 시간 비용을 비교한다. 그 결과 $R^{*}-Tree$를 구축하는데 필요한 노드 수와 검색 시간 비용이 감소됨으로써 자기 조직화 맵 기반 $R^{*}-Tree$는 자기 조직화 맵과 $R^{*}-Tree$보다 훨씬 우수한 성능을 나타냄이 입증되었다.