• 한국HCI학회:학술대회논문집
• /
• 2008.02b
• /
• pp.146-151
• /
• 2008

새로운 사용자 경험의 향상을 위해 UI 의 개선방안을 모색할 때, 기존에 수행해 오던 일반적 사용성 평가 방법만으로는 모바일과 같이 복합적 컨텍스트를 가진 서비스 이용환경을 파악하는데 적지 않은 한계가 있다. 가령 특정 Task 수행시 Lead Time 측정과 같은 계량화된 사용성 평가방법을 통해서는 실제 사용자의 컨텍스트를 고려한 사용성의 수준(혹은 오류의 수준)에 대한 분석이 어려운 반면, In-depth Interview 로 대표되는 통상의 정성적인 사용자 리서치 방법은 장애의 요인과 결과간의 논리적인 상관관계를 명확화하거나 실측적인 개선 성과로써 도출해 내는데 어려움이 있다. 본 연구에서는 정량적인 사용성 평가방법에 정성적인 사용자 리서치 수행기법 및 통계적 기법을 결합하여, 실측 가능하고 설득력을 가진 근거 데이터를 지지하는 한편 한계로 남겨져 왔던 행위결과에 대한 요인에도 적절한 인사이트를 제시할 수 있는 대안적 사용성 평가 방법을 제시하고자 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.699-702
• /
• 2001

본 논문에서는 비트 플래인 상에서 지역적인 복잡도를 이용하여 커버 이미지를 분할한 후 비밀 데이터를 삽입하는 스테가노그라피 방법을 연구하였다. 이 방법은 복잡도를 이용하여 비트 플래인 이미지를 informative 영역과 noise-like 영역으로 나누고, noise-like 영역에 데이터를 삽입한다. 삽입되는 데이터가 간단하다면 image conjugation을 적용하여 복잡한 형태로 만들어 커버 이미지에 삽입한다. 본 연구에서는 삽이 용량을 증가시키기 위해 복잡도를 모든 비트 플래인에 적용시키지 않고, 선택적으로 적용하여 46%의 최대 삽입용량과 화질의 증가를 얻을 수 있었다.

• Journal of KIISE:Information Networking
• /
• v.28 no.2
• /
• pp.207-216
• /
• 2001

이동 방송 환경은 정보를 가지고 있는 서버가 다수의 이동 클라이언트에게 모든 데이터를 주기적으로 방송하면 클라이언트가 자신이 원하는 데이터가 방송 채널에 나타날 때 이를 검색하는 환경을 말한다. 이때 클라이언트가 수행하는 읽기 전용 트랜잭션은 일관적이면서도 가장 최근에 갱신된 데이터를 필요로한다. 이동 방송환경에 적합하도록 연구된 기존의 병행성 제어 기법들을 클라이언트가 일관적인 데이터를 읽는 것은 보장하지만 가장 최근에 갱신된 데이터를 읽을수 있게 하는 최신 현행성은 보장하지 못한다. 본 논문에서는 기존 기법들과 동일한 수준의 일관성뿐만 아니라 최신 현행성을 보장하는 효율적인 병행성 제어 기법을 제안하고 이를 검증한다. 아울러 제안된 기법의 성능을 평가하기 위하여 최신이 아닌 데이터를 읽은 경우(stale read)의 수와 트랜잭션 중단의 수를 각각 측정하였다. 시뮬레이션을 통한 실험결과 본 논문에서 제안하는 기법은 기존의 방법과 비교할 때 항상 최신의 데이터를 읽으면서 트랜잭션중단의 수를 감소시킨다는 것을 알수 있었다.

• The Journal of Bigdata
• /
• v.8 no.2
• /
• pp.55-71
• /
• 2023

Cloud Native refers to the Technical Maturity Level of a cloud environment that can utilize all cloud resources to fully function. In converting public sector information resources to the cloud, the characteristics of the cloud are not being used well. Therefore, in this study, the qualitative research method cloud expert interview technique and the quantitative research method used text network analysis for domestic and foreign related articles. Through this, we analyzed the utilization trends related to domestic and foreign cloud natives and the cloud policies of developed countries. Through previous research, the core components of cloud-native were examined, and the need for agile methodologies that were not addressed in previous studies was raised. It is believed that these core components will be applied in the public sector to contribute to business innovation through digital innovation. In addition, this study aims to provide important implications for the use of cloud native in Korea through an in-depth discussion on how to spread cloud native in the public sector.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1999.10a
• /
• pp.169-169
• /
• 1999

최근 산업 플랜트의 공정제어 시스템은 복잡하고 대규모화되어 고장 발생시 경제적 손실과 위험성이 증폭되어 규정된 안정서와 신뢰성 확보가 필수적이라 할 수 있다. 고장검출 및 진단기법은 시스템의 신뢰성을 높이기 위한 효과적인 방안을 연구하는 것으로 현대에 들어서 많은 학자들의 관심을 끌고 있으며 실제 계통에 점차적으로 응용되고 있다. 현재까지 개발된 고장검출 및 진단기법은 사용된 프로세스 모델의 형태, 고장검출 진단 알고리즘에 따라 다양하게 분류 될 수 있으며 일반적으로 사용된 모델에 따라 크게 1) 정량적 모델에 근거한 해석적 기법, 2) 정성적 모델에 근거한 기법, 3) 지식기반 진단 기법으로 구분 할 수 있다. 이중 정량적 모델 기법은 대상계통의 수학적 모델에 근거하여 운전 데이터를 분석함으로서 고장검출 진단을 수행하는 해석적 기법으로서 근본적으로 계통의 정확한 수학적 모델을 요구하므로 불확실성을 포함한 계통 및 비선형성이 강한 계통등에는 적용이 곤란하다. 정성적 모델 및 지식기반 기법은 정량적 진단 기법과는 달리 대상 프로세스에 대한 수학적 모델 대신에 운전자의 경험과 프로세스 변수간의 상호 작용 및 고장의 전파과정, 고장원인과 증상과의 직접적인 관계에 대한 구조적 지식에 근거한 것으로 고장원인에 대한 계통의 동작을 추론 할 수 있으며, 상황 변화에 따른 영향을 예측할 수 있다. 본 논문에서는 정성적 모델 및 지식기반 기법에 근거한 고장검출 및 진단 기술을 화력 발전소 보일로 프로세스에 적용하여 정성적 시뮬레이션에 의한 설비의 고장을 조기에 발견하여 고장 파급으로 인한 발전 정지 및 설비의 손상 확대를 방지하고 고장 발생시 신속한 원인 규명 및 후속 조치관련 정보들을 운전원에게 제공할 목적으로 현재 전력원에서 개발중인 지능형 경보시스템에 대하여 기술하고자 한다.음과 같이 설명하였다. 서로 상반되는 것들이 다음과 같이 설명하였다. 서로 상반되는 것들이 부딛힘이 없이 공존하고 일상의 논리가 무시된다. 부정, 의심이 없고 확실한 것이 없다. 한 대상에 가졌던 생각이 다른 대상에 옮겨간다(displacement). 한 대상이 여러 대상이 갖고 있는 의미를 함축하고 있다(condensation). 시각적인 순서가 무시된다. 마음속의 생각과 외부의 실제적인 일을 구분하지 못한다. 시간 상의 순서가 있다가 없다가 한다. 차례로 일어나야 할 일이 동시에 한꺼번에 일어난다. 대상들이 서로 비슷해지고 동시에 있을 수 없는 대상들이 함께 나타난다. 사고의 정상적인 구조가 와해된다. Matte-Blance는 무의식에서는 여러 독립된 대상들간의 구분을 없애며, 주체와 객체를 하나로 보려는 대칭화(symmetrization)의 경향이 있기 때문에 이런 변화가 생긴다고 하였다. 또 대칭화가 진행되면 무한대의 느낌을 갖게 되어, 전지(moniscience), 전능(omnipotence), 무력감(impotence), 이상화(idealization)가 나타난다. 그러나 무의식에 대칭화만 있는 것은 아니며, 의식의 사고양식인 비대칭도 어느 정도 나타나며, 대칭화의 정도에 따라, 대상들이 잘 구분되어 있는 단계, 의식수준의 감정단계, 집단 내에서의 대칭화 단계, 집단간에서의 대칭화 단계, 구분이 없어지는 단계로 구분하였다.systems. We believe that this taxonomy is a significant contribution because it adds clarity, completeness, and "global perspective" to workflow architectural discussions. The vocabulary suggested here

• Proceedings of the Korean Society of Propulsion Engineers Conference
• /
• 2010.11a
• /
• pp.809-813
• /
• 2010

For the purpose of developing a modeling technique for reduced-order dynamics of thermoacoustic instability, we constructed an electrically heated Rijke tube and measured the pressure oscillation inside the tube. Analysing the measured pressure data showed that the instability generated three major oscillation modes, among which the first mode frequency quite well matches the result from a rough acoustic analysis. As a continuing research, a data-based modeling technique for the thermoacoustic instability will be developed in the near future.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.67-69
• /
• 2011

데이터의 군집 분석에서 두 개의 서로 다른 데이터에 대한 유사도(거리)를 어떻게 정의하는가는 매우 중요한 문제이다. 수치속성에 대한 거리 측정 방법에는 다양한 기법이 존재하지만 각 속성의 크기와 범위가 서로 크게 다를 경우 이들을 동일한 인자로 여기고 거리 측정을 하게 되면 논리적인 오류를 범할 수 있다. 기존의 군집 분석 연구에서 사용된 거리 측정 기법은 데이터의 정규화 과정을 통해 이 문제를 해결하려고 노력하지만 일반적인 정규화는 이상치의 존재나 데이터의 편중된 분포 등의 이유로 속성별 거리가 왜곡될 수 있다. 본 논문은 이러한 문제점을 해결하기 위해 정규화된 데이터에서 각 속성의 비중을 고려한 적응적 유클리드 거리 측정 기법(AEDM: Adaptive Euclidean Distance Measure)을 제안한다. AEDM은 유클리드 거리를 기반으로 정규화 된 데이터의 형태에 따라 가중치를 부여하여 데이터의 분포에 관계없이 각 속성간의 거리를 충분히 반영하기 때문에 더욱 정확한 군집 분석을 가능하게 한다.

• KIPS Transactions on Software and Data Engineering
• /
• v.5 no.11
• /
• pp.569-584
• /
• 2016

In this paper, we present a spatial knowledge extractor implemented in Hadoop MapReduce parallel, distributed computing environment. From a large spatial dataset, this knowledge extractor automatically derives a qualitative spatial knowledge base, which consists of both topological and directional relations on pairs of two spatial objects. By using R-tree index and range queries over a distributed spatial data file on HDFS, the MapReduce-enabled spatial knowledge extractor, MRSPAKE, can produce a web-scale spatial knowledge base in highly efficient way. In experiments with the well-known open spatial dataset, Open Street Map (OSM), the proposed web-scale spatial knowledge extractor, MRSPAKE, showed high performance and scalability.

• KIPS Transactions on Computer and Communication Systems
• /
• v.11 no.2
• /
• pp.51-58
• /
• 2022

Blockchain technology is a system in which data from users participating in blockchain networks is distributed and stored. Bitcoin and Ethereum are attracting global attention, and the utilization of blockchain is expected to be endless. However, the need for blockchain data privacy protection is emerging in various financial, medical, and real estate sectors that process personal information due to the transparency of disclosing all data in the blockchain to network participants. Although studies using smart contracts, homomorphic encryption, and cryptographic key methods have been mainly conducted to protect existing blockchain data privacy, this paper proposes data privacy using matrix character relocation techniques differentiated from existing papers. The approach proposed in this paper consists largely of two methods: how to relocate the original data to matrix characters, how to return the deployed data to the original. Through qualitative experiments, we evaluate the safety of the approach proposed in this paper, and demonstrate that matrix character relocation will be sufficiently applicable in private blockchain environments by measuring the time it takes to revert applied data to original data.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.231-232
• /
• 2021

본 논문에서는 딥러닝 모델 중 Keras 기반 LSTM 모델과 KoGPT-2 모델을 이용하여 학습한 결과를 바탕으로 카테고리 별 키워드 기반의 배달 음식점 리뷰를 생성하는 방법을 제안한다. 데이터는 주로 맛, 양, 배달, 가격으로 구성되어 있으며 이를 카테고리 별로 구분하였다. 또한 새롭게 생성된 텍스트는 의미와 문맥을 판단하여 기존 리뷰 데이터와 비슷하게 구현하였다. 모델마다 성능을 비교하기 위해 정량적, 정성적 평가를 진행하였다.