• Proceedings of The KACE
• /
• 2017.08a
• /
• pp.117-120
• /
• 2017

객체지향 프로그래밍은 산업과 교육 분야에서 그 영향력이 점차 커지고 있다. 그러나 객체지향은 추상적이고, 복합적인 개념을 많이 포함하고 있어 처음 객체지향 언어를 배우는 초보학습자는 개념을 이해하는데 많은 어려움을 겪고 있다. 또한 객체지향 개념들은 상호 연관성이 매우 높아 기본 개념을 이해하지 못하면 다음 단계의 개념을 이해할 수 없다. 따라서 본 논문은 초보학습자의 객체지향 개념의 이해를 돕기 위해 클래스와 객체 모델, 클래스간의 상속 모델을 도식화하여 제안한다. 이 모델을 이용하여 객체지향의 핵심 개념인 클래스, 객체, 레퍼런스 변수, 상속, 오버라이딩, 다형성, 동적 바인딩의 이해도를 높일 수 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.12 no.5
• /
• pp.113-119
• /
• 2007

Framework has constructive and extendable code. It is consist of the variable design collections. In the aspect of the classes's collection, it is similar to the class library. but it is different to provide the architecture which is possible to develop the application rather than the collection of the simple classes. In framework it is very important factor to develop and control the component library. In this paper, we design the usable component model through defining the meta-relation between components and proposed the sample case using this model.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2000.04a
• /
• pp.95-100
• /
• 2000

시뮬레이션 모델과 전문가 시스템의 학제간 연구는 그동안 많은 학자에 의해 진행되어 왔다. 전문가 시스템은 추론 기관과 지식베이스로 구성되며, 지식베이스는 사실과 규칙으로 구성된다. 사실과 규칙은 추론 기관의 추론을 위한 정보로 사용된다. 요즘의 정보 시스템은 데이터베이스를 가지며 데이터베이스의 정보를 기반으로 모든 처리가 진행된다. 이러한 정보 시스템에 삽입되어 사용되는 시뮬레이션 모델의 전문가 시스템도 데이터베이스의 정보를 사용하여 추론을 행한다. 데이터베이스의 정보는 전문가 시스템의 추론을 위한 사실로 사용되고, 추론 결과를 저장하기 위한 저장 장소로 사용된다. 본 연구에서는 전문가 시스템의 사실과 데이터베이스 사이의 사상을 정리하고, 이를 위한 사실 클래스를 제안한다. 이 사실 클래스는 데이터베이스 데이터를 전문가 시스템이 사용할 수 있도록 필링하는 기능과 추론을 위한 의미 분석의 기능을 갖는다. 또한, 데이터베이스에 추론 결과를 저장할 때 생기는 데이터의 일치성과 무결성 문제를 해결한다. 이 사실 클래스를 갖는 전문가 시스템 기능을 갖는 시뮬레이션 모델을 그래이팅 생산 공정의 시뮬레이션에 적용하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.367-369
• /
• 2022

In this paper, the predicted results were confirmed by label mapping for each class while implementing multi-class image classification to confirm accurate results for images in which the trained model failed classification. A CNN model was constructed and trained using Kaggle's Intel Image Classification dataset, and the mapped label values of multiple classes of images and the values classified by the model were compared by label mapping the images of the test dataset.

• Journal of Internet Computing and Services
• /
• v.12 no.1
• /
• pp.119-130
• /
• 2011

As a de facto standard for system modeling, UML diagrams have been widely used in the industry. Of these, the class diagram is useful to visualize the classes and their relationships and thus directly influences the forward and reverse processes of system modeling and development. Many earlier studies have attempted to examine as to what impact the layout and complexity of the class diagram would have on the comprehension of system modeling. However, their findings have been equivocal and it is not easy to understand the effects of diagram layout. Accordingly this research relied on the guidelines of diagram layout suggested in the earlier studies and designed a 2 (layout) x 2 (complexity) factorial design to examine their impact on diagram comprehension. 47 subjects were participated in the experiment where class diagrams were provided differently in their layout and complexity. We found that a good layout was significantly more effective than the bad. Furthermore the results were significantly persistent in the complex group than the simple. However, there was no interaction effect between layout and complexity of the diagram.

• Journal of the Korea Society of Computer and Information
• /
• v.13 no.5
• /
• pp.69-76
• /
• 2008

In this thesis, we implemented the prototype system for the class code generator based on consistent code generation process and standard type, the class to be component unit. Particularly, we proposed relationship rule to solve the difficult problem by the object-oriented language to association and aggregation between classes based on component, through this method we can make to consistent code generation standard. Also it is adopted to component model construction which is generated code using code generation, and it can be basic assembly and deployment of business components to reusable target in developing application system.

• Journal of the Korea Convergence Society
• /
• v.12 no.3
• /
• pp.17-25
• /
• 2021

When a person wears clothing, it is important to configure an outfit appropriate to the intended occasion. Therefore, T.P.O(Time, Place, Occasion) of the outfit is considered in various fashion recommendation systems based on artificial intelligence. However, there are few studies that directly infer the T.P.O from outfit images, as the nature of the problem causes multi-label and class imbalance problems, which makes model training challenging. Therefore, in this study, we propose a model that can infer the T.P.O of outfit images by employing a label-distribution-aware margin(LDAM) loss function. Datasets for the model training and evaluation were collected from fashion shopping malls. As a result of measuring performance, it was confirmed that the proposed model showed balanced performance in all T.P.O classes compared to baselines.

• Journal of the Korea Society for Simulation
• /
• v.19 no.1
• /
• pp.143-151
• /
• 2010

Fingerprint classification is a step to increase the efficiency of an 1:N fingerprint recognition system and plays a role to reduce the matching time of fingerprint and to increase accuracy of recognition. It is difficult to classify fingerprints, because the ridge pattern of each fingerprint class has an overlapping characteristic with more than one class, fingerprint images may include a lot of noise and an input condition is an exceptional case. In this paper, we propose a novel approach to design a stochastic model and to accomplish fingerprint classification using a directional characteristic of fingerprints for an effective classification of various qualities. We compute the directional value by searching a fingerprint ridge pixel by pixel and extract a directional characteristic by merging a computed directional value by fixed pixels unit. The modified Markov model of each fingerprint class is generated using Markov model which is a stochastic information extraction and a recognition method by extracted directional characteristic. The weight list of classification model of each class is decided by analyzing the state transition matrixes of the generated Markov model of each class and the optimized value which improves the performance of fingerprint classification using GA (Genetic Algorithm) is estimated. The performance of the optimized classification model by GA is superior to the model before the optimization by the experiment result of applying the fingerprint database of various qualities to the optimized model by GA. And the proposed method effectively achieved fingerprint classification to exceptional input conditions because this approach is independent of the existence and nonexistence of singular points by the result of analyzing the fingerprint database which is used to the experiments.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.458-461
• /
• 2004

오존 반응 메카니즘은 상당히 복잡하고 비선형적이기 때문에 오존 농도를 예측하는 것은 상당한 어려움을 안고 있다 따라서, 신뢰성 높은 오존 예측값을 구하는데 단일 예측모델만으로는 한계가 있으며, 이를 개선하기 위하여 다중 모델을 제안하였다. 입력데이터에 퍼지 클러스터링을 사용하여 고, 중, 저농도별로 그룹핑한 후, 그룹핑된 오존농도에 대해서 의사결정 트리를 사용하여 그룹핑된 오존데이터가 어느 정도 분류능력을 갖는지 파악하여, 오차가 가장 적은 분류특성을 갖는 그룹을 설정하여, 다중모델의 입력 데이터로 사용하여 모델을 형성하였다. 의사결정 트리를 이용하여 모델의 입력 데이터를 설정하는 것은 어떤 오존농도까지의 범위를 클래스로 설정하느냐에 따라서 모델의 성능과 고, 중, 저농도의 오존을 분류하는 성능이 달라지므로 본 논문에서는 퍼지 클러스터링을 이용하여 의사결정 트리의 클래스의 범위를 설정하여 예측 시스템을 구현하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.67-70
• /
• 2022

NLP 분야에서 적극 활용되기 시작한 Transformer 모델을 Vision 분야에서 적용하기 시작하면서 object detection과 segmentation 등 각종 분야에서 기존 CNN 기반 모델의 정체된 성능을 극복하며 향상되고 있다. 또한, label 데이터 없이 이미지들로만 자기지도학습을 한 ViT(Vision Transformer) 모델을 통해 이미지에 포함된 여러 중요한 객체의 영역을 검출하는 saliency map을 추출할 수 있게 되었으며, 이로 인해 ViT의 자기지도학습을 통한 object detection과 semantic segmentation 연구가 활발히 진행되고 있다. 본 논문에서는 ViT 모델 뒤에 classifier를 붙인 모델에 일반 학습한 모델과 자기지도학습의 pretrained weight을 사용해서 전이학습한 모델의 시각화를 통해 각 saliency map들을 비교 분석하였다. 이를 통해, 클래스 분류 학습 기반 전이학습이 transformer의 saliency map에 미치는 영향을 확인할 수 있었다.