• 정보처리학회논문지D
• /
• 제15D권4호
• /
• pp.531-540
• /
• 2008

적응적 랜덤 테스팅 (Adaptive Random Testing, ART)은 입력 도메인 내에 테스트 케이스를 넓고 고르게 분산시키는 방법을 통해 입력 도메인 내에 존재하는 오류 패턴을 순수 랜덤 테스팅 (Random Testing, RT)보다 효율적으로 찾아내기 위한 테스트 케이스 선택 기법이다. 테스트 케이스 선택에 많은 연산량을 필요로 하는 초기 ART 기법인 거리 기반 ART (Distance-based ART, D-ART)와 제한 영역 기반 ART (Restricted Random Testing, RRT)의 개선을 위해 입력 도메인을 반복 분할하는 기법들이 제안되었고, 이 기법들은 낮은 연산량 및 성능 향상등의 효과를 가져왔다. 하지만, 입력 도메인 반복 분할 기반 기법에서도 기존 ART 기법에서 나타나는 테스트 케이스 분포 불균일 문제가 존재하고, 이는 기법의 확장성에 장애 요소로 작용한다. 따라서 본 논문에서는 반복 분할 기반 기법에서 나타나는 테스트 케이스 분포의 특성을 파악하고, 이를 적정 수준으로 제어하기 위한 입력 도메인 확장 정책을 제안하였으며, 실험을 통해 2차원 입력 도메인에서 3%, 3차원 입력 도메인에서 10% 수준의 성능 향상을 확인하였다.

• 전자공학회논문지CI
• /
• 제45권5호
• /
• pp.180-191
• /
• 2008

적응적 랜덤 테스팅 (Adaptive Random Testing, ART)은 입력 도메인 내의 오류 패턴을 순수 랜덤 테스팅 (Random Testing, RT)보다 좋은 효율로 찾아내기 위해 고안된 테스트 케이스 선택 알고리즘이다. 대표적인 ART 기법인 거리 기반 ART (Distance-based ART, D-ART)와 제한 영역 기반 ART (Restricted Random Testing, RRT) 둥은 좋은 성능을 보이기는 하지만, 테스트 케이스 선택에 필요한 많은 양의 거리 계산으로 인한 느린 테스트 케이스 생성과 거리 기반 방식의 사용으로 인한 테스트 케이스 분포의 불균일성이라는 단점을 가진다. 반복 분할 기반 ART (ART through Iterative Partitioning, IP-ART)는 입력 도메인을 반복 분할하는 방식을 통해 D-ART와 RRT가 가진 계산 부하를 크게 감소시켰다. 하지만 IP-ART의 경우에도 테스트 케이스 분포 문제는 여전히 존재하여 기법의 확장 적용에 대한 장애 요소로 작용하고 있다. 따라서 본 논문에서는 이와 같은 IP-ART의 단점 완화 및 성능 개선을 위한 방법을 제안하고, 실험을 통해 평균 9% 정도의 성능 향상을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 추계학술발표대회
• /
• pp.315-318
• /
• 2007

랜덤 테스트(RT)는 가능한 입력 도메인에서 임의의 입력 값을 선택하여 테스트 케이스를 생성하고 테스트를 수행하는 기본적인 블랙 박스 테스트 기법이다. 랜덤 테스트의 성능을 향상 시키기 위해서 오류 패턴을 고려한 다양한 Adaptive Random Testing (ART) 알고리즘들이 제안되어 왔다. 그 중 Distance-Based ART (D-ART), Restricted Random Testing (RRT)이 좋은 성능을 보이고 있지만, 수행시간이 너무 느리다는 단점이 있어, 이를 대체할 수 있는 여러 ART 방법들이 제안되고 있다. 그 중, Adaptive Random Testing through Iterative Partitioning (IP-ART)가 가장 좋은 성능과 빠른 수행시간을 보인다. 본 논문에서는 IP-ART 의 성능을 더욱 향상시킬 수 있는 방법을 제안하고, 시뮬레이션을 통하여 향상된 성능을 평가해 보았다.

• 한국시뮬레이션학회논문지
• /
• 제20권3호
• /
• pp.19-28
• /
• 2011

적응적 랜덤 테스팅(ART)은 순수 랜덤 테스팅의 효율성을 개선하기 위해 제안된 방법으로 효과적인 테스트 케이스의 선택을 통해 보다 적은 수의 테스트 케이스로 소프트웨어 내에 존재하는 오류 영역을 찾는 것을 목적으로 한다. 기존의 ART는 하나의 시스템 혹은 유닛에 대한 테스트를 적용 대상으로 하고 있으며, 다양한 접근 방법을 이용해 순수 랜덤 테스팅보다 우수한 성능을 보여 왔다. 하지만 통합 시스템을 구성하는 특정 유닛에 대해 ART를 적용하고자 하는 경우에는 시스템을 구성하는 타 유닛들의 영향으로 인해 기대 이하의 효율성을 보이게 된다. 따라서 본 논문에서는 이와 같은 테스트 환경 대한 ART 적용방법의 하나로, 테스트 대상 유닛에 부여되는 입력 데이터의 분포를 통합 시스템에 대한 제한된 수의 입력을 사용하여 예측하고, 이를 바탕으로 시스템의 입력 도메인 분할 크기를 조절하는 방법을 제안하고 시뮬레이션을 통해 성능을 평가한다. 시뮬레이션 결과, 제안된 방법은 유닛 테스팅에 ART를 적용했을 때와 유사한 수준의 성능으로 통합 시스템 내의 특정 유닛을 테스트 가능하도록 하며, 오류 비율의 변화가 ART의 성능에 미치는 영향 또한 1% 이내 수준으로 안정임을 확인하였다.

• 한국정보기술응용학회:학술대회논문집
• /
• 한국정보기술응용학회 2007년도 추계 국제학술대회
• /
• pp.138-138
• /
• 2007

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권6호
• /
• pp.451-461
• /
• 2009

적응적 랜덤 테스팅(Adaptive Random Testing, ART)은 테스트 케이스의 효율적인 선택을 통해 순수 랜덤 테스팅(Random Testing, RT)보다 더 적은 수의 테스트 케이스를 이용해 입력 도메인 내의 오류를 찾는 것을 목적으로 한다. ART 기법 중 하나인 입력 도메인 반복 분할 기법(ART through Iterative Partitioning, IP-ART)은 초기 ART 기법의 단점인 많은 연산량을 입력 도메인 분할에 의해 효율적으로 개선되도록 하였으며, 입력 도메인 확장을 이용한 IP-ART(IP-ART with Enlarged Input Domain, EIP-ART)는 IP-ART의 테스트 케이스 분포 특징을 이용하여 추가적인 성능 향상과 확장성을 제공하였다. 하지만 EIP-ART는 입력 도메인 확장에 따라 발생하는 부하로 인해 테스트 케이스 생성에 오랜 시간을 요구하기 때문에 이의 개선이 필요하다. 따라서 본 논문에서는 두 가지의 추가 부하를 유발하지 않는 테스트 케이스 분포 조절 기법을 제안하고, 이들의 성능 개선 가능성을 실험을 통해 확인하였으며, 실험 결과, 제안된 두 기법 중 입력 도메인 타일링 기법이 모든 환경에서 더 우수한 성능 및 확장성을 갖는 것으로 확인되었다.

• 전자공학회논문지CI
• /
• 제46권3호
• /
• pp.64-76
• /
• 2009

적응적 랜덤 테스팅 (Adaptive Random Testing, ART) 기법 중 입력 도메인 반복 분할을 이용한 기법(ART through Iterative Partitioning, IP-ART)은 초기 ART 기법이 가지는 단점인 많은 거리 연산량을 입력 도메인 반복 분할 기법을 이용해 효율적으로 개선하였다. 또한 입력 도메인 확장을 이용한 IP-ART 기법(IP-ART with Enlarged Input Domain, EIP-ART)은 IP-ART가 가지는 특징을 효과적으로 이용해 IP-ART에서 보이는 테스트 케이스 분포 불균일 현상을 완화시켰으며, 다양한 환경에서 좋은 성능을 보인다. 하지만 EIP-ART는 입력 도메인 확장에 의해 발생되는 부수적인 부하로 인해 테스트 케이스 선택이 지연된다는 단점을 가진다. 이에 따라 본 논문에서는 입력 도메인의 확장 없이, IP-ART의 변화를 통한 성능 개선가능성 확인을 위해 테스트 케이스 분포에 영향을 줄 수 있는 세 가지 조건을 정의하고 이들 각각이 기법에 미치는 영향을 평가하였으며, 실험을 통해 정의된 세 가지 조건 중 제한 영역 관리 조건이 기법의 성능에 가장 긍정적인 영향을 주는 것을 확인하였다.

• Communications for Statistical Applications and Methods
• /
• 제29권6호
• /
• pp.655-664
• /
• 2022

On the motivation by an integrative study of multi-omics data, we are interested in estimating the structure of the sparse cross correlation matrix of two high-dimensional random vectors. We rewrite the problem as a multiple testing problem and propose a new method to estimate the sparse structure of the cross correlation matrix. To do so, we test the correlation coefficients simultaneously and threshold the correlation coefficients by controlling FRD at a predetermined level α. Further, we apply the proposed method and an alternative adaptive thresholding procedure by Cai and Liu (2016) to the integrative analysis of the protein expression data (X) and the mRNA expression data (Y) in TCGA breast cancer cohort. By varying the FDR level α, we show that the new procedure is consistently more efficient in estimating the sparse structure of cross correlation matrix than the alternative one.

• Journal of information and communication convergence engineering
• /
• 제15권3호
• /
• pp.187-192
• /
• 2017

Autonomous driving vehicle research demands complex road and lane understanding such as lane departure warning, adaptive cruise control, lane keeping and centering, lane change and turn assist, and driving under complex road conditions. A fast and robust road lane detection subsystem is a basic but important building block for this type of research. In this paper, we propose a method that performs road lane detection from black box input. The proposed system applies Random Sample Consensus to find the best model of road lanes passing through divided regions of the input image under HSV color model. HSV color model is chosen since it explicitly separates chromaticity and luminosity and the narrower hue distribution greatly assists in later segmentation of the frames by limiting color saturation. The implemented method was successful in lane detection on real world on-board testing, exhibiting 86.21% accuracy with 4.3% standard deviation in real time.

• 방송공학회논문지
• /
• 제22권3호
• /
• pp.282-294
• /
• 2017

본 논문에서는 차량이 움직일 때 발생하는 카메라의 움직임, 도로상의 광원에 강건한 지능형 전조등 제어 시스템을 제안한다. 후보광원을 검출할 때 카메라의 원근 범위 추정 모델을 기반으로 한 ROI (Region of Interest)를 사용하며 이는 FROI (Front ROI)와 BROI (Back ROI)로 나뉘어 사용된다. ROI내에서 차량의 전조등과 후미등, 반사광 및 주변 도로의 조명들은 2개의 적응적 임계값에 의해 세그먼트화 된다. 세그먼트화 된 광원 후보군들로부터 후미등은 적색도(redness)와 Haar-like특징에 기반한 랜덤포레스트 분류기에 의해 검출된다. 전조등과 후미등 분류 과정에서 빠른 학습과 실시간 처리를 위해 SVM(Support Vector Machine) 또는 CNN(Convolutional Neural Network)을 사용하지 않고 랜덤포레스트 분류기를 사용했다. 마지막으로 페어링(Pairing) 단계에서는 수직좌표 유사성, 광원들간의 연관성 검사와 같은 사전 정의된 규칙을 적용한다. 제안된 알고리즘은 다양한 야간 운전환경을 포함하는 데이터에 적용한 결과, 최근의 관련연구 보다 향상된 검출 성능을 보여주었다.