• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.571-573
• /
• 2009

이동 애드혹 네트워크(MANET)는 무선네트워크에서 노드들이 제한적인 에너지를 가지고 있기 때문에 보다 효율적인 노드의 관리가 요구 된다. 이러한 MANET에서는 정적인 네트워크에 비해 토폴로지가 자주 변하므로 이동성을 고려한 에너지 효율적인 라우팅 프로토콜이 요구된다. 기존에 제안 된 CACH(Context-aware Adaptive Clustering Hierarchy)[1]는 하이브리드 라우팅 방식을 분산 클러스터링 기반으로 구성하여 네트워크 수명을 연장하고 지연시간을 감소하였다. 하지만 노드의 밀도증가를 효율적으로 알고리즘에 적용하지 못한 문제점이 있다. 이를 보완하기 위해 본 논문에서는, CACHE(Context-aware Adaptive Clustering Hierarchy and Energy efficient)를 제안한다. CACHE는 노드 밀도 변경에 대해 적응적으로 알고리즘을 적용할 수 있도록 클러스터 구성을 수정하여, CACH가 갖는 노드 밀도 문제를 개선하였다.

• 한국멀티미디어학회논문지
• /
• 제23권3호
• /
• pp.447-459
• /
• 2020

The Internet of Things(IoT) paradigm is flourishing strenuously for the last two decades. Researchers around the globe have their dreams to transmute every real-world object to the virtual object. Consequently, IoT devices are escalating exponentially. The abrupt evolution of these IoT devices has caused a major challenge i.e. object classification. In order to classify devices comprehensively and accurately, this paper proposes a context-aware based multi-classification model for devices, which classifies the smart devices according to people's contexts. However, the classification features of contextual data of different contexts are difficult to extract. The deep learning algorithm has the capability to solve this problem. This paper proposes a context-aware based multi-classification model of devices, which classifies the smart devices according to people's contexts.

• 인터넷정보학회논문지
• /
• 제8권5호
• /
• pp.81-89
• /
• 2007

유비쿼터스 기술의 성장으로 사용자의 상황을 자동으로 인지하여 유용한 서비스를 제공해주는 상황 인식 추천 서비스가 요구되기 시작하였다. 그러나 기존의 상황 인식 추천 서비스는 상황에 따른 추천 정보를 개념 수준의 변화 없이 일관된 개념 수준의 정보만을 제공하였다. 그러므로 추천된 정보가 사용자의 현재 상황에서 처리하기 어려운 수준의 정보로 제공되어 사용자가 원하는 정보를 찾고 목적을 달성하기 위해서는 상당한 노력과 시간을 소요하게 되었다. 본 논문에서는 온톨로지의 개념 계층 모델을 이용하여 사용자의 상황에 맞는 정보의 수준을 결정하고 정보를 추천하는 상황 인식 추천 시스템(OCARCH)을 제안한다. 그리고 기존의 상황 인식 추천 서비스와의 비교 실험을 통해 본 논문에서 제시한 개념 계층 모델을 이용한 상황 인식 추천 시스템이 더 뛰어난 성능을 보임을 증명한다.

• 한국정보통신학회논문지
• /
• 제12권6호
• /
• pp.1120-1127
• /
• 2008

본 논문은 UWB 센서를 이용한 위치인식 시스템의 구현 및 실험결과와 상황인지형 서비스 구현에 대하여 기술한다. 정확한 위치측정을 위해 UWB 센서의 경사도(pitch), 편주(yaw), 센서 개수, tag 높이 등의 변화에 따른 위치인식 오차를 측정하여 각 변수의 설정 방법을 실험하였다. 이를 이용한 응용으로 상황인지 기술에 바탕한 지능형 헬스트레이닝 관리 시스템 구현하였다. 지능형 헬스 트레이닝 관리 시스템은 헬스장에서 피 훈련자의 위치와 장비의 사용 상태를 인식하여, 적절한 훈련 스케줄을 피 훈련자에게 제공하며, 그에 따른 훈련 장비들의 사용법을 PDA를 통해 안내한다. 상황인지형 서비스의 제공을 위해서는 사용자의 위치와 이동 정보에 대한 오차 보정이 요구되어 사용자의 이동하는 속도를 이용한 위치 보정 알고리즘을 제안하였다. 실험 결과는 제안된 보정 알고리즘을 적용함으로써 이 알고리즘이 적용하지 않았을 때에 비해 오류 데이터가 30% 정도 감소하였다.

• 디지털산업정보학회논문지
• /
• 제6권1호
• /
• pp.143-149
• /
• 2010

In ubiquitous environment, information retrieval using collaborative filtering is a popular technique for reducing information overload. Collaborative filtering systems can produce personal recommendations by computing the similarity between your preference and the one of other people. We integrate the collaboration filtering method and context-aware information retrieval method. The proposed method enables to find some relevant information to specific user's contexts. It aims to makes more effective information retrieval to the users. The proposed method is conceptually comprised of two main tasks. The first task is to tag context tags by automatic tagging technique. The second task is to recommend items for each user's contexts integrating collaborative filtering and information retrieval. We describe a new integration method algorithm and then present a u-commerce application prototype.

• 전자공학회논문지CI
• /
• 제47권1호
• /
• pp.104-115
• /
• 2010

유비쿼터스 기술의 보편화에 따라 유비쿼터스 환경의 보안 취약성을 해결하기 위한 보안기술의 연구가 주목받고 있다. 그러나 현재의 대다수 보안 시스템은 고정된 규칙을 기반으로 하는 것으로서, 유비쿼터스 기반 사용자의 다양한 상황에 제대로 대응하지 못하는 문제점이 있다. 또한 기존의 상황인식 보안 연구는 ACL (Access Control List) 혹은 RBAC (Role-Based Access Control) 계열의 연구가 많이 수행되고 있으나 보안정책의 관리에 대한 오버헤드가 크고, 또한 예상하지 못한 상황에 대한 대응이 어렵다는 문제점을 보이고 있다. 이에 본 논문에서는 퍼지 알고리즘과 MAUT를 이용하여 다양한 상황을 인식하고 적절한 보안기능을 제공하는 상황인식 보안 서비스를 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.383-403
• /
• 2021

With the development of mobile edge computing (MEC), some late-model application technologies, such as self-driving, augmented reality (AR) and traffic perception, emerge as the times require. Nevertheless, the high-latency and low-reliability of the traditional cloud computing solutions are difficult to meet the requirement of growing smart cars (SCs) with computing-intensive applications. Hence, this paper studies an efficient offloading decision and resource allocation scheme in collaborative vehicular edge computing networks with multiple SCs and multiple MEC servers to reduce latency. To solve this problem with effect, we propose a context-aware offloading strategy based on differential evolution algorithm (DE) by considering vehicle mobility, roadside units (RSUs) coverage, vehicle priority. On this basis, an autoregressive integrated moving average (ARIMA) model is employed to predict idle computing resources according to the base station traffic in different periods. Simulation results demonstrate that the practical performance of the context-aware vehicular task offloading (CAVTO) optimization scheme could reduce the system delay significantly.

• 인터넷정보학회논문지
• /
• 제8권5호
• /
• pp.99-108
• /
• 2007

온톨로지를 이용한 상황인식 시스템은 추론엔진의 도움을 받아 상황을 추론할 수 있다. 추론엔진의 도움을 받고, 추론규칙 문법에 맞는 추론규칙을 작성함으로써 기존 상황인식 시스템이 가진 추론의 모호성을 해결할 수 있다. 또한 추론 알고리즘을 프로그램으로부터 배제함으로써 새로운 상황에 보다 쉽게 적용할 수 있는 장점을 가진다. 본 논문에서는 온톨로지를 이용한 상황인식 시스템을 제안한다. 또한 온톨로지를 이용한 상황인식 시스템의 효용성을 확인하기 위해 가정을 대상으로 한 구현과 실험을 실시하였다.

• 제어로봇시스템학회논문지
• /
• 제16권12호
• /
• pp.1159-1166
• /
• 2010

Today, detecting the location of moving object has been traced as various methods in our world. In this paper, we preset the system to improve the estimation accuracy utilizing detail localization using radar sensor based on WSN and situational awareness for a calibration (context aware) database, Rail concept. A variety of existing location tracking method has a problem with receiving of data and accuracy as tracking methodology, and since these located data are the only data to be collected for location tracing, the context aware or monitering as the surrounding environment is limited. So, in this paper, we enhanced the distance aware accuracy using radar sensor utilizing the Doppler effect among the distance measuring method, estimated the location using the Triangulation algorithm. Also, since we composed the environment data(temperature, illuminancem, humidity, noise) to entry of the database, it can be utilized in location-based service according to the later action information inference and positive context decision. In order to verify the validity of the suggested method, we give a few random situation and built test bed of designed node, and over the various test we proved the utilizing the context information through route tracking of moving and data processing.

• Journal of Electrical Engineering and Technology
• /
• 제7권1호
• /
• pp.115-123
• /
• 2012

A video analysis system used to detect events in video streams generally has several processes, including object detection, object trajectories analysis, and recognition of the trajectories by comparison with an a priori trained model. However, these processes do not work well in a complex environment that has many occlusions, mirror effects, and/or shadow effects. We propose a new approach to a context-aware video surveillance system to detect predefined contexts in video streams. The proposed system consists of two modules: a feature extractor and a context recognizer. The feature extractor calculates the moving energy that represents the amount of moving objects in a video stream and the stationary energy that represents the amount of still objects in a video stream. We represent situations and events as motion changes and stationary energy in video streams. The context recognizer determines whether predefined contexts are included in video streams using the extracted moving and stationary energies from a feature extractor. To train each context model and recognize predefined contexts in video streams, we propose and use a new ensemble classifier based on the AdaBoost algorithm, DAdaBoost, which is one of the most famous ensemble classifier algorithms. Our proposed approach is expected to be a robust method in more complex environments that have a mirror effect and/or a shadow effect.