• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1111-1113
• /
• 2003

In this paper, we investigated a method for feature - based classification to develop software which is suitable to the classification of high resolution satellite imagery . So, we developed related algorithm and designed user interfaces of convenience, considering various elements require for the feature - based classification. The software was tested with eCognition software which is unique commercial software for feature - based classification.

• 한국소프트웨어감정평가학회 논문지
• /
• 제14권1호
• /
• pp.9-17
• /
• 2018

기업과 개인 여러 방면에서 오픈소스 SW의 사용과 중요성은 날이 갈수록 증가하고 있다. 그러나 사용자를 위한 소프트웨어 서비스인 소프트웨어 평가, 추천, 필터링들의 기반 연구인 소프트웨어 분류에 대해서 오픈소스 SW의 특성에 맞게 유연하게 대처하지 못하고 고정된 분류 체계를 사용하고 있다. 본 연구에서는 오픈소스 SW를 대상으로 분류에 대한 조사와 새로운 오픈소스 SW 범주에 대해서 유연하게 대처할 수 있는 머신러닝 기반의 오픈소스 카테고리 분류 모델에 대해 제안한다.

• 대한공간정보학회지
• /
• 제12권2호
• /
• pp.53-59
• /
• 2004

본 연구에서는 고해상도 위성영상의 분류에 적합한 형상 기반 분류 소프트웨어를 개발하기 위한 연구를 수행하였다. 형상 기반 분류에 필요한 영상분할과 퍼지 기반의 분류 알고리즘을 개발하고, 형상 기반 분류에 요구되는 다양한 요소들을 고려하여 사용자와의 원활한 상호작용을 지원하기 위한 사용자 인터페이스를 구현하였다. 개발된 소프트웨어의 성능을 평가하고자 본 연구에서 개발된 소프트웨어와 현재 전 세계적으로 널리 보급되고 있는 형상 기반 분류 관련 상용 소프트웨어인 eCognition을 적용하여 동일한 영상을 시험적으로 처리해 본 결과 유사한 영상 분류결과를 얻을 수 있었다. 영상분할의 경우에는 본 연구에서 개발한 소프트웨어의 처리속도가 우수하였다. 형상 기반 분류를 수행하는 데에는 프로그램과 사용자간의 고도의 상호작용이 요구되므로, 향후에 이를 편리하게 하기 위한 사용자 인터페이스의 보완이 필요하다는 것을 알 수 있었다.

• 한국정보처리학회논문지
• /
• 제3권4호
• /
• pp.855-865
• /
• 1996

본 논문에서는 재사용가능한 소프트웨어 부품의 분류 과정을 자동화하여, 소프트 웨어 부품 라이브러리에 구조적으로 저장하는 방안을 제안한다. 효율적이고 자동화 된 소프트웨어 부품의 분류를 위하여 자연어로 기술된 소프트웨어 부품 설명서로부터 의미 정보와 문장 구성 정보 등의 특징을 획득하여 소프트웨어 부품의 특성을 표현하 는 패싯을 결정하고각각의 패싯에 해당하는 항목들을 자동으로 추출하여 소프트웨어 부품 식별자를 구성하였다. 그리고 분류된 소프트웨어 부품들 사이의 의미 유사도를 측정하여 비슷한 특성을 갖는 소프트웨어 부품들을 인접한 장소에 저장시켜 구조화된 소프트웨어 부품 라이브러리를 구축하였다. 제안한 방법은 소프트웨어 부품의 분류 과정이 간단하고, 유사한 소프트웨어 부품을 쉽게 식별할 수 있었으며, 또한 소프트 웨어 부품을 라이브러리에 구조적으로 저장할 수 있다.

• 정보과학회 논문지
• /
• 제43권12호
• /
• pp.1325-1333
• /
• 2016

소프트웨어 분류 기법은 저작권 침해 탐지, 악성코드의 분류, 소프트웨어 보관소의 소프트웨어 자동분류 등에 활용할 수 있으며, 불법 소프트웨어의 전송을 차단하기 위한 소프트웨어 필터링 시스템에도 활용할 수 있다. 소프트웨어 필터링 시스템에서 유사도 측정을 통해 불법 소프트웨어를 식별할 경우, 소프트웨어 분류를 활용하여 탐색 범위를 축소하면 평균 비교 횟수를 줄일 수 있다. 본 논문은 API 호출 정보와 기계학습을 통한 윈도우즈 실행파일 분류를 연구한다. 다양한 API 호출 정보 정제 방식과 기계학습 알고리즘을 적용하여 실행파일 분류 성능을 평가한다. 실험 결과, PolyKernel을 사용한 SVM (Support Vector Machine)이 가장 높은 성공률을 보였다. API 호출 정보는 바이너리 실행파일에서 추출할 수 있는 정보이며, 기계학습을 적용하여 변조 프로그램을 식별하고 실행파일의 빠른 분류가 가능하다. 그러므로 API 호출 정보와 기계학습에 기반한 소프트웨어 분류는 소프트웨어 필터링 시스템에 활용하기에 적당하다.

• 디지털융복합연구
• /
• 제11권4호
• /
• pp.91-99
• /
• 2013

여러 산업과의 융합이 활발히 진행됨에 따라 전 산업 제품에 탑재된 소프트웨어나 금융, 컨설팅, 서비스 등 지식서비스사업과 소프트웨어 산업의 융복합화로 소프트웨어 산업은 소프트웨어 제품 및 서비스 생산 활동뿐만 아니라 소프트웨어 산업 활용부문까지 포함되어야 하고, 또한 소프트웨어 산업의 급진적 환경변화에 대응하여 모바일, 클라우드 컴퓨팅 등의 영역을 소프트웨어 분류체계 구분 시 포함시킬 방향성 정립이 필요한 시점이다. 본 논문에서는 새롭게 등장하거나 기술, 제품, 서비스 등과 융합된 기술 분류를 정립하고자 소프트웨어 생태계 특성상 분류기준 미포함 영역발굴과 분류체계의 미분화 혹은 체계 간 연계부족 등 분류체계의 불완전 영역을 도출하여 새롭게 나타나는 소프트웨어분야에 대해 확립하고자 한다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제14권2호
• /
• pp.1-9
• /
• 2018

오픈소스를 사용하는 사용자 및 기업의 비중이 지속적으로 증가하고 있다. 국외뿐만 아니라 국내에서의 오픈소스 소프트웨어 시장 규모가 급격하게 성장하고 있다. 하지만 오픈소스 소프트웨어의 지속적인 발전에 비해서, 오픈소스 소프트웨어 주제 분류에 대한 연구 거의 이루어지지 않고 있으며 소프트웨어의 분류 체계 또한 구체화되어 있지 않다. 현재는 사용자가 주제를 직접 입력하거나 태깅하는 방식을 사용하고 있으며 이에 따른 오 분류 및 번거로움이 존재한다. 또한 오픈소스 소프트웨어 분류에 대한 연구는 오픈소스 소프트웨어 평가, 추천, 필터링등의 기반 연구로 이용될 수 있다. 따라서 본 연구에서는 머신러닝 모델을 사용하여 오픈소스 소프트웨어를 분류하는 기법에 대하여 제안하고, 머신러닝 모델 별 성능 비교를 제안한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권4호
• /
• pp.219-226
• /
• 2013

특징 선택은 기계 학습 및 패턴 인식 분야에서 중요한 이슈 중 하나로, 분류 정확도를 향상시키기 위해 원본 데이터가 주어졌을 때 가장 좋은 성능을 보여줄 수 있는 데이터의 부분집합을 찾아내는 방법이다. 즉, 분류기의 분류 목적에 가장 밀접하게 연관되어 있는 특징들만을 추출하여 새로운 데이터를 생성하는 것이다. 본 논문에서는 소프트웨어 재사용의 성공 요인과 실패 요인에 대한 분류 정확도를 향상시키기 위해 특징 부분 집합을 찾는 실험을 하였다. 그리고 기존 연구들과 비교 분석한 결과 본 논문에서 찾은 특징 부분 집합으로 분류했을 때 가장 좋은 분류 정확도를 보임을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권4호
• /
• pp.1275-1292
• /
• 2021

As a fine-grained classification problem, aspect-level sentiment classification predicts the sentiment polarity for different aspects in context. To address this issue, researchers have widely used attention mechanisms to abstract the relationship between context and aspects. Still, it is difficult to effectively obtain a more profound semantic representation, and the strong correlation between local context features and the aspect-based sentiment is rarely considered. In this paper, a hybrid attention capsule network for aspect-level sentiment classification (ABASCap) was proposed. In this model, the multi-head self-attention was improved, and a context mask mechanism based on adjustable context window was proposed, so as to effectively obtain the internal association between aspects and context. Moreover, the dynamic routing algorithm and activation function in capsule network were optimized to meet the task requirements. Finally, sufficient experiments were conducted on three benchmark datasets in different domains. Compared with other baseline models, ABASCap achieved better classification results, and outperformed the state-of-the-art methods in this task after incorporating pre-training BERT.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4028-4042
• /
• 2021

Aiming at the problem of software defect prediction difficulty caused by insufficient software defect marker samples and unbalanced classification, a semi-supervised software defect prediction model based on a tri-training algorithm was proposed by combining feature normalization, over-sampling technology, and a Tri-training algorithm. First, the feature normalization method is used to smooth the feature data to eliminate the influence of too large or too small feature values on the model's classification performance. Secondly, the oversampling method is used to expand and sample the data, which solves the unbalanced classification of labelled samples. Finally, the Tri-training algorithm performs machine learning on the training samples and establishes a defect prediction model. The novelty of this model is that it can effectively combine feature normalization, oversampling techniques, and the Tri-training algorithm to solve both the under-labelled sample and class imbalance problems. Simulation experiments using the NASA software defect prediction dataset show that the proposed method outperforms four existing supervised and semi-supervised learning in terms of Precision, Recall, and F-Measure values.