본 논문에서는 보행자에 장착된 카메라로부터 입력된 자연영상에서의 구조적 패턴 변화에 강인한 적응적인 보도 영역 검출 기법을 제안한 다. 제안하는 방법에서는 다양한 패턴을 가지는 보도 환경에서 안정적으로 보도 영역을 분할하기 위해 첫 번째 단계에서는 소실점에 기반하는 VRay를 이용한 방사형 영역 분할법을 통해 보도의 경계선을 검출하여 보도의 후보영역을 분리하며, 두 번째 단계에서는 분리된 후보영역 내에 서의 시드 영역 확장법(SRG)을 개선한 적응적 다중 시드 영역 확장법(A-MSRG)를 통해 구조적 패턴이 반복되는 보도 영역을 실시간으로 검 출하는 방법을 수행한다. 성능평가를 위해 제안된 방사형 영역 분할법과 A-MSRG와의 결합에 의한 영역 검출 결과의 효율성을 측정한다. 기존 의 SRG, MSRG 방법과의 비교 수행을 통해 제안된 방법의 타당성을 입증하였다.

복수객체의 윤곽추출을 위해 스네이크를 분리하고 연결하는 대표적인 방법이 스네이크 포인트의 거리를 이용한 최소거리방법이다. 이 방법 은 객체 위상에 따라 스네이크를 분리하지 못하는 경우가 발생한다. 본 논문에서는 스네이크를 분리하지 못하는 경우를 실험적으로 증명하고 스네이크 세그먼트의 벡터를 이용한 새로운 방법이 스네이크를 성공적으로 분리 및 연결함을 실험적으로 보임으로써 최소거리방법의 문제점을 해결하였다. 하나의 영상 안에 3개 및 5개 객체가 있는 실험영상에 실험을 하여 제안한 방법이 우수하다는 것을 보여준다.

본 논문에서는 초음파센서와 버튼들로 구성된 초음파 단말기와 카메라 센서를 융합한 시각 장애인들을 위한 사물 감지 기술을 소개한다. 초 음파 단말기의 초음파센서로 4m 이내의 사물을 감지하면 웹캠으로 사물을 촬영하고 얼굴검출과정을 통해 그 사물이 장애물인지 사람인지 구별 한다. 검출결과를 음성으로 사용자에게 이어폰을 통하여 알려준다. 본 논문에서 개발된 기술을 통하여 시각장애인이 흰 지팡이와 같이 보조적으로 사용이 가능하며, 좀 더 보완한다면 흰 지팡이의 대체품으로 사용이 가능할 것이다. 검출 범위는 사용자가 착용 시 3m내에서 사람이나 사 물인식 실험 결과 약 88%이상의 인식률을 나타내었다.

소비자 행동이론에 따르면 사람의 성향은 향상초점과 예방초점이라는 두 가지 조절초점 유형으로 나누어지며, 이 두 가지 성향은 다양한 영 역에 있어서 소비자의 의사결정에 많은 영향을 미치는 것으로 알려져 있다. 본 연구에서는 개인화 추천에서 Cold Start 문제의 최소화 및 추천 알고리즘 성능 개선을 위하여 조절초점이론을 적용한다. 이를 위하여, 웹쇼핑 로그로부터 소비자 별 행동변수, 정보탐색활동성 지수를 추출하고 이를 활용한 소비자 조절초점성향 분류 방법을 제안한다. 본 연구는 사회과학/IT 융합 연구로서 소비자행동 이론의 시스템화 가능성을 입증하 였다는 점에 있어서 의의를 지니며, 향후 다양한 분야의 이론들을 적용한 IT 서비스에 대한 연구로 확장하고자 한다.

웹 문서 정보 서비스는 관리자의 효율적 문서관리와 사용자의 문서검색 편의성을 위해 문서 분류 시스템을 필요로 한다. 기존의 문서 분류 시스템은 분류하고자 하는 문서 내 선택된 자질어의 개수가 적거나, 특정 범주의 문서 비율이 높아 그 범주에서 대부분의 자질어가 선택되어 모델이 생성된 경우 분류 정확도가 저하되는 문제점을 가진다. 이러한 문제점을 해결하기 위해 본 논문에서는 ``Modified ECCD`` 기법 및 ``문서 별 범주 가중치`` 특징 변수를 사용한 문서 분류 시스템을 제안한다. 실험 결과, 제안 방법인 ``Modified ECCD`` 기법이  및 ECCD 기법에 비해 높은 분류 성능을 보였으며, ``문서별 범주 가중치`` 특징 변수를 ``Modified ECCD`` 기법으로 선택된 자질어 변수에 추가하여 학습하였을 경우에 더 높은 분류 성능을 보였다.

정보검색 분야에서 벡터 모델, 문서 클러스터링 등은 입력 문서 개수가 증가할수록 유사도 계산 속도가 시스템의 성능에 많은 영향을 미치 고 있다. 본 논문에서는 문서 유사도 계산 성능을 향상시키기 위하여 유사도를 계산하는 연산을 CPU 대신에 GPU를 이용하는 CUDA 프레임 워크에서 병렬처리 기법으로 구현하는 방법을 제안하였다. 이 방법은 보편적인 방식인 CPU 환경에서 구현했을 때와 비교할 때 최대 15배까지 성능이 향상되었다. 또한, 기존의 CUDA 라이브러리인 CUBLAS와 Thrust를 사용한 방법보다도 각각 5.2배, 3.4배의 성능 개선 효과가 있음을 확인하였다.