http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
소스코드 주제를 이용한 인공신경망 기반 경고 분류 방법
이정빈,Lee, Jung-Been 한국정보처리학회 2020 정보처리학회논문지. 컴퓨터 및 통신시스템 Vol.9 No.11
자동화된 정적분석 도구는 소스 코드상에 잠재된 결함을 개발자들이 적은 노력으로 빠르게 찾을 수 있도록 도와준다. 하지만 이러한 정적분석 도구는 수정할 필요가 없는 오탐지 경고들을 무수하게 발생시킨다. 본 연구에서는 소스코드 블록의 토픽 모델을 이용한 인공신경망 기반의 경고 분류 기법을 제안한다. 소프트웨어 변경 관리 시스템으로부터 버그를 수정한 리비전들을 수집하고, 개발자들로부터 수정된 코드 블록들을 추출한다. 토픽 모델링을 이용하여 수집된 코드 블록의 토픽 분포 값을 구하고, 코드 블록의 리비전 간 경고들의 삭제 여부를 표현하는 이진데이터를 인공신경망의 입력 값과 출력 값으로 사용하여 심층 학습을 수행한다. 그 결과, 인공신경망 기반의 분류 모델이 높은 예측 성능으로 진성 또는 오탐지 경고를 분류하였다. Automatic Static Analysis Tools help developers to quickly find potential defects in source code with less effort. However, the tools reports a large number of false positive warnings which do not have to fix. In our study, we proposed an artificial neural network-based warning classification method using topic models of source code blocks. We collect revisions for fixing bugs from software change management (SCM) system and extract code blocks modified by developers. In deep learning stage, topic distribution values of the code blocks and the binary data that present the warning removal in the blocks are used as input and target data in an simple artificial neural network, respectively. In our experimental results, our warning classification model based on neural network shows very high performance to predict label of warnings such as true or false positive.
Bayesian Belief Network를 이용한 아키텍처 전술 품질 평가 방법
이정빈 ( Jung-been Lee ),이동현 ( Dong-hyun Lee ),김능회 ( Neung-hoe Kim ),인호 ( Hoh Peter In ) 한국정보처리학회 2010 한국정보처리학회 학술대회논문집 Vol.17 No.2
소프트웨어 아키텍처는 소프트웨어의 품질에 지대한 영향을 미치는 요소 중 하나이다. 소프트웨어 개발 생명주기 초기에 아키텍처를 분석하고 평가하지 않으면, 점점 품질결함을 발견하고 수정하는 비용이 증가한다. 기존 소프트웨어 아키텍처 분석 및 평가 방법은 아키텍처라는 상당히 추상화된 수준에서 분석 및 평가가 이루어지기 때문에 평가기준이 주관적이며, 선택된 아키텍처 후보들만으로 서로에게 미치는 품질속성의 영향을 파악하기 힘들다. 따라서 품질 속성 시나리오나 아키텍처 전략을 구현하기 위한 세부적인 아키텍처 전술들의 품질평가가 필요하다. 본 연구는 이러한 아키텍처 전술의 품질 평가를 위해, Q-SIG(Quantified Softgoal Interdependency Graph)을 이용한 품질속성과 이를 달성하기 위한 아키텍처 전술의 관계를 정성적, 정량적으로 표현한다. 또한 Bayesian Belief Network(BBN) 모델 구축을 통해 Q-SIG에서 표현할 수 없는 다수의 품질속성을 만족하는 아키텍처 전술들 간의 조합에 대해 분석하고, 평가하여 아키텍트가 소프트웨어 디자인 단계에서 높은 품질속성을 달성할 수 있는 아키텍처 전술들의 조합을 선택할 수 있는 방법을 제시한다.
이정빈(Lee, Jeong-Bin) 역사학회 2015 역사학보 Vol.0 No.225
The existing body of literature has noted that the negotiation in 607 had been instrumental for the outbreak of Goguryo-Sui War in 612. Sui was alert to the strategic alignment between Goguryo and Eastern Turks. In conjunction with its own assessment that Goguryo posed a potential threat to its security, Sui apparently figured out that Goguryo’s attack on Sui was imminent. Such conventional wisdom, however, neglects Eastern Turks’ foreign relations and thus warrants reconsideration. Eastern Turk in 607 was totally subordinate to Sui. Eastern Turks were in needs for Sui’s support, in order to compete against Western Turks and Tiele(鐵勒). Accordingly, in order not to jeopardize its relations with Sui, Eastern Turks informed the Sui of Goguryo’s attempts to open negotiations. It suggests that Sui needed not to be overly concerned with the alignment between Goguryo and Eastern Turks. In 607, Goguryo increasingly became wary of Sui. Emperor Yang(煬帝) asked Peiju(裴矩) to collect military information about Goguryo who then wrote Goryeopoongsok(??高麗風俗』). In 607, Emperor Yang conducted an inspection tour around its northern territories, and tried to win over tribes and states under the Goguryo’s influence. From Goguryo’s perspective, Emperor’s such inspection tour was a real threat. Under such context, Goguryo may not have expected forming a military alliance with Eastern Turks, but probably tried to avoid conflictual relations with them. More specifically, Goguryo was thought to have attempted stabilizing Western frontiers through developing relations with Eastern Turks.
단보 : 웹 기반 농업생산환경 모니터링 시스템 시범구축 및 성능평가
이정빈 ( Jung Bin Lee ),김정현 ( Jeong Hyun Kim ),박용남 ( Yong Nam Park ),홍석영 ( Suk Young Hong ),허준 ( Joon Heo ) 대한원격탐사학회 2015 大韓遠隔探査學會誌 Vol.31 No.5
미국, 유럽 등 해외 선진국에서는 농업생산환경 모니터링 시스템을 구축하여 작물 생산량 예측, 기상 변화 및 이상치 관측, 작물 재배지 분류 및 면적 산정 등 작물 생산에 영향을 주는 요인에 대한 정보 취득과 분석에 활용하고 있다. 이러한 시스템은 오픈소스 및 상용소프트웨어를 활용한 웹 기반 시스템이며 원격 탐사자료를 활용한 다양한 정보 제공이 이루어진다. 본 연구에서는 농업생산환경 모니터링을 위하여 널리 활용되고 있는 GeoServer, ArcGIS Server를 이용하여 Map Server 및 Web Application Server가 구성되었으며 응답시간 및 데이터 전송량 평가를 통하여 향후 농업생산환경 모니터링을 위한 시스템 구성과 이에대한 성능평가를 진행하였다. 동일한 조건에서 구축된 시스템은 응답시간 및 초당 데이터전송량에서 GeoServer가 상대적으로 우수한 결과를 나타내었다. In developed countries such as USA and Europe, agricultural monitoring system is developed and utilized in various fields in order to predict crop yield, observe weather conditions and anomaly, categorize crop fields, and calculate areas for each crop. These system is Web Map Service(WMS) which utilizes open source and commercial softwares, and various information collected from remote sensing data are provided. This study will utilize tools such as GeoServer, ArcGIS Server, which are widely used to monitor agricultural production, to publish Map Server and Web Application Server. This enables performance test study for future agricultural production monitoring system by making use of response time and data transfer test. When tested in identical condition GeoServer showed a better result in response time and data transfer for performance test.
Landsat TM 영상을 이용한 교목연령 추정에 영향을 주는 영상 밴드 및 식생지수에 관한 연구
이정빈 ( Jung Bin Lee ),허준 ( Joon Heo ),손홍규 ( Hong Gyoo Sohn ) 大韓遠隔探査學會 2008 大韓遠隔探査學會誌 Vol.24 No.6
본 논문은 Landsat TM 영상을 활용하여 교목연령 추정과 이와 관련이 있는 영상의 밴드값과 식생지수에 대한 상관관계 연구를 수행하였다. 기본적으로 본 연구에서는 취득시기가 다른 Landsat TM 영상 (1990, 1994, 1998년)과 Shuttle Radar Topography Mission (SRTM)과 National Elevation Dataset (NED) 영상의 차분영상이 사용되었으며 밴드 4, 5, 7 영상, 태슬모자형 변환을 통한 녹색식생지수, 토양수분지수 영상, 정규식생지수 (NDVI), 적외선지수 (II), 식생상태지수 (VCI), 토양보정식생지수 (SAVI) 영상은 Landsat TM 영상에서 추출되었다. 각각의 영상에서 추출된 값인 총 1992개 자료를 회귀분석을 통하여 분석하였고 연구 결과 교목연령을 추정하는데 있어서 가장 높은 결정계수(R2)값을 보이는 요소로는 태슬모 자형 변환 토양수분지수, 적외선지수 (II), 식생상태지수 (VCI) 영상이며 이들 값이 교목연령을 추정하는데 가장 많은 영향이 있음을 알 수 있다. This study presents a correlation between timber Age, image bands and vegetation indices for timber age estimation. Basically, this study used Landsat TM images of three difference years (1994, 1994, 1998) and difference between Shuttle Radar Topography Mission (SRTM) and National Elevation Dataset (NED). Bands of 4, 5 and 7, Normalized Difference Vegetation Index (NDVI), Infrared Index (II), Vegetation Condition Index (VCI) and Soil Adjusted Vegetation Index (SAVI) were obtained from Landsat TM images. Tasseled cap-greenness and wetness images were also made by Tasseled cap transformation. Finally, analysis of correlation between timber age, difference between Shuttle Radar Topography Mission (SRTM) and National Elevation Dataset (NED), individual TM bands (4, 5, 7), Normalized Difference Vegetation Index (NDVI), Tasseled cap-Greenness, Wetness, Infrared Index (II), Vegetation Condition Index (VCI) and Soil Adjusted Vegetation Index (SAVI) using regression model. In this study about 1,992 datasets were analyzed. The Tasseled cap-Wetness, Infrared Index (II) and Vegetation Condition Index (VCI) showed close correlation for timber age estimation.