의료용 레이저 시장동향

서영석,Seo, Yeong-Seok 한국광학기기산업협회 2014 光學世界 Vol.153 No.-

프로젝트 리포트 - I: 제주도 용천수 활용 옹포지구 농촌용수 개발사업 소개

서영석,Seo, Yeong-Seok 한국관개배수위원회 2010 한국관개배수회지 Vol.46 No.-

소프트웨어 공수 예측의 정확성에 대한 이상치 제거의 영향 분석

서영석(Yeong-Seok Seo),윤경아(Kyung-A Yoon),배두환(Doo-Hwan Bae) 한국정보과학회 2008 정보과학회논문지 : 소프트웨어 및 응용 Vol.35 No.10

정확한 소프트웨어 공수 예측은 소프트웨어 관련 여러 커뮤니티들에서 예전부터 항상 이슈가 되어 왔다. 소프트웨어 공수 예측의 정확도를 향상시키기 위해 지금까지 많은 연구들에서는 데이타 품질이 공수 예측에 중요한 요소들 중 하나임에도 불구하고 이것에 대한 고려 없이 공수 예측 기법들에만 초점을 맞추어 왔다. 본 연구에서는 소프트웨어 공수 예측 기법과 이상치 제거 기법들 사이의 영향 관계를 공수예측 정확도의 관점에서 실험적으로 살펴본다. 두 개의 프로젝트 데이타들(ISBSG와 국내의 한 금융 조직으로부터 수집된 데이타)에 대해 일반적으로 많이 사용되는 세 가지 공수 예측 기법(최소제곱법, 신경망 네트워크, 그리고 베이지안 네트워크)과 두 가지 이상치 제거 기법(최소절사제곱법과 K-means 클러스터링)을 적용시켜 그 결과들을 서로 비교해 보고 이상치 제거 기법을 적용하지 않은 결과와도 비교해 본다. Accurate software effort estimation has always been a challenge for the software industrial and academic software engineering communities. Many studies have focused on effort estimation methods to improve the estimation accuracy of software effort. Although data quality is one of important factors for accurate effort estimation, most of the work has not considered it. In this paper, we investigate the influence of outlier elimination on the accuracy of software effort estimation through empirical studies applying two outlier elimination methods(Least trimmed square regression and K-means clustering) and three effort estimation methods(Least squares regression, Neural network and Bayesian network) associatively. The empirical studies are performed using two industry data sets(the ISBSG Release 9 and the Bank data set which consists of the project data collected from a bank in Korea) with or without outlier elimination.

한국산 동물로부터 크립토스포리디움의 분리 및 동정 II. 마우스로부터 Cryptosporidium muris의 분리

이재구,서영석,박배근,Lee, Jae-Gu,Seo, Yeong-Seok,Park, Bae-Geun 대한기생충학회 1991 The Korean Journal of Parasitology Vol.29 No.2

한국산 마우스로부터 분리한 크링토스포리디움(Cryptosporidium)의 대형 오오시스트 (C. muris)를 SPF 마우스에 경구 투여하여 분변 내 오오시스트 배출 양상과 투과전자현미경으로 위선 조직에서 발견되는 여러 발육기의 미세구조를 관찰하였다. 마우스에 있어서 prepatent period는 평균 5.6일, patent period 63.0±1.6일, 오오시스트 배출 정점기는 투여 후 36.6±2.8일째, 그리고 일반적으로 30일부터 50일까지 20일간에 걸쳐 다수의 오오시스트가 분변으로 배출되었다. 이 원충의 거의 모든 발육기의 크기는 C. Parwum보다 커서 오오시스트 1.4배, 스포로조이트 2.4배, 메로조이트 1.6배, 수생식체 1.5배이었다. 그리고, 숙주세포에 부착되어 있는 부위는 C. parwum의 것과 현저하게 다르므로 모든 발육기에서 바같쪽이 숙주의 두터운 사상돌기로 둘러싸여 있는 전단 돌출부를 볼 수 있었다. 또한, 한국산 마우스 유래 오오시스트가 strain RN 66의 것보다 다소 작았다. 이상의 결과를 기초로 하여 한국산 마우스 유래 크립토스포리디움을 C. maris라고 동정하였으며, Cryptesporidium tsuris(strain MCR)라고 명명하고자 한다. Each of SPF mice(Scl: ICR strain, 3-week-old males) was inoculated with 5$\times$104 oocysts of Cryptosporidium by stomach tube. The oocysts were large type one which was previously isolated from Korean mice, and passaged in 3-week-old SPF mice. The patterns of oocyst discharge were monitored daily, and in order to observe the ultrastructure of developmental stages the stomach of the mice was examined by transmission electron microscopy (TEM) at 4 weeks post-inoculation. The prepatent period for 6 mice was 5.6 days post-inoculation on the average, and the patent period was 63.2 days. The number of oocysts discharged per day from the mice reached peak on day 36.6 post-inoculation on the average. A large number of oocysts were found in fecal samples obtained from inoculated mice on days 30~50 post-inoculation. C. tsuris was larger than C. parvum at almost every developmental stages, the sixte difference being 1.4 times in oocysts, 2.4 times in sporozoites, 1.6 times in merozoites, and 1.5 times in microgametes. The ultrastructural features of the attachment site of C. tsuris to the mucus cells were remarkably different from those of C. parvum and its closely related species. The anterior projection of the protozoa (C. muris), the outer aspect of which was surrounded by a thick filamentous process of the host cell, has not been reported at any developmental stages of C. parvum or its closely related species. The size of the oocysts of strain RN 66 was larger than that of Korean mice origin. The above results reveal that the large type Cryptosporidium of Korean mice origin is identified as Cryptosporidium muris and this type was named as C. muris (strain MCR).

다중 회귀 기반의 음악 감성 분류 기법

이동현,박정욱,서영석,Lee, Dong-Hyun,Park, Jung-Wook,Seo, Yeong-Seok 한국정보처리학회 2018 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.7 No.6

4차 산업혁명 시대가 도래하면서 기존 IoT에 감성지능이 포함된 신기술들이 연구되고 있다. 그 중 현재까지 다양하게 진행된 음악 서비스 제공을 위한 감성 분석 연구에서는 인공지능, 패턴인식 등을 활용한 사용자의 감성 인식 및 분류 등에만 초점을 맞추고 있는 상황이나, 사용자의 특정 감성에 해당하는 음악들을 어떻게 자동적으로 분류할지에 대한 감성별 음악 분류기법들에 대한 연구는 매우 부족한 상황이다. 본 연구에서는 최근 각광을 받고 있는 사람들의 감성과 관련된 음악관련 서비스를 개발할 시, 음악을 감성 범위에 따라 높은 정확도로 분류할 수 있도록 하는 감성 기반 자동 음악 분류기법을 제안한다. 데이터수집 시 Russell 모델을 바탕으로 설문조사를 하였으며, 음악의 특성으로 평균파장크기(Average amplitude), peak평균(Peak-average), 파장 수(The number of wavelength), 평균파장 길이(Average wavelength), BPM(Beats per minute)을 추출하였다. 해당 데이터들을 바탕으로 회귀 분석을 이용하여 다중회귀식을 도출하였으며, 각 감성에 대한 표준 수치들을 도출하여 새로운 음악 데이터와 해당 각 감성에 대한 표준 수치들과의 거리 비교를 통해 음악의 감성을 분류시키는 작업을 실시하였다. 이를 통해 나온 결과에 회귀분석을 통하여 나온 데이터를 대입하여 해당 데이터와 각 감성들의 비율을 통해 최종적으로 판단된 감성을 추출하였다. 본 연구에서 실험한 감성 일치율의 2가지 방식에 대해서 제안한 기법의 경우 70.94%, 86.21%의 일치율이 나왔고, 설문참가자들의 경우 66.83%, 76.85%의 일치율이 나옴으로써, 연구 기법을 통한 감성의 판단이 설문참가자들의 평균적인 판단보다 4.11%, 9.36%의 향상된 수치를 제공함을 알 수 있었다. Many new technologies are studied with the arrival of the 4th industrial revolution. In particular, emotional intelligence is one of the popular issues. Researchers are focused on emotional analysis studies for music services, based on artificial intelligence and pattern recognition. However, they do not consider how we recommend proper music according to the specific emotion of the user. This is the practical issue for music-related IoT applications. Thus, in this paper, we propose an probability-based music emotion classification technique that makes it possible to classify music with high precision based on the range of emotion, when developing music related services. For user emotion recognition, one of the popular emotional model, Russell model, is referenced. For the features of music, the average amplitude, peak-average, the number of wavelength, average wavelength, and beats per minute were extracted. Multiple regressions were derived using regression analysis based on the collected data, and probability-based emotion classification was carried out. In our 2 different experiments, the emotion matching rate shows 70.94% and 86.21% by the proposed technique, and 66.83% and 76.85% by the survey participants. From the experiment, the proposed technique generates improved results for music classification.

인공신경망 및 랜덤포레스트 기법을 활용한 기업 분식회계 탐지 성능 평가 연구

황동혁 ( Dong-hyeok Hwang ),서영석 ( Yeong-seok Seo ) 한국정보처리학회 2023 한국정보처리학회 학술대회논문집 Vol.30 No.1

암호화폐 종가 예측 성능과 입력 변수 간의 연관성 분석

박재현 ( Jaehyun Park ),서영석 ( Yeong-seok Seo ) 한국정보처리학회 2022 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.11 No.1

최근 암호화폐가 많은 주목을 받음에 따라 암호화폐의 종가 예측 연구들이 활발히 진행되고 있다. 특히 딥 러닝 모델을 적용시켜 예측 성능을 높이려는 연구들이 지속되고 있다. 딥 러닝 모델 중 시계열 데이터에서 높은 예측 성능을 보이는 LSTM (Long Short-Term Memory) 모델이 다각도로 응용되고 있으나 변동성이 큰 암호화폐 종가 데이터에서는 낮은 예측 성능을 보인다. 이를 해결하기 위해 새로운 입력 변수를 찾아내고, 이를 사용하는 종가 예측 연구가 수행되고 있다. 그러나 딥 러닝 기반의 암호화폐 종가 예측에 사용되는 데이터들의 각 입력 변수들이 예측 성능에 미치는 영향력이나 학습에 효율적인 입력 변수들의 조합에 관한 연구 사례가 부족한 실정이다. 따라서 본 논문에서는 Bitcoin과 Ethereum을 포함한 6가지 암호화폐의 최근 동향 자료를 수집하였고, 통계와 딥 러닝을 통해 입력 변수들이 암호화폐 종가 예측에 미치는 영향력을 분석한다. 실험 결과 모든 암호화폐의 종가 예측 성능 평가에서 종가 변동률을 제외한 개장가, 고가, 저가, 거래량, 종가를 조합했을 때 가장 우수한 성능을 보였다. Recently, cryptocurrency has attracted much attention, and price prediction studies of cryptocurrency have been actively conducted. Especially, efforts to improve the prediction performance by applying the deep learning model are continuing. LSTM (Long Short-Term Memory) model, which shows high performance in time series data among deep learning models, is applied in various views. However, it shows low performance in cryptocurrency price data with high volatility. Although, to solve this problem, new input features were found and study was conducted using them, there is a lack of study on input features that drop predictive performance. Thus, in this paper, we collect the recent trends of six cryptocurrencies including Bitcoin and Ethereum and analyze effects of input features on the cryptocurrency price predictive performance through statistics and deep learning. The results of the experiment showed that cryptocurrency price predictive performance the best when open price, high price, low price, volume and price were combined except for rate of closing price fluctuation.

GUI 기반의 소프트웨어 모듈화 연구

박동민(Dongmin Park),서영석(Yeong-Seok Seo) 한국컴퓨터정보학회 2018 韓國컴퓨터情報學會論文誌 Vol.23 No.4

Software maintenance activities have always been important issues in many domains of the software industry. In order to help to resolve this issue, software modularization approaches have been studied to build adequate modules with high cohesion and low coupling; such modular structures can help the comprehension and maintenance of complex systems. In this paper, we propose a GUI-based automated approach for software modularization based on GUI structure analysis. GUI is a principal manner to allow users to access the overall functionalities of a software system; in particular, GUI is closely related to software functionalities, which makes it a promising tool to identify and understand the entire software system. We also implement a software tool to support our approach and evaluate it with a case study using an open source software.

속성 가중치의 지역적 최적화에 의한 유추기반 공수 예측 정확도의 향상

조현식(Hyunsik Cho),서영석(Yeong-Seok Seo),배두환(Doo-Hwan Bae) 한국정보과학회 2011 정보과학회논문지 : 소프트웨어 및 응용 Vol.38 No.7

효율적인 소프트웨어 프로젝트 관리를 위해서는 정확한 소프트웨어 공수 예측이 필수적이다. 소프트웨어 공수 예측을 위한 기존의 다양한 방법들 중 유추기반 공수 예측 방법은 실질적으로 많이 사용되는 방법 중 하나로, 새로운 프로젝트의 공수를 과거의 프로젝트 중 유사한 프로젝트들의 공수를 이용하여 예측하는 방법이다. 이 방법의 예측 정확성을 향상시키기 위해 기존의 많은 연구들은 새로운 프로젝트와 유사한 프로젝트를 보다 정확히 선택할 수 있도록 각 속성마다 가중치를 부여하는 속성 가중치 기법들을 제안하였다. 그러나 기존의 기법들은 과거의 프로젝트 전체에 최적화된 하나의 전역적인 가중치 값만을 생성하기 때문에, 서로 다른 특성을 지닌 새 프로젝트들은 각 프로젝트에는 최적화되지 못한 속성 가중치값을 사용하게 된다. 이는 각 프로젝트들의 서로 다른 특성이 고려되지 않기 때문에 유추기반 공수 예측방법의 정확성을 떨어뜨릴 수 있다. 따라서 본 논문에서는 예측되는 새로운 프로젝트마다 최적화 되어 각 프로젝트에 적합한 속성 가중치를 생성하는 지역적으로 최적화된 속성 가중치 부여 기법을 제안한다. 제안된 기법은 산업 데이터 세트들에 대해 세가지의 서로 다른 속성 가중치 기법들과 함께 검증된다. 실험 결과는 제안된 기법이 유추기반 공수 예측 기법의 정확성에서 다른 기법들 보다 우수함을 보인다. Accurate software effort estimation is essential for efficient software project management. Among the existing methods for software effort estimation, Analogy-Based effort Estimation (ABE) is one of the most commonly used methods in practice, which is a method to estimate the effort for a new project by using the effort of similar projects in historical projects. In order to improve the accuracy of effort estimation of ABE, many studies suggested attribute weighting techniques that assign weight for each attribute to identify more similar projects with a new project. However, since the existing techniques generate a global weight value that is optimized on the whole historical projects, new projects that have different characteristics use the weight value that is not optimized for each project. It may degrade the accuracy of effort estimation of ABE due to neglecting of different characteristic of each project. Thus, in this paper, we propose a locally optimized attribute weighting technique that generates attribute weight suitable and optimized for a new project to be estimated. The proposed technique is validated with three different attribute weight techniques based on the industrial data sets. The experimental results show that the proposed technique outperforms other techniques in accuracy of effort estimation of ABE.

다중 테이블을 활용한 챗봇의 중복 응답 감소 연구

권혁무 ( Hyuck-moo Gwon ),서영석 ( Yeong-seok Seo ) 한국정보처리학회 2018 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.7 No.10

현재 스마트폰에서는 사용자의 요구에 맞는 다양한 앱(App)들이 활용되고 있는데, 특히 많은 기업들에서 비즈니스 마케팅, 상업적인 홍보 등을 위해 모바일 메신저 형태의 대화형 시스템을 연구 개발하여 고객들에게 다양한 서비스를 제공하고 있다. 이러한 대화형 시스템을 우리는 ‘챗봇(Chatbot)’이라고 부른다. 이러한 챗봇의 경우 사용자와 대화시 중복 응답이 자주 발생할 수 있는데, 이러한 중복응답의 경우 특정 서비스에 대한 사용자의 흥미와 관심도를 떨어뜨린다. 따라서 본 논문에서는 이러한 챗봇 개발시 사용자로부터 입력된 발화(utterance)에 따른 챗봇의 중복 응답을 정의하고 이를 감소시킬 수 있는 기법을 제안한다. 이를 위해 데이터베이스 내 다중 테이블을 구축하고 테이블별로 사용자 입력에 따른 챗봇의 응답 조합을 구성하여 새로운 중복 회피 알고리즘을 통해 챗봇의 중복 응답을 감소시킬 수 있도록 한다. 이렇게 제안한 기법의 검증을 위해 자동화된 챗봇을 구현하였고, 본 연구에서 제시한 기법과 기존 응답 방식 연구를 분석해본 결과, 본 연구에서 제안한 기법을 통해 평균 70% 정도의 중복 감소 효과를 확인할 수 있었다. Various applications are widely developed for smartphones to meet customer’s needs. In many companies, messenger’s typed interactive systems have been studied for business marketing, advertising and promotion to provide useful services for the customers. Such interactive systems are usually called as “Chatbot”. In Chatbot, duplicated responses from Chatbot could occur frequently, and these make one lose interest. In this paper, we define a case that the response of Chatbot is duplicated according to the user’s input, and propose a method to reduce duplicated responses of Chatbot. In the proposed method, we try to reduce duplication responses through a new duplication avoidance algorithm by building multiple tables in a database and by making combinations of user’s input and its response in each table. In our experiments, the proposed method shows that duplicated responses are reduced by an average of 70%, compared with the existing method.