http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : Object Relational mapping (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
A Comparative Study on Filtered, Vertical and Horizontal Inheritance Mapping in Database
Ala Ahmad Lasasmeh 보안공학연구지원센터 2015 International Journal of Database Theory and Appli Vol.8 No.2
The inheritance is one of the most basic ideas of object technology that can be useful for database. This paper discusses and elaborates one of the most common mapping algorithms about mapping of inheritance structure to relational database. The inheritance mapping in database contains three various approaches: filtered, vertical and horizontal inheritance mapping. This paper review the fundamental measures used to comparative among three inheritance mapping in database through determine the strengths and weaknesses for each on: ease of access to the data, the speed of data access, Ad hoc reporting, Ease of implementation, Coupling, Support for polymorphism to the user and the development of modern commercial applications to protect the time and effort taken advantage of them while working. By tow method Based on the algorithms and rules, Object Relational Mapping (ORM) tool.
-
박기남,김영찬 한밭대학교 정보통신전문대학원 2005 정보통신전문대학원 논문집 Vol.3 No.1
최근 들어 소프트웨어 개발 언어에서는 객체지향 언어(JAVA, C# 등)들이 점차 주목을 받고 있다. 하지만 대부분의 영구 데이터 저장 장소로 관계형 데이터베이스(RDB)를 사용하고 있고, 이에 따라 관계형 데이터베이스와 객체지향 언어를 같이 사용하기에 많은 어려움이 따르며, 관계형 데이터를 객체형 데이터로 바꾸는데 많은 개발 시간을 요하게 된다. 이와 같은 문제점을 해결하기 위하여 관계형 데이터와 객체형 데이터 간의 변환을 지원하기 위한 많은 프레임워크(Hibernate, JDO, Castor 등)들이 속속 등장하였다. 본 논문에서는 객체관계 프레임워크(ORM Frameworks)중에서 Hibernate를 사용한 Pet Store와, EJB를 사용한 Pet Store를 구현하여 각각의 Database Access속도와, 코딩양들을 비교 분석 하여 본다. Object-oriented languages such as C++, Java or C# are getting attention gradually as software development languages recently while relational databases which have been around since the 1960s have remained as primary databases. Writing an object-oriented application that stores data in a relational database set developers up for a large maintenance burden because there is an impedance mismatch between object model and relational model. To alleviate such problem, it is recommended to use the persistent framework. The persistent frameworks can allow developers to map normal objects to relational tables with minimal effort. As a result, a lot of frameworks such as Hibernate, JDO, and EJB appeared successively. In this paper, we benchmark the Hibernate and EJB frameworks using Java Pet Store which is a de facto reference implementation provided by Sun.
-
박찬형(Chan Hyung Park),이종희(Jong Hee Lee) 한국아동학회 2011 아동학회지 Vol.32 No.1
This study examined how young children understand representational relations between referents and their representational objects. Ninety-four children aged 2- to 4.5-years of age were individually tested; firstly in the scale-model tasks, and then in the scale-map tasks. Data were analyzed both by means of Chi-Square test and by a more descriptive, micro analysis. According to the results, there were significant age differences in the understanding of representational relations, regardless of the type of representational objects. In the descriptive, micro analysis, it was found that before 3 years of age, young children have a great deal of difficulties in understanding representational relations. More importantly, young children under three seemed unable to understand representational relations, especially when the similarities as well as the differences between the representational object and the referent were very high. These results suggest that teachers of very young children need to select representational materials carefully, taking into consideration children`s understanding of representational relations.
-
고해상도 영상의 군집형 차량 검출을 위한 앙상블 딥러닝 네트워크 구성 방법
유재형(Jae-Hyoung Yu),한영준(Youngjoon Han),김종국(JongKuk Kim),한헌수(Hernsoo Hahn) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.1
본 논문은 고해상도를 가지는 영상에서 겹쳐져있는 소형 물체를 효과적으로 검출하고 추적하는 알고리즘을 제안한다. Coarse to Fine 방식을 기본으로 하는 두 개의 Deep-Learning Network을 앙상블 형태로 구성하여 차량이 존재할 위치를 미리 판단하고 서브영역으로 선택한 이미지로부터 차량을 정확하게 검출한다. Coarse 단계에서는 서로 다른 다수의 Deep-Learning Network 에 대한 각각의 결과로 Voting Space를 생성한다. 각 Voting Space 의 조합을 통해 Voting Map을 만들고 차량이 존재할 위치를 선택한다. Fine 단계에서는 Coarse 단계에서 선택된 영역을 기준으로 서브영역을 추출하고 해당 영역을 최종 Deep-Learning Network 에 입력한다. 서브 영역은 Voting Map을 이용하여 영상에서의 높이에 적합한 크기의 동적 윈도우를 생성함으로써 정의되며, 본 논문에서는 원거리에서 근거리로 접근하는 도로의 이미지를 대상으로 미리 계산된 매핑테이블을 적용하였다. 각 서브 영역 간 이동하는 차량의 동일성 판단은 검출된 영역의 하단 중심점에 대한 근접성을 기반으로 하였으며, 이를 통해 이동하는 차량의 정보를 트래킹 하였다. 실제 주야간 도로 CCTV를 통해 획득한 실시간 영상에서 처리 속도 및 검출 성능을 비교 실험하여 제안한 알고리즘을 평가하였다. This paper has proposed an algorithm that detecting for dense small vehicle in large image efficiently. It is consisted of two Ensemble Deep-Learning Network algorithms based on Coarse to Fine method. The system can detect vehicle exactly on selected sub image. In the Coarse step, it can make Voting Space using the result of various Deep-Learning Network individually. To select sub-region, it makes Voting Map by to combine each Voting Space. In the Fine step, the sub-region selected in the Coarse step is transferred to final Deep-Learning Network. The sub-region can be defined by using dynamic windows. In this paper, pre-defined mapping table has used to define dynamic windows for perspective road image. Identity judgment of vehicle moving on each sub-region is determined by closest center point of bottom of the detected vehicle"s box information. And it is tracked by vehicle"s box information on the continuous images. The proposed algorithm has evaluated for performance of detection and cost in real time using day and night images captured by CCTV on the road.
-
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
