자료 흐름도에서 1차 구조도로의 자동 변환에 관한 연구

홍의석(Euyseok Hong),이종석(Jongseok Lee),이숙희(Sookhee Lee),우치수(Chisu Wu) 한국정보과학회 1993 한국정보과학회 학술발표논문집 Vol.20 No.2

구조적 분석/설계 방법론은 구조적 분석의 결과인 자료 흐름도로부터 1차 구조도를 유도하는 방법을 제시하고 있다. 자료흐름도에서 구조도를 유도하는 자동변환기는 분석과 설계단계의 작업을 일관되고 체계적으로 연결해주는 도구이므로 구조적기법지원 CASE환경에서 중요한 위치를 차지한다. 본 논문에서는 여러 CASE 도구의 자동 변환기들이 사용한 변환 방법들을 분류하고 그 장단점을 비교한다. 또한 본 연구에서는 변환 분석을 위한 자료 흐름도의 각 프로세스의 복잡도 메트릭을 정의하고 그에 기초를 둔 자동 변환기에 관해 기술하고자 한다.

Support Vector Machine을 이용한 초기 소프트웨어 품질 예측

홍의석(Euyseok Hong) 한국IT서비스학회 2011 한국IT서비스학회지 Vol.10 No.2

Early criticality prediction models that determine whether a design entity is fault-prone or not are becoming more and more important as software development projects are getting larger. Effective predictions can reduce the system development cost and improve software quality by identifying trouble-spots at early phases and proper allocation of effort and resources. Many prediction models have been proposed using statistical and machine learning methods. This paper builds a prediction model using Support Vector Machine(SVM) which is one of the most popular modern classification methods and compares its prediction performance with a well-known prediction model, BackPropagation neural network Model(BPM). SVM is known to generalize well even in high dimensional spaces under small training data conditions. In prediction performance evaluation experiments, dimensionality reduction techniques for data set are not used because the dimension of input data is too small. Experimental results show that the prediction performance of SVM model is slightly better than that of BPM and polynomial kernel function achieves better performance than other SVM kernel functions.

NASA MDP 데이터 집합의 결함도 모호성 분석

홍의석(Euyseok Hong) 한국IT서비스학회 2013 한국IT서비스학회지 Vol.12 No.2

Public domain defect data sets, such as NASA data sets which are available from the NASA MDP and PROMISE repositories, make it possible to compare the results of different defect prediction models by using the same data sets. This means that repeatable and general prediction models can be built. However, some recent studies have raised questions about the quality of two versions of NASA data set. and made new cleaned data sets by applying their data cleaning processes. We find that there are two ways in the NASA MDP versions to determine the defectiveness of a module, 0 or 1, and the two results are different in some cases. This serious problem. to our knowledge, has not been addressed in previous studies. To handle this ambiguity problem, we define two kinds of module defectiveness and two conditions that can be used to determine the ambiguous cases. We meticulously analyze 5 projects among the 13 NASA projects by using our ambiguity analysis method. The results show that JMl and PC4 are the best projects with few ambiguous cases.

베이지안 분류기를 이용한 소프트웨어 품질 분류

홍의석(Euyseok Hong) 한국IT서비스학회 2012 한국IT서비스학회지 Vol.11 No.1

Many metric-based classification models have been proposed to predict fault-proneness of software module. This paper presents two prediction models using Bayesian classifier which is one of the most popular modern classification algorithms. Bayesian model based on Bayesian probability theory can be a promising technique for software quality prediction. This is due to the ability to represent uncertainty using probabilities and the ability to partly incorporate expert's knowledge into training data. The two models, NaïveBayes(NB) and Bayesian Belief Network(BBN), are constructed and dimensionality reduction of training data and test data are performed before model evaluation. Prediction accuracy of the model is evaluated using two prediction error measures, Type I error and Type II error, and compared with well-known prediction models, backpropagation neural network model and support vector machine model. The results show that the prediction performance of BBN model is slightly better than that of NB. For the data set with ambiguity, although the BBN model's prediction accuracy is not as good as the compared models, it achieves better performance than the compared models for the data set without ambiguity.

비감독형 학습 기법을 사용한 심각도 기반 결함 예측

홍의석,Hong, Euyseok 한국인터넷방송통신학회 2018 한국인터넷방송통신학회 논문지 Vol.18 No.3

소프트웨어 결함 예측에 관한 기존의 연구들은 대부분 모델의 입력 모듈이 결함을 가지고 있는지 여부를 판단하는 이진 감독형 분류 모델들에 관한 것들이었다. 하지만 이진 분류 모델은 결함의 복잡한 특성들을 고려하지 않고 단순히 입력 모듈의 결함 유무만을 판단한다는 문제점이 있고, 감독형 모델은 대부분의 개발 집단이 보유하고 있지 않은 훈련 데이터 집합을 필요로 한다는 한계점이 있다. 본 논문은 이러한 두 가지 문제점을 해결하기 위해 비감독형 알고리즘을 사용한 심각도 기반 삼진 분류 모델을 제안하였으며, 평가 실험 결과 제안 모델이 감독형 모델들에 필적하는 예측 성능을 보였다. Most previous studies of software fault prediction have focused on supervised learning models for binary classification that determines whether an input module has faults or not. However, binary classification model determines only the presence or absence of faults in the module without considering the complex characteristics of the fault, and supervised model has the limitation that it requires a training data set that most development groups do not have. To solve these two problems, this paper proposes severity-based ternary classification model using unsupervised learning algorithms, and experimental results show that the proposed model has comparable performance to the supervised models.

비감독형 학습 알고리즘을 사용한 결함예측모델

박미경 ( Mikyeong Park ),홍의석 ( Euyseok Hong ) 한국정보처리학회 2013 한국정보처리학회 학술대회논문집 Vol.20 No.2

입력 모듈의 결함경향성을 결정하는 결함 예측 모델 연구들은 대부분 훈련 데이터 집합을 사용하는 감독형 모델에 관련된 것들이었다. 하지만 과거 데이터 집합이 없거나 현재 프로젝트 성격이 다른 경우는 비감독형 모델이 필요하며, 이들에 관한 연구들은 모델 구축의 어려움 때문에 극소수 존재한다. 본 논문에서는 대표적인 클러스터링 알고리즘들을 사용한 비감독형 모델들을 제작하여, 기존 모델들이 많이 사용한 K-means 모델과 나머지 모델들의 성능을 비교하였다.

설계 복잡도 메트릭스를 이용한 초기 신뢰도 예측 모델

정혁철(Hyuckchul Jung),홍의석(Euyseok Hong),김갑수(Kapsu Kim),우치수(Chisu Wu),홍성백(Sungback Hong) 한국정보과학회 1996 한국정보과학회 학술발표논문집 Vol.23 No.2B

시스템 개발 초기 단계인 설계 단계에서 소프트웨어 시스템의 신뢰도에 영향을 많이 미치는 부분을 찾는 연구가 많이 진행되고 있다. 본 논문에서는 통신 소프트웨어의 설계 결과에 대한 복잡도 메트릭스와 이를 이용한 초기 신뢰도 예측 모델을 제안한다. 통신 소프트웨어 설계를 위한 CCITT 권고안인 SDL의 부분 집합인 SDL/GR 을 분석하여 시스템 신뢰도에 영향을 미치는 기본 측정치들을 정의하고 이들을 이용하여 상위 단계에 복잡도 메트릭스를 정의한다. 신뢰도 예측 모델은 통계학의 클러스터링 방법과 인공 신경망을 이용하며 이는 정의한 복잡도 메트릭스를 사용하여 설계 각 부분의 신뢰도 등급을 결정한다. 예측된 신뢰도 등급은 경제적인 프로젝트 관리 등에 사용된다.

감정 표현이 가능한 실시간 반응형 그림자 아바타

임양미(Yangmi Lim),홍의석(Euyseok Hong),이재원(Jaewon Lee) 한국멀티미디어학회 2007 멀티미디어학회논문지 Vol.10 No.4

본 논문에서는 사용자의 동작에 대한 반응으로 표정을 변화하여 감정을 표현할 수 있는 실시간 반응형 그림자 아바타인 RISA(Real-time Interactive Shadow Avatar)를 제안한다. 아바타 형태는 사용자의 실사로부터 실시간으로 추출한 가상의 그림자를 사용하며, 손동작의 유형에 따라 변화하는 표정 애니메이션이 그림자의 얼굴 위치에 겹쳐지도록 하였다. 가상 그림자의 추출을 위해서는 배경 차분화 기법을 사용하며, 머리 위치 및 손동작의 추적 및 유형 탐지를 위해 단순화된 영역 단위 추적 기법을 사용하였다. 또한 표정의 자연스러운 변화를 표현하기 위해 표정 애니메이션은 기존의 동적 이모티콘보다 많은 수의 애니메이션 프레임들을 사용하는 변형된 모핑 기법을 적용하였다. RISA는 인터페이스 미디어 아트 분야에 직접 응용될 수 있을 것이며, RISA에 적용된 탐지 기법은 향후 입력 장치의 간결성이 요구되는 DMB나 카메라폰 등을 위한 대체 인터페이스에도 활용될 수 있을 것이다. In this paper, we propose a Real-time Interactive Shadow Avatar(RISA) which can express facial emotions changing as response of user's gestures. The avatar's shape is a virtual Shadow constructed from the real-time sampled picture of user's shape. Several predefined facial animations overlap on the face area of the virtual Shadow, according to the types of hand gestures. We use the background subtraction method to separate the virtual Shadow, and a simplified region-based tracking method is adopted for tracking hand positions and detecting hand gestures. In order to express smooth change of emotions, we use a refined morphing method which uses many more frames in contrast with traditional dynamic emoticons. RISA can be directly applied to the area of interface media arts and we expect the detecting scheme of RISA would be utilized as an alternative media interface for DMB and camera phones which need simple input devices, in the near future.

층위구조 아키텍처의 복구 및 일치성 검사를 위한 프로그램 분석 방법

박찬진(Chanjin Park),홍의석(Euyseok Hong),강유훈(Yoohoon Kang),우치수(Chisu Wu) 한국정보과학회 2005 정보과학회논문지 : 소프트웨어 및 응용 Vol.32 No.8

층위 구조 아키텍처는 프로그램을 일반성에 따라 분할하는 모듈 구성의 방법이다. 본 논문은 객체지향 프로그램으로부터 층위 구조 아키텍처를 복구하고 아키텍처 문서와의 일치성을 검사하는 방법을 제시한다. 객체지향 프로그램에서의 층위구조 스타일 규칙을 기술하기 위해, 모듈 간 사용 관계에 기반한 모듈들의 부분 순서 집합을 구성하며, 재정의 관계를 통해 모듈 간 층위 관계를 정의한다. 또한, 층위 관계의 의미를 설계 패턴에서의 예를 통해 설명한다. 프로그램으로부터 층위 구조 아키텍처를 복구하기 위한 절차를 기술하며, 복구를 위한 메타 모델을 제시한다. 이를 기반으로 공개 소스 프로젝트를 통해 개발된 소프트웨어의 소스코드들로부터 층위 구조 아키텍처를 복구하고, 복구된 아키텍처로부터 발견된 층위 관계의 의미와 아키텍처 문서와의 불일치 부분들에 대해 논의한다. 검사를 통해 아키텍처 문서와 일치하지 않는 부분들이 발견하였고, 이를 조사한 결과 이들이 층위 구조 아키텍처에서 허용 가능한 예외로 여겨지지만 아키텍트가 이들 부분에 대한 변경을 주의 깊게 관리할 필요가 있다는 것을 지적하였다. Layered Architecture is a kind of module decomposition techniques, which decomposes a program by generality. This paper proposes a layer based method for recovering layered architecture from object-oriented program and checking conformance against architectural document. To specify the rules for layered style in object-oriented program, we define a partially ordered set on modules by module use relationship and module layer relationship by module override relationship. The meaning of module layer relationship is explained with an example from design patterns. Steps to recover layered architecture from program are described and a metamodel for the recovery is proposed. Architecture recovery is performed on source codes from open-source software project, and the implication of parts that do not conform to its architectural document is discussed. As a result of checking, it is pointed out that, although the parts are considered allowable exceptions of layered architecture, their modifications should be controlled carefully.

유전자 알고리즘을 이용한 초기 신뢰도 예측 모델

권용길(Yongkil Kwon),정혁철(Hyuckchul Jung),홍의석(Euyseok Hong),이명재(Myeongjae Yi),우치수(Chisu Wu) 한국정보과학회 1998 한국정보과학회 학술발표논문집 Vol.25 No.2Ⅰ

시험 단계나 운용 단계에서 발견된 소프트웨어의 오류를 수정하기 위해서는 많은 비용을 투자해야 한다. 시스템 개발 초기 단계인 설계 단계에서 소프트웨어 시스템의 신뢰도에 영향을 많이 미치는 부분을 찾아 오류를 사전에 방지하는 연구가 많이 진행되고 있다. 모듈의 신뢰도를 설계 단계에서 예측할 수 있다면 프로젝트 관리자는 결함 경향이 강한 모듈 개발에 더 많은 자원을 할당함으로써 보다 신뢰성 있는 소프트웨어를 생산할 수 있다. 본 논문에서는 실시간 소프트웨어의 설계 결과에 대한 복잡도 측정치를 토대로 신뢰도를 예측하는 모델을 제안한다. 유전자 알고리즘으로 찾아낸 이 모델을 사용하여 결함 경향이 강한(fault prone) 모듈과 그렇지 않은 모듈을 96%의 정확도로 선별해 낼 수 있다.