[스마트폰 화면상의 Object Labeling and Augmented Reality]


관련 Keyworkd :  Augmented Reality, (feature) tracking, (feature) matching, object detection


1. 개요 

: 스마트폰 유저가 Setting(가칭)  Mode로 선택하게 되면 현재 카메라상으로 찍히는 인식 할수 있는 모든 Object들을

Rect 형태로 보여준다. User가 Naming을 하고 싶은 Object를 선택하여 이름을 설정하거나 혹은 그림을 넣어 준다

Setting을 해제하고 Detecting(가칭) Mode일때는 User가 Setting 해둔 이름 혹은 그림을 보여준다


2. 흐름도


1) 등록

detection한 feature 를 DB에 저장


2) 어떤 feature 를 사용 할 것인가? (shape or sift 등)


3) matching 


4) camera view transformation matrix 을 획득 

- symbolic ID를 넣기 위한것 (AR)




'전공지식창고 > 논문' 카테고리의 다른 글

논문쓸때 주의할점  (0) 2014.07.04
석사 학위 논문에 대한 교수님 조언  (0) 2014.02.18
논문 일지 #1  (0) 2013.12.29
논문 작성법  (0) 2013.12.29
학윈논문 작성법  (0) 2013.11.27
Posted by 모과이IT
,

 

영상 관련 개인 공부용으로 작성하는 글이며, 다음 페이지에 있는 내용 입니다. ^^;

(http://www.ippbook.co.kr/xe/223)

 

A.

accumulator plane : 축적 평면

accumulator volume : 축적 공간

AdaBoost : 에이다 부스트

adaptive : 적응형, 적응적

algorithm : 알고르즘

aliasing : 에일리어싱

alpha blend : 알파 블렌드

alternative split : 대체 분기

anchor point : 고정점

anti-aliasing : 앤티 에일리어싱

aperture problem : 어퍼쳐 문제, 틈 문제, 구멍 문제, 틈새 문제

application : 응용 프로그램

area process : 영영 처리

aspect ratio : 영상 비

autocorrelation matrix : 자기 상관 행렬

average : 평균

 

 

 

B.

background differencing : 배경 차이

background model : 배경 모델

background substraction : 배경 제거, 배경 분리

barrel distortion : 술통형 왜곡, 배럴 왜곡

baseline : 기준선, 기본선, 기선

basis function : 기저 함수

Bayes classifier : 베이즈 분류기

Bayesian network : 베이시안 네트워크

Bhattacharyya distance : 바타차야 거리

bias : 평향, 바이어스

bicubic interpolation : 3차 회선 보간법

bilateral filter : 양방향 필터

bilinear interpolation : 양선형 보간법

bilinear transformation : 양선형 변환

bin : 빈

bird's eye view : 조감도, 조안 시점

blend : 혼합하다, 섞는다

blob : 덩어리, 블럽

blurring : 블러링, 흐리게하기

bounding box : 바운딩 박스, 경계 상자

boosted cascade object detector : 부스트된 직렬 객체 검출기

boosted rejection cascade : 부스트된 거절 캐스케이드

bootstrapping : 부트스트래핑

Bresenham algorithm : 브레제남 알고리즘

brightness : 밝기

brightness constancy : 밝기 항상성

 

 

 

C.

camera calibration : 카메라 보정

Canny edge detector : 캐니 엣지 검출기

categorical : 범주적

category : 카테고리, 범주

center of projection : 중심 모멘트

chessboard : 체스판

Chi-square : 카이-제곱

chrominance : 색상

classifier : 분류, 분류기

closed-form solution : 폐쇄형 해

closed contour : 폐외곽선

clustering : 군집화

codebook : 코드북

codebook entry : 코드북 항목

color similarity : 색상 유사도

color gamut : 색상 진역

color space : 색상 공간

compositing : 합성 과정

compression : 압축

condensation algorithm : 콘덴세이션 알고리즘

confusion matrix : 혼동 행렬

connected component : 연결된 구성 요소

cone : 콘

container class template : 컨테이너 클래스 템플릿

continuous tone : 연속된 색조

contour : 외곽선

contrast : 대비

contrast stretching : 대비 확장

control input : 제어 입력

convex : 컨벡스, 볼록

convex hull : 컨벡스 헐

convex polygon : 컨벡스 다각형

convolution coefficient : 컨볼루션 계수

convolution kernel : 컨볼루션 커널

convolution mask : 컨볼루션 마스크

corner : 코너, 모서리

correction phase : 교정 단계

correlation : 상관관계

correspondence : 대응점

cost : 비용

cross-validation : 교차-검증

cubic spline : 큐빅 스플라인

 

 

 

D.

decoder : 복호기, 해석기, 디코더

decision tree : 결정 트리

decision stump : 결정 그루터기

Delaunay triangle : 들로네 삼각형

Delaunay triangulation : 들로네 삼각망

deferred learning : 지연 학습

depth map : 깊이 지도

depth perception : 깊이 지각

deque : 디큐, 덱

difference image : 차영상

dilation : 팽창

dithering : 디더링, 뭉갬 효과의 일종(AA)

discriminative algorithm : 구별 알고리즘

disparity : 시차

disparity map : 시차 지도

distance norm : 거리 놈

distortion : 왜곡

distortion map : 왜곡 지도

dense : 밀집

difference norm : 차이 놈

dominant point : 우세 점

downsampling : 다운샘플링

dynamic programming : 동적 프로그래밍

 

 

 

E.

edge : 엣지, 경계

edge detector : 엣지 검출기

edge gradient : 엣지 그래디언트

edge-preserving smoothing : 엣지 보존 스무딩

eigen face : 고유 얼굴

eigen object : 고유 객체

embedded : 내장된

embedded hidden Markov model : 임베디드 은닉 마르코프 모델

encoder : 인코더

ensemble : 앙상블

entropy coding : 엔트로피 코딩

epipolar : 에피폴라

epipolar geometry : 에피폴라 기하

epipolar line : 에피폴라 직선

erosion : 침식

error : 오류, 오차

essential matrix : 필수 행렬

estimation : 추정

estimator : 추정자

Euclidean distance : 유클리디언 거리

expectation maximization : 기대값-최대화, EM

extended Kalman filter : 확장 칼만 필터, EKF

extrinsic parameter : 외부 파라미터

 

 

 

F.

facet : 면

false negative : 거짓-음성, 거짓-부정

false positive ; 거짓-양성, 거짓-부정

feature : 특징

feature point : 특징점

filter : 필터

fitting : 적합, 피팅

floodfill : 플러드필, 범람 채우기

focal length : 초첨 거리

Fourier transform : 푸리에 변환

fractal : 프렉탈

frame : 프레임

frame buffer : 프레임 버퍼

frame grabber : 프레임 획득기

frame rate : 프레임 률

Freeman chain code : 프리만 체인 코드

frequency domain : 주파수 영역

frequency transform : 주파수 변환

frontal parallel : 정면 평행

fundamental matrix : 기본 행렬

 

 

 

G.

gamma : 감마

gamma correction : 감마 보정

Gaussian : 가우시안

Gaussian mixture model : 가우시안 혼합 모델

generative algorithm : 생성 알고리즘

generative model : 생성 모델

generic container class : 제너릭 컨테이너 클래스

geometric process : 기하학적 처리

gesture : 제스쳐

gradient : 그래디언트

gradient descent (method) : 그래디언트 하강 (방법)

graphical model : 그래프 모델

grayscale : 그레이 스케일

 

 

 

H.

Harr : 하르

Harr-like : 유사-하르

halftoning : 간색

hidden Markov model : 은닉 마르코프 모델

hidden variable : 숨은 변수

high pass filter : 고주파 통과 필터

histogram : 히스토그램

histogram equalization : 히스토그램 균등화

homogenous coordinate : 동차 좌표계

homography : 호모그래피

Horn-Schunk optical flow : 혼-생크 옵티컬 플로우

Hough transform : 허프 변환

Hough line transform : 허프 직선 변환

Hough circle transform : 허프 원 변환

hue : 색상

Huffman coding : 허프만 코딩

hyperplane : 초평면

 

 

 

I.

identification : 식별

image analysis : 영상 분석

image compression : 영상 압축

image enhancement : 영상 향상, 영상 신장

image patch : 영상 패치, 부분 영상

image plane : 영상 평면

image pyramid : 영상 피라미드

image stablization : 영상 안정화

imager : 영상 센서

impulse noise : 임펄스 잡음

index : 인덱스

information fusion : 정보 융합

innovation : 혁신

inpainting : 인페인팅

integral image : 적분 영상

intensity : 명도, 밝기

interleave(d) : 인터리브 (방식)

interpolation : 보간

intrinsic parameter : 내부 파라미터

 

 

 

J.

Jacobian (matrix) : 자코비안 (행렬)

 

 

 

K.

Kalman filter : 칼만 필터

key frame : 키 프레임

 

 

 

L.

Laplacian : 라플라시안

layer : 레이어

laser range finder : 레이저 거리계

leaf node : 리프 노드

learning : 학습

least-square method : 최소자승법

least-square error : 최소자승 오류

lightness : 밝기

likelihood : 우도

line fitting : 직선 적합

link strength : 결합 강도

local : 지역적, 국지적

lookup table : 룩업 테이블

loss : 손실

lossless encoding : 무손실 인코딩

lossy encoding : 손실 인코딩

low pass filter : 저주파 통과 필터

Lucas-Kanade optical flow : 루카스-카나데 옵티컬 플로우

 

 

 

M.

magnification : 확대

Mahalanobis distance : 마할라노비스 거리

Mahattan distance : 맨하튼 거리

mapping : 매핑, 사상

Markov random field : 마르코프 랜덤 필드

matching : 매칭, 정합

maximum filter : 최대값 필터

mean-shift (algorithm) : 평균 이동 (알고리즘)

measurment : 측정(치)

median filter : 중간값 필터

memory storage : 메모리 스토리지

MIT Media Lab : MIT 미디어 랩

minimum filter : 최소값 필터

misclassification : 오분류

missing feature : 상실된 특징

mode : 모드, 최빈값

model : 모델

modeling : 모델링

moire patters : 모아레 패턴

monotone polygon : 모노톤 다각형

morphing : 모핑

morphological transformation : 모폴로지 변환

morphological gradient : 모폴로지 그래디언트

morphology : 모폴로지

motion : 움직임, 모션

motion history image : 움직임 기록 영상

motion template : 모션 템플릿

 

 

 

N.

native Bayes (classifier) : 순수 베이즈 (분류기)

node : 노드

noise : 잡음

nonrigid body : 비강체

nonuniform histogram : 불균등 히스토그램

norm : 놈

normal Bayes (classifier) 정상 베이즈 (분류기)

normalized moments : 정규화 모멘트

numeric : 수치적

 

 

 

O.

occlusion : 폐색

ordered : 순차적

operating point : 동작점

optical axis : 광축

optical flow : 옵티컬 플로우, 광류

orthographic projection : 정사 투영

outier : 이상치

overconstrained : 과제약

overfitting : 과적합

overflow : 오버플로우

 

 

 

P.

palette : 팔레트

pan : 팬

particle filter : 파티클 필터

perspective transform : 투시 변환

perspective projection : 투시 투영

physical world : 실세계(real world)

pinhole camera : 핀홀 카메라, 바늘 구멍 카메라

pinhole plane : 핀홀 평면

pixel : 픽셀, 화소

planar homography : 평면 호모 그래피

point of projection : 투영점

prediction : 예측

principal point : 주점

principal ray : 주선

precision : 정확률

process noise : 프로세스 잡음

progressive probabilistic Hough transform : 진보된 확률적 허프 변환

projection : 투영, 사영

projective transform : 투영 변환

proximity : 근접도

pruning : 가지치기

pseudo code : 의사 코드, 유사 코드

punishment : 벌칙, 처벌

 

 

 

Q.

quad-edge : 쿼드-엣지

quantization : 양자화

 

 

 

R.

radial distortion : 방사 왜곡

radian : 레디언

random tree : 랜덤 트리

range finder : 거리계

rank : 랭크, 계수

rank deficient : 계수 부족

raster : 래스터

real world : 실세계(physical world)

recall : 재현률

rectification : 조정, 렉티피케이션

reflection : 반사율

regression : 희귀

reinforcement learning : 강화 학습

rejection cascade : 거절 캐스케이드

rendering : 렌더링

resampling : 재샘플링

resolution : 해상도

retina : 망막

rigid body : 강체

risk : 위험

rods : 간상체

root node : 루트 노드

row-aligned : 행-정렬(된)

running average : 이동 평균

running total : 누적 합계

 

 

 

S.

sampling : 샘플링

saturation : 채도

scaling : 스케일링

Scale Invariant Feature Transform : 크기 불변 특징 변환, SIFT

scan : 스캔

Scharr filter : 샤르 필터

semisupervised learning : 반교사 학습

sequence : 시퀀스

sequence writer : 시퀀스 라이터

sequence reader : 시퀀스 리더

sharpening : 샤프닝

shot noise : 샷 잡음

signature : 시그니처

silhouette : 실루엣

smoothing : 스무딩

sparse : 희소

spatial coherence : 공간 일관성

spatial domain : 공간 영역

spatial frequency : 공간 주파수

stale : 실효된

state : 상태

standard deviation : 표준 편차

stereo : 스테레오

stereo correspondence : 스테레오 대응

structure from motion : 움직임 기반 구조, 모션 기반 구조

structure element : 구성 요소

subdivision : 구획, 세분

subpixel : 서브 픽셀

subregion : 부분 영역

super pixel : 수퍼 픽셀

supervised learning : 교사 학습

surrogate split : 대리 분기



 

T.

template : 템플릿

template matching : 템플릿 매칭

temporal persistence : 시간 지속성

test set : 실험 집합

threshold : 임계값

tilt : 틸트

time stamp : 타임스탬프

time step : 시간 단계

top-down : 하향식

top hat : 탑-햇

total norm : 전체 놈

tracking : 추적, 트래킹

tradeoff : 트레이드 오프, 적절한 타협

training set : 훈련 집합

transfer matrix : 전이 행렬

translation : 이동

triangulation : 삼각화, 삼각법

true color : 트루 컬러

true negative : 참-음성, 참-부정

true positive : 참-양성, 참-긍정

 

 

 

U.

uncertainty : 불확실성

underfitting : 부적합

undistortion : 왜곡 제거, 왜곡 펴기

uniform histogram : 균등 시스토그램

uniform noise : 균일 잡음, 정규 잡음

unscented particle : 언센티드 파티클 필터(UPF)

unsharp mask : 언샤프 마스크

unsupervised learning : 비가 학습

update gain : 갱신 이득

upsampling : 업샘플링

 

 

V.

validation set : 검증 집합

variable importance : 변수 중요도 

variance : 분산, 변이

vector graphics : 벡터 그래픽스

vector quantization : 벡터 양자화

visual acuity : 시각적 차이

video : 비디오, 동영상

volume rendering : 볼륨 렌더링

voronoi tessellation : 보로노이 테셀레이ㅕㄴ

voxel : 복셀

 

 

W.

warping : 와핑

wavelet : 웨이블릿

weak-perspective approximation : 약한-투시 근사화

whiteout : 화이트아웃

white noise : 백색 잡음

white point : 백색점 

windowing function : 윈도우 함수

wrapping function : 포장함수


 

X.

Y.

 

Z.

Zernike moments : 저니키 모멘트

zoom : 줌

zoom in : 줌-인

zoom out : 줌-아웃 

 

 

 

Posted by 모과이IT
,

 

--------------------------------------------------------------------------------

아래의 자료는 지윤서윤님이 작성한 글로 저는 페이지 찾아갈때 편의를 위해서 복사해 놓은 것입니다.

혹여나 스크랩이나 인용이 필요한 경우, 원문 주소로 찾아가셔서 감사 댓글 및 출처를 남겨 주십시요 ^ㅁ^;

-------------------------------------------------------------------------------- 

출처 지윤서윤 | 지윤서윤
원문 http://blog.naver.com/skkong89/90090719575

 



인공지능에 나오는 수학

대수학 기초

리틀엔디안,빅엔디안

Digital Image Processing 3/E [Gonzalez]:
2장 Digital Image Fundamentals

3장 Intensity Transformations and Spatial Filtering

4장 Filtering in the Frequency Domain

5장 Image Restoration and Reconstruction

6장 Color Image Processing

7장 Wavelets and Multiresolution Processing

8장 Image Compression
DCT
JPEG개요
JPEG개요 [ppt]
신라대멀티미디어강의 [ppt]
영상압축표준 [pdf]
MPEG B-frame
Inter frame [wiki]
영상압축의 원리-spatial redundancy
DPCM과 DM 설명
Lloyd-Max 양자화 [강원대, ppt]
손실압축기술 [한밭대, pdf]
RMSE(Root Mean Square Error)

9장 Morphological Image Processing

Convex Hull, Concave Hull

Convex Hull - 그레이엄 scan 알고리즘

Convex Hull - Gift wrapping

Hit or Miss Transform

Hit or Miss Transform [pdf]

Thining

문자 인식을 위한 Thining 알고리즘

세선화[ppt]

Morphological Reconstruction


10장 Image Segmentation

Edge Detection

The Marr-Hildreth edge detector [pdf]

Theory of Edge Detection - Marr-Hildreth 논문 [pdf]

비극대 억제(nonmaxima suppression) [pdf, 41 page]

Edge Normal

Canny Edge detect - nonmaxima suppression [★★★]

Canny Edge Detector

hysteresis thresholding

Local Edge Linking Methods

Local Processing Methods [pdf]

Open and Closed Curves

Boundary Detection [ppt]

최소제곱법이해하기 [★★★★★]

Otsu 이진화

Otsu 이진화 [★★★]

Bayes' formula [★★★★★]

Bayesian theorem [★★]

Moving Averages

군집분석

마할라노비스의 거리

Region Splitting and Merging

Watershed (Image processing) [wikipedia]

영상 분할을 위한 효과적인 영역 병합 방법

객체 투영을 이용한 비디오객체 추적 알고리즘

Accumulative Difference Image [dip]


11장 Representation and Description

Freeman Chain Codes

자동차 번호 인식을 위한 freeman code 응용

determinant 개념 [지식인, ★★★]

Medial axis transformation

Moments [pdf]

Region Descriptor [ppt]

동시발생매트릭스(Co-Occurrence matrix)

Hu의 불변 모멘트

Mean vector and Covariance matrices [★★★]

주성분분석(Principal Component Analysis) [wiki]

Principal Components Analysis tutorial - 1 [pdf, ★★★★★]

PCA using R - 라면맛 분석[★★★]

Principal Components Analysis tutorial - 2 [pdf, ★★]

layman's PCA [youtube, ★★]

기대값, Expectation [wiki]

pca 참고 [cafe]

pca 수업

pca 한글 예제 [★]

푸딩 이야기 - 4(얼굴인식)


12장 Object Recognition

MLP(Multi-Layer Perceptron [★★★]


Posted by 모과이IT
,


오늘 부터 이공간에 논문 일지를 작성 하기로 마음먹었다.

힘들게 시작하고 마음먹었던 석사 생활에 마지막 논문학기다.


그동안 2년간 일을 하면서 일주일 두번씩 학교 수업을 하고 이번 학기를 마지막으로 모든 수업 일정은 끝이 나고

이제 논문을 쓰기위한 교수님 면담을 해야하는 절차이지 첫 시작이다.


오늘은 설레임반(?) 막연히 두려움반(?) 논문이란 막연히 해보지 않은 두려움(?) 이랄까?  이런 맘을 가지고

주제를 정하기 위한 검색을 하였다...


근데 오늘 기분이 너무 좋다.. 갑자기 내가 원하던 주제에 대한 논문을 검색이 되어서 갑자기

열정의 스파크가 온몸에 흐른다. 먼저 내가 논문 주제를 정하기 위한 컨셉은....


나의 2년간의 영상처리관련 프로그래밍을 한적이 있어서 그것을 살려야겠다는 취지도 있었다.

아래는 내가 논문 주제를 정하면서 충족이 되어야하는 체크리스트 이다


1.  영상처리에 대한 전반적인 개념을 녹아나는것 

2.  실무에 많이 대두어 되어지면서 모든 영상처리에 기본이 되는 분야

3.  내가 관심이 있었던 분야 


일단 패턴인식쪽으로 가닥을 잡다가 객체 라벨링쪽으로 좁혀 졌다.

객체 라벨링 관련 논문을 검색하던 도중..... 순간 내가 원하는 석사 논문을 발견하였다.


객체 라벨링을 하면서 사람의 얼굴색을 판별하여 사람인지 아닌지 판별까지 가능하였다.

그것을 더욱더 응용한다면 CCTV 보안쪽이나 자동 출퇴근 기능이라던지 그것을 조금만 더 응용한다면 여러가지 아이템이 떠 오를것 같았다. 


아무튼 이런 주제로 가닥을 잡고 논문 주제를 잡아 보아야겠다.

교수님을 곧 만나봐야할텐데... 자료을 좀 모아봐야겠다.


<주제 관련 검색한 논문>


re19.pdf




'전공지식창고 > 논문' 카테고리의 다른 글

논문쓸때 주의할점  (0) 2014.07.04
석사 학위 논문에 대한 교수님 조언  (0) 2014.02.18
논문 일지 #2(논문 주제 선정 초안)  (0) 2014.02.18
논문 작성법  (0) 2013.12.29
학윈논문 작성법  (0) 2013.11.27
Posted by 모과이IT
,

논문 작성법 한눈에 보기



1. 논문이란?

"소정의 수업과정을 마친 학생이 자신의 전공분야에 관한 연구문제를 설정하고, 그 연구문제의 답을 구하기 위해 직접 조사를 실시하고 수집된 자료를 분석하여 결과를 얻으냄으로써 새로운 이론을 제시하는 연구행위의 결과물로, 서론, 이론적 배경, 연구방법, 연구결과, 결론의 다섯 개 장(chapter)을 갖춘 형식으로 발표하고 공개하는 보고서(report)"라고 정의할 수 있다.

연구의 결과, 즉 자신이 발견한 어떠한 지식을 가장 객관적으로 다른 사람에게 전달하는 도구라고 생각된다. 연구는 어떤 현상에 대한 "관찰", 그리고 그 관찰로부터 습득된 어떠한 "가정/가설(hypothesis)", 그리고 그 가설을 논리적이고 타당한 방법으로 "증명(proof)"하는 과정이다.

그 연구 결과는 충분히 "가치"가 있는 내용이어야 하고 (수준/창의성/기여/활용 면에서), 그 연구 결과는 누가 보더라도 수긍할 수 있는 객관적이고 논리적인 방법으로 (반론을 펼 수 없을 정도로) 표현이 되어야 한다.


2. 학위논문을 쓰는 데 필요한 요소

1) 연구문제가 있어야 한다.

2) 연구문제를 뒷받침하는 이론적 배경, 즉 관련문헌과 선행연구가 어느 정도 되어 있는지 조사해야 한다.

3) 조사를 직접 실시하여 자료(data)를 수집해야 한다.

4) 수집된 자료를 분석해야 한다.

5) 연구문제의 답을 얻어내는 데 초점을 맞추어 분석결과를 설명해야 한다.

6) 분석결과를 바탕으로 결론을 제시해야 한다.

7) 연구에 사용된 참고문헌, 설문지(설문조사일 경우), 자료 등을 첨부해야 한다.


3. 논문에 요구되는 사항

“독창성(Creativity)”은 이 논문의 연구결과가 독창성이 없다면 아무 의미가 없다는 것을 말한다. 이미 남이 이전에 해놓은 것을 또 해봐야 소용없는 일이다.

“기여도(contribution)”는 아무리 독창성이 있는 연구라도 그 결과가 아무런 기여를 하지 못할 것이라면 별 의미가 없다는 것이다.

“구성/형식”은 논리적으로 자신의 아이디어와 연구방법, 실험방법, 결과분석 등이 정리가 되어 있는가를 보는 것이다.


4. 논문의 난이도는?

어떠한 논문이던지, 논리적인 구성과 형식은 필수임을 기억하라.

“난이도”는 학부논문/석사논문/박사논문에 따라서 그 난이도를 감안해야 한다. 학부논문에서는 박사학위 논문의 수준을 요구하지는 않는다.

일반적으로, 학부논문은 “연구 수행” 연습을 해보는 과정이라고 생각한다. 주제를 선정하고, 그 주제에 따라서 연구방법과 실험방법을 정하고, 연구를 수행하여 나온 결과를 어떻게 논리적으로 정리를 하는가 하는 것에 대한 연습이라고 생각한다. 따라서 다소 창의성이나 기여도는 떨어지더라도 논문의 구성부분에는 많은 노력이 있어야 한다.

석사논문은 구성은 기본으로 갖추어져야 하고, 창의성과 기여도가 있어야 한다.

박사논문은 구성/형식은 당연히 완벽하여야 하고, 그 창의성과 기여도가 아주 높아야 한다. 그 연구 분야에서 오랫동안 이슈가 되어왔던 문제에 대한 해결책을 제시하는 것이거나, 새로운 이론의 정립과 그 활용방안을 제시하는 정도의 것이어야 한다.

논문의 난이도와 관련해서 다음과 같은 말이 있다. “중학교 2학년에게 읽혀서 연구의 목적과 방법, 결론의 개념적인 부분을 이해시킬 수 있다면 그 논문은 성공적인 논문이다.” 한번쯤 새겨볼 필요가 있지 않을까?


5. 논문은 어떻게 쓰는가?

1) 논문작성에 대한 공포감을 없애라.

논문의 양에 대한 공포를 없애는 것은 매우 중요하다. 즉, “나는 100페이지짜리 논문을 쓰는 것이 아니라 100페이지 중에 10페이지 정도만 나의 생각을 담고 나머지는 기존의 연구결과와 조사 자료를 요약․정리하는 작업이다”라고 편안하게 생각해야 한다. 그리고 페이지 분량자체는 그리 중요한 것은 아니다. 실제로 50페이지 정도만 혹은 그 이하라도 훌륭한 논문이 되는 경우가 많다. 오히려 두꺼운 논문일수록 표절의 가능성은 높다. 논문의 얇음을 걱정하기보다는 두꺼움을 경계해야 한다.


2) 시간배분은 자료수집 : 분석을 9:1만 해도 성공적이다.

자료에는 두 가지가 있다. 하나는 분석할 자료(대개 숫자로 된 통계자료)이며 다른 하나는 기존의 이론 및 실증연구자료(문헌자료)이다. 석사학위 논문은 대개 새로운 이론의 주장보다는 기존 이론의 실증분석 혹은 기존 실증연구들의 확장․검증 형태가 대부분이므로 자료의 획득이 성공의 90% 이상을 차지한다고 해도 과언이 아니다. 이것이 없으면 설문조사 혹은 인터뷰 조사 등을 직접 수행하여야 하는 경우가 많다. 


3) 생각을 정리할 때는 표와 그림을 자주 활용하라.

생각이 없는 논문은 그야말로 단팥 없는 찐빵과 같다. 그런데 대부분의 학생들은 자신의 생각은 없이 계속 남의 글만 편집 혹은 표절해서 양을 채워나간다. 이런 식으로 가다보면 아무리 양이 많아도 허전하여 자연히 논문이 두꺼워진다. 그만큼 논문에서의 독창적인 생각은 그것이 아무리 작은 것이라고 하더라도 매우 중요한 것이다. 그래서 석사논문을 thesis라고 하지 않는가? 이것이야말로 몇 개월간의 고통스런 논문작성 기간동안 활력소의 역할을 하는 것이다. 그런데 학생들은 왜 생각하기를 두려워하는 것일까? 그것은 기존의 논문이나 다른 사람들의 연구에 압도되기 때문이다. 이를 벗어나는 한 방법은 여러 사람들의 연구를 본인 나름대로 분류하고 정리하는 것이다. 그러면 한 이론이나 논문으로부터의 공포로부터 벗어날 수 있다.


4) 검증할 가설이 무엇인지를 항상 생각하라.

자기생각이 없는 논문은 자료집이 되기 쉽다.  그런데 자기생각을 개발하는 다른 방법은 논문에서 검증할 가설이 무엇인지를 항상 생각해 보라는 것이다. 석사학위논문의 상당부분은 분석에 중심을 두며 개선대안 혹은 시사점 등은 비교적 가볍게 다룬다. 이럴때 분석을 도와주는 것이 바로 가설검증 식의 생각이다. 물론 처음에는 겁이 나지만, 연구의 범위와 방법은 항상 제한된 범위에서 이루어지는 것이므로 다소 서툴더라도 나름대로의 가설을 항상 붙들고 있어야 한다. 공격할 대상이 있어야 전투가 흥미롭게 진전될 수 있는 것이다.


5) 가설은 항상 검증이 가능한 것이어야 한다.

때로 검증이 불가능한 가설을 가지고 씨름하는 경우를 볼 수 있는데 이는 아집이고 빨리 버려야 할 대상이다. 이런 논문은 대개 규범적인 논문이 되기 쉽다. 규범적인 논문은 대개 도를 닦듯이 혹은 선문답 하듯이 진행될 수밖에 없으며 논문의 주제도 매우 거창한 것이 특징이다. 즉, 거창한 주제의 논문제목을 피해야 하며, 겸손한 작은 주제로 시작하는 것이 좋다. 부동산학의 논문은 철저히 객관적이고 사실로써 검증이 가능한 주제를 다루어야 한다. 그래서 검증한 가설을 조작적 가설(operational hypothesis)이라 한다.


6. 논문 제목은 어떻게 잡는가?

논문의 분야는 평소에 하고 있는 일, 관심을 끌었던 주제 혹은 분석 방법론, 관심 있게 읽은 실증논문, 신문기사 등에서 찾는 것이 자연스럽고 무난하다. 즉, 자기가 쓰고 싶은 분야보다는 자기가 잘 아는 분야의 논문이 성공할 가능성이 높다. 논문의 제목은 사실 여러 가지 가설들을 세우고 검증하고 수정하는 과정에서 제일 마지막에 확정되는 것이라고 보면 무난하다. 논문의 제목은 심사 후에도 수정되는 경우가 많다.

논문의 주제는 자신의 관심분야와 능력에 맞는 것이어야 하며, 지도교수와의 상담을 통하여 그 주제가 충분한 창의성과 기여도를 가질 수 있는 것인지를 확인받아야 한다.

자신이 가장 관심 있고 흥미 있어 하는, 그리고 잘 할 자신이 있는 것으로 선택할 것.(매우 중요한 사항임)

흥미가 없는 주제를 억지로 하거나, 자신의 능력이나 지식으로는 벅찬 주제를 정하게 되면, 정해진 시간 안에 좋은 논문이 나오기 힘듬.


7. 논문의 구성 및 작성 순서는 어떻게 하는가?

논문연구의 대략적인 진행은 다음과 같다.

1) 먼저, 논문의 주제를 지도교수와의 협의를 통하여 정한 후, 그 주제에 대한 기존 연구와 결과에 대한 철저한 survey를 해야 한다. 이 부분이 가장 중요한 부분이다. 기존연구들에 대한 분류, 장점, 단점의 이유, 내가 해결할 수 있는 부분인지... 해결할 수 있다면 어떤 방법과 기법으로 그것을 해결할 수 있을 것인지.. 에 대한 확실한 분석이 이루어져야 한다.

2) 기존연구 요약과 분석을 통하여, 내가 하고자 하는 연구를 확실하게 정의하고, 어떤 방법/기법으로 할 것인지를 정한다. (어떤 식으로 나의 가설/가정을 증명을 할 것인지.... 즉, 다시 말하면, 구현을 하여 실험을 할 것인지, 수학적으로 증명을 할 것인지, 설문조사를 통하여 증명을 할 것인지...)

3) 구현과 실험을 한다. 실험은 내가 제시한 것이 과연 기존의 것에 비하여 더 우수한지, 또는 기존의 문제점을 해결하였는지 "증명"을 하는 부분이다. 수학적으로 증명할 수 있으면 좋고, 아니면 동일한 데이터에 대하여 실험 비교하여 내 것이 기존의 단점을 해결하고 더 우수한 성능을 보인다는 것을 증명하여도 된다. 아무리 잘 만들었다고 하더라도 기존의 것보다 좋지 못하다면, 혹은 기존의 것과 동일한 것이라면 그 결과가 무슨 의미가 있나.

4) 위의 1)~3)를 정리하고 분석을 한다. 마지막으로, 정리요약하고 결론을 내린다. 결론은 "이 논문에서 증명된 가설"을 말한다. 이제 논문이 완성되었다. 이렇게 함으로써, 나의 연구결과를 논리적이고 객관적으로 세상에 전달하는 기본적인 형식을 갖추게 되는 것이다. 논문은 전체적인 이야기의 흐름이 물 흐르듯이 무리없이 흘러가야하고, 필요없는 부분/군더디기 부분/부족한 부분/빠진 부분 등이 없는지 점검하여야 한다.

연구의 순서는 사례분석을 먼저 완성하고 기존논문을 고찰하면서 이를 다시 수정․보완하는 식으로 하면 될 것이다. 상식과는 다르게 서론은 대개 맨 나중에 쓰는 것이 좋다.

논문의 구성은 제1장 서론(연구의 배경과 목적, 범위 및 방법, 선행연구의 고찰) → 제2장 개념 및 제도, 이론적고찰 → 제3장 현황 및 조사분석 → 제4장 사례분석 → 제5장 문제점(쟁점) 및 개선대안(시사점) → 제6장 결론으로 구성되는 것이 일반적이다.(3~5장을 묶어서 1~2개의 장으로 구성하기도 한다)



II. 논문의 형식

1. 서론

논문의 제1장은 서론으로 제1절 연구의 배경(문제제기, 필요성), 제2절 연구목적 및 방법, 범위와 구성, 제3절 선행연구, 용어의 정의로 구성된다.

(1) 목적 : 취급하고자 하는 논제의 연구 목적을 간결하고도 충분하게 소개한다. 독창성과 참신성, 그리고 실현가능성 있는 목적을 균형잡는 것이 중요하다.

(2) 범위 : 다루어야 할 문제의 범위를 명확히 한다. 이것은 집필자 자신의 논지를 보호하는 구실을 하기 때문에 되도록 구체화시킬 필요가 있다.

(3) 방법론 : 논제에 관한 연구 방법론을 소개한다. 과거의 예를 보면 전혀 연구 방법을 제시하지 않거나, 간혹 제시하더라도 형식상으로 또는 본문의 내용과 아무 관계가 없는 것을 적당히 기술하는 경우가 많았다. 이것은 물론 논문을 작성하기에 앞서 문제를 파악하는 능력이 부족하였다는 것을 말하는 것이며, 또한 논제에 접근하기 위한 이론이나 개념 체계(conceptual scheme)가 서 있지 않은 까닭이라고 생각된다.

연구 방법에 대한 기술은 독자가 충분히 이해하여 그 연구과정을 재반복할 수 있을 정도로 상세하고 정확해야 한다. 여기에서는 연구방안이나 실험방안, 경험적 자료(실제로 측정된 자료)와 이론적 개념이나 배경과의 논리적인 관계, 피험자 또는 표집대상의 특성, 표집방법, 실험통제의 방법, 측정방법과 자료수집의 절차, 또한 어떤 특수한 도구가 사용된 경우에는 그 도구의 주요 특징에 관한 기술과 통계적인 분석방법 등이 포함된다.

(4) 논제의 연구 상황에 관한 간략한 소개 : 논제 또는 그것과 밀접한 관계에 있는 문제에 관한 과거의 연구를 간단히 그러나 날카롭게 비판적으로 소개하고 그 문제의 연구 과정 및 상황을 요약함으로써 집필자 자신의 연구의 필연성을 강조할 수 있게 해야 한다.

(5) 기본 자료의 소개 및 용어의 정의 : 논문에서 사용한 기본 자료나 용어는 이 서론에서 명백히 밝혀 두어야 한다. 논문에서 사용되는 용어는 일반적인 개념인 경우가 대부분이지만, 논문에 따라서는 용어의 정의와 한계 등을 사전에 정의하고 논리를 전개하는 경우도 있다. 특수한 번역어가 있을 때에는 각 항목에서 설명할 것이 아니라, 이 자리를 빌어 원어와 대비하여 설명하는 것이 좋다. 특히 기존의 번역어가 불만스러워 다른 번역어를 사용했을 때에는 그의 타당성과 까닭을 명확히 달아야 한다.


2. 구성내용

1. 서 론

  (1) 연구문제와 연구의 목적(aim)

  (2) 선행연구의 고찰과 선행연구가 이론적 입장과 본 연구와의 관계, 용어의 정의

  (3) 검증하려는 가설이나 궁극적인 연구목적(vision)

2. 연구 방법

  (1) 연구에서 사용된 자료의 모집과정, 측정 및 분석 등 연구절차의 일반적 개요

  (2) 측정도구 및 기구의 기술과 사용과정

  (3) 피험자나 측정대상자에게 준 지시사항이나 측정절차

  (4) 표집방법과 표집의 특성

  (5) 분석방법

3. 결과 및 논의

  (1) 자료의 요약(圖나 表 등)

  (2) 통계적 분석검정

  (3) 설정된 가설의 검정

  (4) 결과의 해석

  (5) 결론

4. 요약, 결론 및 연구의 의의

  (1) 연구과정의 요약

  (2) 주요 결론의 열거

  (3) 논문의 한계 및 향후의 연구과제


3. 논문 작성상의 주의사항

1) 창의성(창조적인 모방)

논문은 어떻게 보면 창작 활동의 한 부분이다. 창작이라 함은 허구의 내용을 자의적으로 꾸며낸다는 말이 아니라 특정한 사실을 창의적으로 설명한다는 뜻이다.

그러나 예술적 창의성과 달리 학문적 창의성은 '새로운 표현'에서 나오는 것이 아니라, 새로운 표현이 가리키는 '새로운 사실의 발견'이나 '사물에 관한 새로운 인식 방법'에서 드러난다. 결국 새로운 표현이라 하더라도 결코 표현의 기법에 관한 문제만일 수 없고 새로운 발견을 향한 학문적 열의와 문제 의식 그리고 연구 대상에 대한 끊임없는 고찰이 사실상 논문의 학술적인 창의성의 전제가 될 수밖에 없다.

그러므로 학술 논문에서는 집필자의 창의적인 대목이 논문의 중심되는 위치에 오도록 서술해야 한다. 이러한 창의성이 불명확하게 또는 어설프게 서술되면 왜 이 논문이 존재해야 하는지가 전혀 드러나지 않게 된다.


2) 사고의 연속성

글을 쓰는 데에서 가장 중요한 것은 사고의 연속성을 유지하는 일이다.

여러 가지의 많은 자료를 조사하고 수집하였다 하더라도 그것을 정리하여 체계적으로 논리를 펼쳐 나가는 것은 논문 집필의 핵심이며, 최초의 발상에서부터 마지막 결론에 이르기까지의 일관된 사고가 이어지지 않고서는 학문적 주장(argument)으로서의 필요한 타당성을 인정받을 수 없다.

그러므로 최초의 착상을 얼마나 흔들림 없이 꾸준히 유지할 수 있느냐 하는 문제는 앞에서 말한 개요 작성의 중요성과도 연결되는 점이기도 하다. 이 점은 애당초 개요를 작성하는 과정이 얼마나 치밀했는가를 보여 주는 대목일 수도 있다.


3) 표현에 관한 문제

논문을 집필한다 함은 연구 결과를 공개하는 행위에 그치지 않고, 자신의 앎을 언어를 통하여 재구성한다는 또 하나의 의미를 보여준다. 그러므로 집필자 자신이 캐내어 엮어 놓은 사실을 다른 사람들에게 어떻게 명확하게 전달하여 자신의 논지를 이해시킬 수 있겠느냐 하는 것과 그렇다면 어떻게 표현해야 할 것인가 하는 '표현에 관한 문제'에 결국 다다르게 된다. 따라서 여기에서 관심을 가져야 할 표현이라는 문제는 당연히 기능미학적인 것이 아닌 의미의 정확성에 관한 것에 초점을 맞추어야 한다.


(1) 간결한 표현

예술적인 표현 기법이 특별히 요구되는 글이 아니라면, 일반적으로 간결한 표현을 사용하는 것이 좋다. 간결한 문자에서는 보통 주어와 서술어의 관계가 분명하게 나타난다. 그러므로 간결한 문장에서는 주어에 의해서 나타나는 표현단위의 주체와 서술어에 의해서 나타나는 그것의 운동 및 변화 그리고 그 속성 등이 읽는 이들에게 부담없이 전달될 수 있다는 중요한 장점이 있다. 만일 복잡한 구조의 문장으로 표현이 이루어질 것 같으면 위에서 말한 중요한 요소들의 관계가 헝클어지거나 어긋나게 전달될 수도 있으므로 이해를 돕지 못하는 부분은 되도록 줄여 버리거나 다음 문장으로 표현해야 한다. 어쩔 수 없이 복잡한 문장으로 나타낼 수밖에 없는 문장은 주요 개념들 사이의 관계가 문법적으로 분명한 이음새를 유지하도록 해야 한다. 항상 염두에 두어야 할 것은 읽는 사람들이, 전공자이든 비전공자이든, 해당 논문의 흐름을 전혀 예상하거나 예지하지 못하고 있는 것을 논리적 전제로 삼아야 한다는 점이다.


(2) 객관적 표현

연구자가 포착해 낸 사실이나 정리해 낸 이론을 언어를 통하여 그려 나간다는 일은 결코 쉬운 일이 아니다. 학문의 목적에는 주관적 관념 체계를 객관적 인식의 상태로 전환시키는 것도 중요한 항목으로 포함되어 있기 때문에 각 어휘가 지나고 있을 수 있는 주관적 용법을 특별히 경계해야 한다.

무엇보다도 우리가 일상적으로 경험하는 언어의 세계에서 쉽게 감지되는 어휘의 의미는 주관적인 감성과 자의적인 의미 해석을 허용하는 경우가 많다. 이러한 일상 세계에서의 표현 방법은 그 주위의 다양한 상황과 인간관계의 도움으로 의사소통이 이루어지지만, 학술 활동에서의 표현은 원칙적으로 고도로 추상화되어 있는 전문 용어를 사용함으로써 그 객관성을 확실히 해야 한다.

다시 말해서 학술적 표현이란 해석자로 하여금 특정한 상황 요소(곧 장소나 시간 그리고 인간적 문제)들과 결합되지 않고, 오히려 그것으로부터 독립되어 나온 개념-이것을 추상 개념이라고 한다-을 통하여 객관적인 세계에 다다르게 하도록 해야 한다.

이와 같은 논리에 따라 논문의 작성 과정에서는 되도록 주관적 상황을 떠올리게 하기 쉬운 특정한 인칭 대명사 대신에, 삼인칭을 보편적으로 사용하고 있다. 따라서 주어로 등장하는 어휘는 주로 사물을 가리키는 낱말일 경우가 많으며, 사람 이름은 인용 출처를 밝히는 경우에나 사용된다. 한편 집필자 자신을 가리키는 표현도 일반적으로 '나'라고 하는 일인칭 대명사보다 '필자 또는 논자'라고 하는 삼인칭이 더 적합하게 받아들여진다.

논문에서는 감정이나 편견이 엿보이는 표현을 사용해서는 안 된다. 확실히 입증될 수 없는 의견을 표현하는 경우는 그 점을 명확히 밝혀 두는 것이 좋다. 또한 논자에 따라서는 본인의 실무경험과 경력을 강조하며 서술하는 경우가 종종 있는데 논문에서는 바람직한 표현기법이 아니다.


(3) 논리적 표현

우리가 머리 속으로 생각하는 여러 가지의 논리는 언어의 형식 위에 나타나게 된다. 그러나 이것은 항상 직접적인 반영으로 나타나는 것이 아니라 오히려 간접적으로 나타나기 때문에, 집필자가 당초 의도하던 바와 다른 논리를 형성한다든지 아니면 무의식적인 형식 논리의 전개로 읽는 이를 당황하게 하기도 한다.

구체적인 예를 들어보면, 많은 학술 논문에 '밝히다'라는 용어가 불분명하게 사용되는 것을 들 수 있다. '밝히다'라는 말은 분명히 어떤 모호한 부분을 구체화시켜서 명백하게 이해할 수 있게 하거나 부분적인 사실에 지나지 않는 것을 어떤 대상 전체의 한 부분으로 보여 주는 행위이다. 그러므로 '밝히다'하는 낱말은 단순한 '진술'을 뜻하는 맥락에서 사용될 수 없다.

다른 예로 '구체적'이라는 말의 문제도 한번 짚고 넘어가야 한다. '구체'의 개념은 '추상'과 대립되며 특정한 사물을 직접적으로 가리킨다. 그러므로 '구체적으로 말하며'이라는 표현 다음에는 읽는 이로 하여금 대상 개념의 형상, 속성, 크기, 가치 등과 같은 실질적 요소들을 머리에 떠올릴 수 있는 서술이 뒤따라야 논리적이다. '추상'의 개념은 '구체'적인 대상들을 하나의 단위로 총괄해서 일컫는 말로 특정한 부분적 사실의 진리치와는 큰 관계가 없다. 예를 들어서 '물은 100도에서 끓는다'라는 명제는 추상적이다. 구체적으로 말해서 기업이 낮은 고산 지대에서는 그 이하에서 끓을 수도 있고, 기압이 높은 평야 지대에서는 그 이상에서야 끓게 된다. 그러나 추상적인 주장이 구체적 사실과 어긋난다고 해서 거짓말이라고 할 수는 없다.

'추상'은 모든 구체적 사실을 설명할 수 있느냐의 여부로 자신의 진리치를 보여 줄 뿐이다. 따라서 '구체적으로 말해서…'라는 말의 다음에는 앞에서의 추상적인 내용을 개별 상황에 적합하게 직접성으로 나타내는 서술이 뒤따라야 한다. 적지 않은 경우에 이 말 다음에 앞의 설명을 더 평이한 다른 어휘로 되풀이하여 보충만 하고 마는 경우가 있는데, 이것은 매우 비논리적 서술이다. 이런 경우에는 차라리 '다시 말해서…'라든지 '곧'이라는 말을 쓰는 것이 더 적합하다.

적지 않은 학술 논문에서 '결론적으로…'라는 표현이 부적합하게 사용됨을 볼 수 있다. 자신의 논지가 최종적으로 압축된 부분에서 사용되어야 함에도 불구하고 앞선 문장의 논리적 귀결에다가 이 말을 잘못 접속시키지 않도록 각별히 조심해야 한다.

또 다른 예로서, '앞에서 말한 바와 같이'라는 표현이 구체적으로 가리키는 앞부분이 어디에 있는지 불분명하거나 아주 없는 경우도 있다. 이런 경우는 머릿속에서 구상한 부분과 실제로 언어화된 부분의 편차에 기인하는 일종의 착오이다. 이러한 착오는 다음에 이야기 할 뒷손질의 과정에서 바로잡도록 해야 한다.

논리적 표현과 관련된 문제 가운데 하나로 자주 나타나는 것은 '추론'과 '짐작'에 관한 것이다. '추론'은 논리적인 귀결 가운데의 하나로서 구체적으로 삼단논법의 중요한 한 과정이다. 반면에 '짐작'은 주관적인 전망의 한 가지라고 볼 수 있다. 그러므로 '짐작'을 나타내는 '…라고도 할 수 있다.'라든지 '…인 듯하다,'라는 말은 읽는 이에게 자신의 논지를 불확실하게 전달하는 역기능을 하게 된다.


4) 뒷손질

논문답지 못한 표현 (X)

 학술 논문 표현 (O)

쓰인

적용된, 사용한

비싼

고가의

저렴한

대단히

매우

짰다

프로그램을 작성하였다

신호를 내는

신호를 발생하는

바꾸는

변환하는

줄어 든다

감소한다

늘어 난다

증가한다

나누어 진다

구분된다

비슷하다

유사하다

보내어

전송하여

~로 되어 있다

~로 구성된다

가장 힘이 드는 초고를 작성하고 나서 이를 다시 읽어보면, 필요없는 것이 많이 포함되어 있는 경우가 적지 않다. 따라서 좋은 논문을 쓰려고 할 때에는 초고를 되풀이해서 읽어보면서 필요없는 부분들을 차례로 삭제하여서 버려야 한다. 짧은 논문을 쓰려고 할 때에는 초고를 길게 작성하였다가 불필요한 부분을 잘라 버려야 한다. 잘 손질된 논문이란 다름 아니라 필요한 것은 모두 포함하면서 필요하지 않는 것은 하나도 포함하지 않는 논문을 말한다. 초고가 완성되면 얼마 동안의 시간이 경과한 후에 퇴고에 착수하는 것이 좋다. 이렇게 시간적 여유를 가진 뒤에 그 논문을 다시 읽어보면 비교적 객관적인 검토가 가능하다. 


출처 : http://blog.daum.net/samhang61/15849542


도움되는 링크들

1) http://kimstar.pe.kr/blog/322

2) http://blog.naver.com/PostView.nhn?blogId=ilsangson&logNo=150009484137

'전공지식창고 > 논문' 카테고리의 다른 글

논문쓸때 주의할점  (0) 2014.07.04
석사 학위 논문에 대한 교수님 조언  (0) 2014.02.18
논문 일지 #2(논문 주제 선정 초안)  (0) 2014.02.18
논문 일지 #1  (0) 2013.12.29
학윈논문 작성법  (0) 2013.11.27
Posted by 모과이IT
,

논문 작성법

 
 
1. 학위 논문의 체제 및 작성 방법
- 연구의 과정과 학위논문의 체제 : 
 http://blog.naver.com/gracestock_1/120199898214
- 서론과 연구문제의 진술 : 
 http://blog.naver.com/gracestock_1/120199952492
- 연구문제 작성 방법 : 
 http://blog.naver.com/gracestock_1/120199952787
- 연구의 중요성 : 
 http://blog.naver.com/gracestock_1/120199953122
- 용어의 정의(개념적/조작적 정의) : 
 http://blog.naver.com/gracestock_1/120200073479
- 연구의 제한점 : 
 http://blog.naver.com/gracestock_1/120200073632
- 연구의 가정 : 
 http://blog.naver.com/gracestock_1/120200073875
- 선행연구의 고찰 : 
 http://blog.naver.com/gracestock_1/120200073976
- 연구 방법, 연구 대상 : 
 http://blog.naver.com/gracestock_1/120200074099
- 표본추출방법 및 절차 : 
 http://blog.naver.com/gracestock_1/120200074204
- 표본의 크기 : 
 http://blog.naver.com/gracestock_1/120200074279
- 측정도구 : 
 http://blog.naver.com/gracestock_1/120200074338

 
2. 논문 작성 및 편집 지침
- 목차 작성법 / 논문목차양식 : 
 http://blog.naver.com/gracestock_1/120200074415
- 논문번호, 시제표기 방법 : 
 http://blog.naver.com/gracestock_1/120200074496
- 인칭, 숫자, 문장부호 표기 방법 : 
 http://blog.naver.com/gracestock_1/120200074575
- 외국어, 숫자 표기방법 : 
 http://blog.naver.com/gracestock_1/120200074645
- 통계와 관련되어 표기해야 할 사항 & 문장 나열하는 방법 : 
 http://blog.naver.com/gracestock_1/120200074705
- 논문인용방법 : 
 http://blog.naver.com/gracestock_1/120200074758
- 표 그리는 방법 : 
 http://blog.naver.com/gracestock_1/120200074819
- 그림 그리는 방법 : 
 http://blog.naver.com/gracestock_1/120200074896
- 각주 다는 방법 : 
 http://blog.naver.com/gracestock_1/120200074987
- 참고문헌 & 부록 : 
 http://blog.naver.com/gracestock_1/120200075051

---

'전공지식창고 > 논문' 카테고리의 다른 글

논문쓸때 주의할점  (0) 2014.07.04
석사 학위 논문에 대한 교수님 조언  (0) 2014.02.18
논문 일지 #2(논문 주제 선정 초안)  (0) 2014.02.18
논문 일지 #1  (0) 2013.12.29
논문 작성법  (0) 2013.12.29
Posted by 모과이IT
,

==========================================================================================================================

 

* 자료추상 - 연산의 대상이 되는 자료를 추상화

  1) 기본적추상 : 컴퓨터안에 저장된 자료값을 추상화

  2) 구조적추상 : 연관된 자료값들의 집합을 추상화

  3) 단위추상 : 단위 프로그램 전체에 대한 추상

 

* ADT(Abstract Data Type : 추상 자료형)

 => 프로그램의 제어보다 자료에 관심을 두고 자료구조 및 그와 관련된 연산들로 구성된 모듈을 작성하여 정수나 실수형과 같은

     하나의 자료형으로 취급할 수 있는것

  1) 조건 : 자료형과 연산에 대한 정의가 한 곳에서 가능(캡슐화와 정보은폐)

  2) 구현방법 : 자료와 그와 관련된 연산들의 특징을 기술 - 이미 존재하는 자료형으로 기술된 내용 구현 - 내용과 구현결과 비교

 

* 매개변수 전달방법

  1) Call by Value : 메인프로그램에서 서브 프로그램을 호출하여 실행할때 변수값을 넘겨주는 것

  2) Call by Name : 메인프로그램에서 서브 프로그램을 호출하여 실행할때 변수 자체를 넘겨주는 것

  3) Call by Reference : 실 매개변수의 주소를 서브 프로그램에 전달하는 방법

 

* 알고리즘 : 주어진 문제를 해결하기 위한 수행과정을 논리적으로 표현한것

  => 한 입력에 대해 그 이상의 출력을 생성하고 종료해야한다.

  => 알고리즘 조건 : 입력(외부로부터 자료입력받을 수 있음), 출력(최소 한가지 이상 출력이 있어야함), 명확성(모든 명령은 명확해야),

                            유한성(반드시 종료되야), 효율성(실행가능해야)

  => 분석대상 : 작업량, 점유공간, 단순성, 정확성, 최적성

 

==========================================================================================================================

 

* 선형구조 : 자료를 연속된 저장공간에 순서대로 기억시킬 수 있는 구조

 

 1) 배열(Array) : 크기와 성격이 동일한 기억장소가 메모리에 연속적으로 할당되어 데이터를 기억하는 자료구조

     => 종류 : (1) 1차원배열 : 메모리에 같은 크기의 기억장소가 연속으로 할당되며 첨자가 하나

                   (2) 2차원배열 : 행과 열을 의미하는 첨자가 2개이고 구분은 행과 열로 하지만 실제 메모리에서는 1차원배열로 기억

                        => 행고정 열변환(행은 고정이고 열이 변화하는 순서에 따라 기억 : COBOL, C, PASCAL, PL/I )

                        => 열고정 행변환(열은 고정이고 행이 변화하는 순서에 따라 기억 : FORTRAN )

     => 희소행렬 : 많은 원소들이 0 이고 극 소수만 0이 아니여서 기억장소의 낭비가 심함 = > Linked List로 해야..

 

 2) 리스트(LIST) : 자료가 연속적으로 저장되어 있으며 이들 사이에 논리적인 관계를 가지고 있는 자료집합체

  2-1) 선형리스트(Linear List) : 데이터들이 기억장소에 연속적으로 저장되어 있는 자료구조를 말함

        => 기억장소의 낭비가 적으나(장점), 삽입,삭제시 데이터 이동회수가 많다(단점). 

  2-2) 연결리스트(Linked List) : 하나의 노드는 자료부분과 링크부분으로 구성

        => 노드를 연속적으로 저장하지 않아도 되나(장점), 링크부분을 위한 기억장소가 필요(단점)

        => 단순연결리스트 : ㅁ->ㅁ->ㅁ->ㅁ , 마지막 노드는 null로 표현

        => 원형연결리스트 : ㅁ->ㅁ->ㅁ->ㅁ->    이렇게 마지막 노드가 처음 노드 포인터를 같도록 구성

                                     ^-------------

                                  : 어느 노드에서나 다른 노드 접근이 가능하고 임의의 노드 검색시 현재 노드부터 검색가능하나

                                    무한루프에 빠질수 있어 Head Node를 둔다.

        => 이중연결리스트 : ㅁ -> ㅁ -> ㅁ ->ㅁ  , 노드가 한개의 데이터부분과 두개의 링크부분으로 구성

                                        <-     <-     <-

                                  : 양뱡향 검색으로 속도가 빠르나 두개의 링크를 저장한 기억공간이 필요하다.

        => 이중원형연결리스트 : 이중연결과 원형연결의 합체, 최고 좋음(융통성), 복잡성

 

 3) 스택(Stack) : 한 원형리스트의 한쪽 끝 노드에서 모든 삽입, 삭제 작업이 수행되는 선형리스트의 한 형태(LIFO, FILO) 

    => 인터럽트 호출, 재귀적호출, 서브프로그램 호출시 복귀주소 저장등에 사용

 

 4) 큐(Queue) : FIFO, 작업스케쥴링, 프린터스풀에 이용 (이동큐, 환형큐)

 

 5) 데크(Deque) : 큐의 양쪽 끝에서 입력과 출력이 가능한 선형리스트, 스택과 큐를 복합한 운영방식

    => 입력제한데크 : 한쪽으로만 입력이 가능(SCROLL)

    => 출력제한데크 : 한쪽으로만 출력이 가능(SHELF)

 

==========================================================================================================================

 

* 비선형구조

 

1) 트리(Tree) : 정점과 연결선으로 형성된 그래프의 특수한 경우(사이클을 형성하지 않고 근노드 갖음)

  => 터미널노드(자식노드가 없음), 차수(가지수), 트리의 차수(차수가 가장큰거), 계층(몇계층)

  => 종류 : (1) 순서트리 : 순서가 중요함 고정된 위치

                (2) 비순서트리 : 순서가 중요하지 않음

                (3) 닮은 트리 : 구조는 같으나 내용이 다름

                (4) 대등한 트리 : 트리구조, 내용이 같은 트리

                (5) 이진트리 - 정이진트리, 전이진트리, 사향이진트리

  => 저장법 : 연속 배열 저장법, Linked List 저장법, 일반트리를 이진트리로 변환하는 방법

  => 운행 : (1) Level Order : 동일한 레벨의 노드들을 좌에서 우로 검사

                   => 하향식(Top-Down : 루트노드로부터 좌 -> 우)

                   => 상향식(Bottom-Top : 마지막레벨에서 좌 -> 우)

                (2) Preorder : 루트노드 - 좌 - 우

                (3) Postorder : 좌 - 우 - 루트노드

                (4) Inorder : 좌 - 루트노드 - 우

                (5) Familyorder : 루트노드를 검사후 자노드를 Lever Order하향식으로 검사후 마지막 검사한 노드의 자노드를 검사

 

 2) 그래프(Graph) : 정점의 집합과 정점사이의 관계를 나타내는 연결선의 집합으로 구성

  => 종류 : 방향그래프, 무방향그래프, 완전그래프, 부그래프

  => 그래프 운행 : (1) DFS (Depth First Search) : preorder운행법으로 탐색하며 스택구조를 이용

                             => 임의의 시작점 방문 -> 연결된 정점중 방문 안한곳 방문 -> 끝나면 이전 방문한 정점으로 돌아가 다른 곳 방문

                          (2) BFS (Breadth First Search) : 큐 구조이용

                             => 시작정점 방문 -> 시작정점에 연결된 정점을 차례로 방문 -> 다음 거리가 2인 정점 방문  -> 다음 거리 3인...

 

==========================================================================================================================

 

* 정렬(Sort) : 기억공간 내의 레코드나 자료를 임의의 기준에 의해 오름차순 또는 내림차순의 순서로 나열하는 것

 => 종류 : (1) 내부정렬 : 정렬하고자 한느 파일을 주기억 장치에 두고 정렬하는 방법으로 속도가 빠름

                  -> 삽입법 (삽입정렬, 셀정렬)

                  -> 교환법 (버블정렬, 퀵정렬, 선택정렬)

                  -> 선택법 (힙정렬)

                  -> 합병법 (2-way merge sort, n-way merge sort)

                  -> 분배법 (기수정렬)

 

                (2) 외부정렬 : 정렬하려는 파일의 크기가 너무커서 보조기억장치에 두고 정렬하는 방법으로 속도가 느림

                                  : run생성한후 합병(내부정렬, 대체선택, 자연선택)

                  -> 균형합병정렬, 계단식합병정렬, 교대합병정렬, 다단계합병정렬 

 

==========================================================================================================================

 

* 검색(Search) : 자료들 중 주어진 조건에 맞는 레코드를 찾는것

 1) 기억장소에 의 해 내부검색과 외부검색으로 나뉨

 2) 검색방법에 의해

   (1) 선형검색-순차검색 : 모든 레코드를 대상으로 처음부터 탐색, 오래걸린다.

   (2) 제어검색 : 자료가 정렬되어 있어야하는 조건이 있으며, 검색키와 레코드를 비교하여 검색

      => 이진검색, 피보나치검색, 보간검색

   (3) 트리검색 : 이진트리를 구성하여 실행

   (4) 블럭검색 : 파일을 여러개의 블록으로 나눈다음 블록의 최대값을 구하여 인덱스로...

   (5) 해싱(hashing) : 주어진 킷값을 찾을 때 해싱함수로 산출된 주소에 바로접근

     => Bucket의 Slot이 충분하다면 OverFlow가 없을수 있다.

     => 서로 다른 Key가 같은 Home Address를 가리키고 있다면 충돌현상이라고 하며

         이 때의 Key들의 집합을 Synonym이라 한다. 

Posted by 모과이IT
,

1) 데드락

ㅁ 교착상태(Deadlock)
  - 2개 이상의 프로세스들이 자원을 점유한 상태에서 각각 다른 프로세스들이

     점유한 자원을 요청하여, 서로 상대방의 작업이 끝나기를 무한정 기다리는 

     현상

  - 상호배제에 의해 발생되는 문제점

  - 예) 골목길을 주행하던 차량이 마주오는 다른 차량을 마주쳤을 때, 상대방

           이 비켜주기만을 기다리는 상태


ㅁ 교착상태의 조건

  - 상호배제, 점유대기, 비선점, 순환대기

    = 상호배제(관련포스트) - http://blog.naver.com/donjobani/30115762196

    = 점유대기 : 자원을 점유하고 있으면서, 다른 프로세스에 할당된 자원을

                       할당받기 위해 대기하고 있는 상태

    = 비선점(관련포스트) - http://blog.naver.com/donjobani/30115688758

    = 순환대기 : 각 프로세스가 순환적으로 다음 프로세스의 요구자원을 가짐


ㅁ 교착상태의 해결

  - 예방, 회피, 발견, 회복 기법


  * 예방(Prevention) 기법

    = 교착상태가 발생되기 전에 제어하는 기법

    = 교착상태의 조건 중 하나를 제거(부정)하여 발생되지 않게 함

    = 일반적으로 자원의 낭비가 가장 심함

  - 상호배제 부정

    = 실현되지 않음. 다수의 프로세스가 공유자원을 동시에 사용할 수 있도록 함

  - 점유대기 부정

    = 프로세스 실행 전 모든 자원을 할당함으로서 대기상황을 제거

  - 비선점 부정

    = 자원을 점유하고 있는 프로세스가 다른 자원을 필요로 할때, 점유 중인 자원

       을 반납

  - 순환대기 부정

    = 자원에 고유번호를 할당한 후, 프로세스가 점유한 자원의 고유번호에 기준

       하여 어느 한 방향으로만 요구하도록 함


  * 회피(Avoidance) 기법

  - 교착상태가 발생하면 이를 피해나가는 기법

  - 은행원 알고리즘(Banker's Algorithm)

    = dijkstra가 제안했으며, 은행에서 현금을 할당하는데에서 유래

    = 각 프로세스에게 자원을 할당하여 교착상태가 발생하지 않음

    = 모든 프로세스 작업이 완료되는 상태는 안전상태

    = 교착상태가 발생할 수 있는 상태를 불안전상태


  * 발견(Detection) 기법

  - 교착상태의 발생여부를 점검하여, 발견하는 기법 


  * 회복(Recovery) 기법

  - 교착상태를 일으킨 프로세스를 종료하거나 할당된 자원을 선점하여 자원,

     프로세스를 회복




2) CPU 처리



3) 다중프로세서

다중 처리(多重處理)는 컴퓨터 시스템 한 대에 둘 이상의 중앙 처리 장치(CPU)를 이용하여 병렬로 처리하는 것을 가리킨다. 또, 이 용어는 하나 이상의 프로세서를 지원하는 시스템의 능력, 또는 이들 사이의 태스크를 할당하는 능력을 가리키기도 한다.[1] 다중 처리 시스템(Multiprocessing System)은 다중 처리가 적용된 시스템을 뜻한다.

다중 처리 시스템에서는 여러 개의 프로세서가 하나의 메모리를 공유하여 사용하는 시스템이며, 일반적으로 하나의 운영 체제가 모든 프로세서들을 제어한다.

[편집]특징

  • 프로세서를 여러 개 사용하여 여러 개의 작업을 동시에 수행함으로써 작업 속도를 높일 수 있다.
  • 프로세서 중 일부에 문제가 발생하더라도 다른 프로세서를 이용해 처리할 수 있으므로 신뢰성이 높다.


4)세마포머

1.상호배제를 준수하기 위한 기법인 세마포어의 개요

 .세마포어(Semaphore)의 정의

    .여러개의 프로세스에 의해서 공유되는 자원의 접근제어를 위한 도구

 .세마포어의 특징

    .공유자원에 대한 베타제어

    .상호배제를 위한 알고리즘

    .공통된 변수를 매개로 각 프로세스 진행여부 결정

 

 

2.세마포어의 종류

 - 이진세마포어 : 0,1 값만을 가짐(상호배제,프로세스 동기화)

 - 계수세마포어 : 0이상의 모든 정수 값(생산자/소비자 관계 등)

 

2.세마포어의 동작원리 및 사용

 .세마포어의 동작원리

      P(s) : Delay Until s > 0 ;

               S : s 1;

      V(s) : s = s + 1;   

 

 

P : 임계영역의 진입을 결정하는 함수

     s0보다 크면 호출한 프로세스가 자원을 배정받고 s값에서 1을 뺌으로서

     타 프로세스의 진입을 막는다.

V : 프로세스가 임계영역을 벗어나서 하는 작업

     s값에서 1을 더함으로써 타 프로세스의 사용을 허가한다.

.세마포어의 사용

   1)세마포어로 제어할 자원을 설정한다.

   2)해당 자원을 사용하기 전에 세마포어값을 확인한다.

   3)세마포어 값이 0보다 크면 자원을 사용하고, 세마포어값을 1 감소시킨다.

   4)세마포어 값이 0이면 0보다 커질때까지 block되며,

      0보다 커지게 되면 2)번부터 시작하게 된다.

 

3.세마포어의 관리 및 세마포어 조작

 .원자화된 연산 필요

    .세마포어 정보는 유저레벨의 함수가 아닌 커널에서 전용 구조체를 이용하여 관리

 

4.P연산과 V연산을 통한 세마포어의 적용 방법



1. 세마포어 왜 필요?
   한정된 자원을 여러개의 프로세스들이 사용해야 할 경우, 프로세스들 간에 자원 사용시 충돌이 없도록 하기
위해서 세마포어를 사용

2. 사용예(일상적인 예를 사용)
   사람 두명이 있고, 화장실 대변기는 한개이다. 두명이 동시에 화장실을 사용할수 없으므로, 두명중 우선
순위가 높은 사람에게 먼저 화장실 사용을 허가한다. 사용중인 화장실은 다른 사람이 사용할수 없다.
사용이
끝난 화장실은 기다리던 다른 사람에게 사용을 허가한다.

뮤텍스 와 세마포어 어떻게 다른가? 자바

2011/06/09 12:02

복사 http://blog.naver.com/cabsoft88/90115377264

이 글은 Niclas Winquist씨가 2005년에 쓴 화장실에 비유한 글을 번역하였습니다.

 

뮤텍스 : 뮤텍스는 화장실에 들어가기 위한 열쇠로 비유할 수 있습니다. 즉 화장실에 들어갈 수 있는 열쇠를 한 사람이 갖고 있다면, 한 번에 열쇠를 갖고 있는 그 한 사람만이 들어갈 수 있습니다. 화장실에 열쇠를 갖고 있는 사람이 들어가 볼일을 다 본 후에는 ?줄을 서서 기다리고 있는(대기열-큐) 다음 사람에게 열쇠를 주게 됩니다.  

 

공식적인 정의(심비안 개발자 라이브러리에서 발췌) : 뮤텍스는 한 번에 하나의 쓰레드만이 실행되도록 하는 재 입장할 수 있는 코드 섹션에 직렬화된  접근이 가능하게 할 때 사용됩니다. 뮤텍스 객체는 제어되는 섹션에 하나의 쓰레드만을 허용하기 때문에 해당 섹션에 접근하려는 다른 쓰레드들을 강제적으로 막음으로써 첫 번째 쓰레드가 해당 섹션을 빠져나올 때까지 기다리도록 합니다.

 

뮤텍스는 값이 1인 세마포어입니다.

 

세마포어: 세마포어는 빈 화장실 열쇠의 갯수라고 보면 됩니다. 즉, 네 개의 화장실에 자물쇠와 열쇠가 있다고 한다면 세마포어는 열쇠의 갯수를 계산하고 시작할 때 4의 값을 갖습니다. 이 때는 이용할 수 있는 화장실 수가 동등하게 됩니다. 이제 화장실에 사람이 들어갈 때마다 숫자는 줄어들게 됩니다. 4개의 화장실에 사람들이 모두 들어가게 되면 남은 열쇠가 없게 되기 때문에 세마포어 카운트가 0이 됩니다. 이제 다시 한 사람이 화장실에서 볼일을 다 보고 나온다면 세마포어의 카운트는 1이 증가됩니다. 따라서 열쇠 하나가 사용가능하기 때문에 줄을 서서 기다리고 있는 다음 사람이 화장실에 입장할 수 있게 됩니다.

 

공식적인 정의(심비안 개발자 라이브러리에서 발췌): 세마포어는 공유 리소스에 접근할 수 있는 최대 허용치만큼 동시에 사용자 접근을 할 수 있게 합니다. 쓰레드들은 리소스 접근을 요청할 수 있고 세마포어에서는 카운트가 하나씩 줄어들게 되며 리소스 사용을 마쳤다는 신호를 보내면 세마포어 카운트가 하나 늘어나게 됩니다.


Posted by 모과이IT
,