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
- 저자 : 유종덕(Jongduck You) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
-
차량 안전 통신을 위한 거리와 랜덤 기반 브로드캐스트 기법
유종덕(Jongduck You),정수환(Souhwan Jung) 대한전자공학회 2008 電子工學會論文誌-TC (Telecommunications) Vol.45 No.11
차량 안전 통신에서는 미리 설정 된 상호 연결 관계가 없는 차량들끼리 차량 안전 관련 경고 메시지를 전달하기 위해서 브로드캐스트를 사용한다. 하지만 차량 밀도가 높은 상황에서 순수 브로드캐스트를 그대로 사용하면 브로드캐스트 폭풍 문제가 발생한다. 이 문제를 해결하기 위해 연구된 기존의 브로드캐스트 기법들 중에서는 거리 기반 브로드캐스트 기법이 가장 좋은 성능을 보인다. 하지만 거리 기반 브로드캐스트 기법에는 차량 밀도가 낮은 상황에서의 지연 시간 증가라는 문제점이 존재한다. 본 논문에서는 거리 기반의 지연 시간 개념과 랜덤 기반의 지연 시간 개념을 함께 사용하여 기존의 거리 기반 브로드캐스트 기법과 비교했을 때, 차량 밀도가 낮은 상황에서도 짧은 지연 시간을 가지고 메시지를 재전송 할 수 있는 브로드캐스트 기법을 제안하였다. 실험을 통해서 기존의 거리 기반 브로드캐스트 기법을 사용했을 때보다 본 논문에서 제안한 방법을 사용했을 때, 재전송 차량이 더 짧은 지연 시간을 가질 수 있고, 지연 시간 단축에 의해 발생하는 기회비용인 중복된 재전송 메시지의 수가 줄어드는 것을 확인하였다. Safety-related messages are propagated in form of broadcasting among vehicles in vehicle safety communication. There is the broadcast storm problem in high density vehicle environments. To solve this problem, a distance-based broadcast scheme has been proposed. It causes a serious problem such as retransmission delay in low density vehicle environments since it requires additional defer time to rebroadcast messages. This paper proposes a distance and random-based broadcast scheme. The proposed scheme selects a random time from zero to the defer time that estimated depending on the distance between sending and receiving vehicles. Simulation results show that the proposed scheme requires shorter defer time and less rebroadcasting message than existing schemes.
-
송ㆍ수신 이메일의 학습을 통해 긍정 오류를 줄이는 개선된 베이지안 필터링 기법
김두환(Doohwan Kim),유종덕(Jongduck You),정수환(Souhwan Jung) 한국정보보호학회 2008 정보보호학회논문지 Vol.18 No.2
본 논문에서는 기존의 베이지안 필터링 방식에서 발생하는 긍정 오류를 줄이기 위한 개선된 베이지안 필터링 기법을 제안한다. 기존의 베이지안 필터링 방식에서는 이메일 서버에서 학습한 DB를 일괄적으로 개별 사용자들에게 적용한다. 또한 수신 이메일 위주의 학습 방식은 양질의 정상 DB를 학습하는데 어려움을 준다. 이러한 문제로 인해 기존의 베이지안 필터링 기법에서는 정상 이메일을 스팸 이메일로 판단하는 긍정 오류가 발생한다. 제안 기법에서는 사용자의 송신 이메일을 양질의 정상 DB 정보로 판단하여 베이지안 정상 DB에 자동으로 학습한다. 뿐만 아니라 개별 사용자에게 독립적인 베이지안 DB를 제공하여 사용자 개개인의 이메일 송ㆍ수신 특성을 고려한 필터링 서비스를 제공한다. 제안 기법은 기존의 베이지안 필터링 기법보다 필터링의 정확성에서 평균 3.13 % 향상된 결과를 보인다. In this paper, we propose an improved Bayesian Filtering mechanism to reduce the False Positives that occurs in the existing Bayesian Filtering mechanism. In the existing Bayesian Filtering mechanism, the same Bayesian Filtering DB trained at the e-mail server is applied to each e-mail user. Also, the training method using receiving e-mails only could not provide the high quality of ham DB. Due to these problems, the existing Bayesian Filtering mechanism can produce the False Positives which misclassify the ham e-mails into the spam e-mails. In the proposed mechanism, the sending e-mails of the user are treated as the high quality of ham information, and are trained to the Bayesian ham DB automatically. In addition, by providing a different Bayesian DB to each e-mail user respectively, more efficient e-mail filtering service is possible. Our experiments show the improvement of filtering accuracy by 3.13 %, compared to the existing Bayesian Filtering mechanism.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
