국문목차
표제지=0,1,4
목차=i,5,2
그림 목차=iii,7,2
표 목차=v,9,1
알고리즘 목차=vi,10,1
논문 개요=vii,11,2
I. 서론=1,13,1
1.1 연구 배경=1,13,2
1.2 연구 목적과 내용=3,15,3
1.3 논문 구성=5,17,2
II. 관련 연구=7,19,1
2.1 이동 컴퓨팅 환경에서의 캐싱 기법=7,19,1
2.1.1 이동 컴퓨팅 환경=7,19,2
2.1.2 이동 호스트의 캐시=9,21,1
2.1.2.1 캐싱 단위=9,21,3
2.1.2.2 캐시 무효화=11,23,2
2.1.2.3 캐시 교체 알고리즘=12,24,3
2.1.2.4 캐시 선반입 알고리즘=14,26,3
2.1.3 서버의 방송=16,28,4
2.2 연관 클래스 집합 생성을 위한 데이터 마이닝 알고리즘=19,31,1
2.2.1 연관 규칙=19,31,4
2.2.2 클러스터링=22,34,4
2.2.3 마이닝 기법의 활용 사례=25,37,2
2.3 위치 기반 서비스와 유비쿼터스 컴퓨팅=27,39,3
III. 데이터의 위치와 영역을 고려한 캐시 교체 기법=30,42,1
3.1 데이터의 공간 속성을 고려한 캐시 교체 알고리즘=30,42,3
3.2 이동 호스트의 캐시 적중률에 영향을 미치는 요인들=33,45,4
3.3 환경 변화에 따른 캐시 교체 알고리즘의 성능 비교=37,49,6
3.4 캐시 교체 선택 알고리즘=42,54,2
IV. 마이닝 기법을 이용한 서비스의 연관 클래스 집합 생성=44,56,2
4.1 기본 용어 및 가정=46,58,4
4.2 연관 클래스 집합 생성=49,61,1
4.2.1 사용자 시퀀스 생성=49,61,2
4.2.2 시간적 제약 사항을 적용한 트랜잭션 분리=51,63,7
4.2.3 공간적 제약 사항을 적용한 TSNO 식별=57,69,2
4.2.3.1 최대 거리에 의한 트랜잭션 분리=58,70,3
4.2.3.2 연결 객체에 의한 트랜잭션 분리=60,72,4
4.2.4 표지물 객체의 제거=64,76,1
4.2.5 연관 관계 생성=64,76,1
V. 연관성 기반 선반입 알고리즘=65,77,1
5.1 선반입과 캐시 교체의 과정=65,77,4
5.2 선반입 알고리즘=68,80,1
5.2.1 공간 속성 기반 선반입 알고리즘=68,80,3
5.2.2 연관성 기반 선반입 알고리즘=70,82,4
VI. 성능 평가=74,86,1
6.1 성능 평가 환경=74,86,2
6.1.1 데이터=76,88,2
6.1.2 질의=77,89,5
6.1.3 사용자의 행위 특성=81,93,2
6.1.4 성능 평가의 기준=83,95,1
6.2 성능 평가 결과=83,95,2
6.2.1 의미 있는 연관 클래스 집합 생성을 위한 파라미터 변화 실험=84,96,8
6.2.2 연관성 기반 선반입 알고리즘 STAP의 성능 평가=92,104,5
6.3 설문 조사를 통한 사례 분석=97,109,6
VII. 결론 및 향후 연구 과제=103,115,4
참고문헌=107,119,5
ABSTRACT=112,124,3
감사의 글=115,127,2
그림2.1 이동 컴퓨팅 환경=8,20,1
그림2.2 의미적 캐싱=10,22,1
그림2.3 (1,m) 인덱싱 구조=17,29,1
그림2.4 Hilbert curves의 order 1, order 2, order 3 예=18,30,1
그림2.5 후보 항목 집합의 생성과 빈발 항목 집합=21,33,1
그림2.6 연관 관계 생성 결과=22,34,1
그림2.7 CLARANS와 DBSCAN의 클러스터링 결과 비교=24,36,1
그림2.8 웹 페이지 추천 시스템 모델=26,38,1
그림3.1 CR_LOC와 CR_REG의 적용 예=32,44,1
그림3.2 서버의 데이터 분포=35,47,1
그림3.3 DTO 변화에 따른 캐시 적중률 변화=38,50,1
그림3.4 밀집도에 따른 캐시 적중률 변화=39,51,1
그림3.5 CRR 변화에 따른 캐시 교체 알고리즘별 캐시 적중률 변화=40,52,1
그림3.6 질의 유형별 CP 변화=42,54,1
그림4.1 LBS 지원 서버의 구성도=45,57,1
그림4.2 시간-트랜잭션의 분리를 위한 트리 생성=56,68,1
그림4.3 시간-트랜잭션의 구분 결과=57,69,1
그림4.4 TIMD와 TICO에 의한 시-공간 인접 객체 분리의 예=63,75,1
그림5.1 선반입과 캐시 교체 과정=66,78,1
그림6.1 움직임의 형태=82,94,1
그림6.2 TW 변화에 따른 시간-트랜잭션 수=85,97,1
그림6.3 TIMD 사용 시 최대 거리 증가에 따라 식별되는 TSNO 수=86,98,1
그림6.4 TIMD 사용 시 MD 변화에 따른 TSNO의 평균 포함 객체 수=87,99,1
그림6.5 TICO 사용 시 최대 거리 증가에 따라 식별되는 TSNO 수=88,100,1
그림6.6 TICO 사용 시 MD 변화에 따른 TSNO의 평균 포함 객체 수=89,101,1
그림6.7 Poly Analyst 4.5의 분석 결과=90,102,1
그림6.8 지지도 변화에 따라 식별되는 연관 클래스 집합 개수=90,102,1
그림6.9 캐시 크기 증가에 따른 알고리즘별 적중률의 변화=94,106,1
그림6.10 선반입 크기에 따른 알고리즘별 적중률 변화=95,107,1
그림6.11 선반입 크기에 따른 알고리즘별 연관성 변화=96,108,1
그림6.12 선반입 크기에 따른 알고리즘별 완전성 변화=96,108,1
그림7.1 에이젼트를 포함하는 시스템 구성도=106,118,1
표2.1 트랜잭션의 예=21,33,1
표4.1 위치 기반 서비스의 접근 로그=48,60,1
표4.2 동일 사용자의 질의 요청을 시간 순으로 정렬한 사용자 시퀀스 테이블의 예=54,66,1
표4.3 사용자 시퀀스를 질의 사이의 시간 간격을 기준으로 정렬한 테이블(일부)=55,67,1
표4.4 시간-트랜잭션의 구분 결과=56,68,1
표5.1 연관 클래스 집합의 예=72,84,1
표6.1 시스템 구현 환경=75,87,1
표6.2 공간 데이터 테이블=76,88,1
표6.3 질의 데이터 테이블=78,90,1
표6.4 위치 기반 질의 구분=80,92,1
표6.5 성능 평가에 사용된 질의 형태별 분포=81,93,1
표6.6 경로의 형태와 밀집도=82,94,1
표6.7 TIMD 사용 시 최대 거리 증가에 따른 생성 TSNO 수=86,98,1
표6.8 TICO 사용 시 최대 거리 증가에 따른 생성 TSNO 수=88,100,1
표6.9 지지도 변화에 따라 식별되는 연관 클래스 집합의 개수=91,103,1
표6.10 생성된 연관 클래스 집합(일부)=91,103,1
표6.11 생성된 연관 관계(일부)=91,103,1
표6.12 입력 파라미터 종류=92,104,1
표6.13 입력 파라미터 설정 값=93,105,1
표6.14 서비스 클래스 분류 코드=99,111,1
표6.15 시나리오 1에 대한 설문 결과의 예=100,112,1
표6.16 사례 분석에 의해 생성된 연관 관계 결과=101,113,1
알고리즘3.1 캐시 교체 선택 알고리즘=43,55,1
알고리즘4.1 연관 클래스 집합 생성 단계=50,62,1
알고리즘4.2 시간-트랜잭션 생성 알고리즘=52,64,1
알고리즘4.3 트랜잭션 분할 알고리즘=53,65,1
알고리즘4.4 TIMD=59,71,1
알고리즘4.5 TICO=61,73,1
알고리즘5.1 LRU 알고리즘=67,79,1
알고리즘5.2 FAR 알고리즘=67,79,1
알고리즘5.3 SP 알고리즘=69,81,1
알고리즘5.4 STAP(Spatial&Temporal Association based Prefetching algorithm)=70,82,1