• 응용통계연구
• /
• 제24권5호
• /
• pp.963-977
• /
• 2011

다변량 자료를 분석함에 있어 자료의 차원을 축소하는데 활용되는 중요한 툴 중 하나인 PCA 분석(주성분 분석, Principal Component Analysis)을 실시간으로 처리해야 하는 적용 분야가 최근 늘고 있다. PCA 분석에서는 표본 공분산 행렬의 고유값과 고유벡터를 도출하는 것이 관건인데, 자료의 양이 방대하며 고차원인 경우 이를 실시간으로 수행하기에는 어려움이 따른다. 이러한 문제점을 해결하기 위해서 Erdogmus 등 (2004)는 일차 섭동 이론(first order perturbation theory)을 활용하여 공분산 행렬의 고유값과 고유벡터를 추정하는 Recursive PCA 방법을 제안했다. 이 방법은 추가된 자료의 양이 많지 않은 경우는 상당히 정확하지만, 추가된 자료의 양이 많아짐에 따라 오차도 커진다는 한계를 가지고 있다. 본 논문은 공분산 행렬의 고유값과 고유벡터가 가지고 있는 수학적 관계를 이용하여 Erdogmus 등 (2004)가 제안한 Recursive PCA 방법을 수정한 Modi ed Recursive PCA 방법을 제안하다. 또한, 모의 실험을 통해 Recursive PCA 방법과 Modi ed Recursive PCA 방법에서의 고유값과 고유벡터 추정값의 정확도를 비교해 보았으며 그 결과 기존 Recursive PCA 방법 보다 정확한 추정이 가능함을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.47-50
• /
• 2015

음성 신호는 자음 신호과 모음 신호의 결합으로 이루어져 있지만 그 특성상 자음보다는 모음 신호의 지속시간이 길다. 따라서 전체적으로 음성 신호 블록들 사이의 상관관계가 상당히 크다고 간주할 수 있다. 음성신호를 128개의 데이터를 갖는 블록들로 나눈 후 각 블록의 FFT를 구한다. 이 중에서 모음의 에너지가 집중되어 있는 저주파수 부분만 취하여 이웃 블록들과의 공분산 행렬을 구하고 이 행렬로부터 고유값을 계산해 낸다. 이 중 첫 번 째 고유값은 주성분과 관련이 있다. 다양한 음성파일들을 이용하여 비교적 값이 큰 첫 번째, 두 번째, 세 번째 고유값과 이들을 합한 고유값이 각 음성 파일에서 어떻게 나타나는지 그 분포를 알아보고 이것들이 음성신호가 아닌 자동차 소음 신호와 같은 잡음 신호의 고유값 분포와 어떻게 다른지 분석한다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2002년도 추계 학술발표회 논문집
• /
• pp.163-168
• /
• 2002

전형적인 시공간모형은 시공간 변이도(semivariogram) 또는 공분산 함수(covariance function)를 필요로 한다. 본 논문에서는 계산하기 어렵고 현실적이지 못한 결합 공분산함수를 통한 고전적 모형 대신, 일련의 독립적인 조건분포를 이용하는 보다 현실적인 베이지안 계층모형을 이용한다. 미국 전 지역에 산재해 있는 138개 기온 관측소로부터 얻어진 61년(1920-1980) 동안의 연기온편차 자료에 시공간 베이지안 계층모형을 적용하고 순수시계열모형에서의 적합값과 제안된 모형의 적합값을 비교분석한다.

• 한국항행학회논문지
• /
• 제21권1호
• /
• pp.138-144
• /
• 2017

본 논문에서는 INS/GPS결합 시스템에서 GPS가 기만신호 또는 지형지물에 의한 가시선이 제한되어 위성의 기하학적 배치가 저하되는 조건을 고려하였고, 통합항법 성능을 향상시키기 위한 방법을 제안하였다. 먼저 GPS의 DOP에 측정 공분산 이 연동되는 가변 공분산 확장 칼만필터(VCEKF)를 제시하였다. 그리고 몬테칼로 시뮬레이션을 통하여 EKF와 VCEKF를 사용한 통합항법 시스템의 항법성능을 분석하였다. DOP 값이 낮은 경우보다 DOP값이 높을 경우에 VCEKF가 확정 공분산을 사용하는 EKF보다 우수한 추정 성능을 보임을 확인할 수 있었다.

• 전자공학회논문지
• /
• 제50권8호
• /
• pp.76-82
• /
• 2013

실내 무선 통신 환경에서 채널 추정 에러가 존재할 때의 시역전 필터와 가중치 시역전 필터의 성능을 비교 분석한다. 시역전 필터는 수신신호의 최대점을 최대화 하기 위해 채널을 시역전하여 전처리 필터로 사용한다. 즉, 시역전 필터의 등가채널은 채널의 공분산의 형태로 최대점이 최대화 된다. 그러나 채널 추정 에러가 존재하는 경우 등가채널이 채널의 공분산이 아니기 때문에 최대점이 정확히 생기지 않게 된다. 가중치 시역전 필터는 최대점을 일정 수준 이상으로 보장하고 심볼 간 간섭을 줄이기 위해 사이드로브 신호를 최소화 하도록 최적화 문제를 통해 설계되었기 때문에 채널 추정 에러가 있는 경우에도 최대점을 보장할 수 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제21권6호
• /
• pp.1263-1270
• /
• 2010

60명의 환자들을 20명씩3개 그룹으로 나누어 각 그룹마다 다른 종류의 식이요법을 실시한 후 1주 간격으로 5주간에 걸쳐서 콜레스테롤 수치에 대한 반복측정 자료를 얻었다. 해당자료를 바탕으로 적합성여부와 유의성 검정을 실시한 결과 등분산 Toeplitz가 다양한 공분산행렬 형태들 중에서 가장 적합한 공분산구조 모형으로 판명되었다. 이 모형에서는 시점들 간의 상관계수는 0.64-0.78로 대체적으로 높은 상관관계들을 보여주고 있으며, 모수인자들의 유의성검정 결과, 시간효과는 대단히 유의하게 나타났으나, 처리 및 처리와 시간과의 교호작용효과는 유의하지 않은 것으로 판명되었다.

• 응용통계연구
• /
• 제27권2호
• /
• pp.227-237
• /
• 2014

우리는 회귀분석에서 설명변수들 중 일부가 질적 변수인 경우 지시변수를 사용한다. 또한 공분산분석모형에서는 관심인자의 효과에 대한 유의성 검정시 연속변수인 공변수로 주어지는 방해인자를 미리 회귀분석으로 제거한다. 지시변수 사용 회귀모형이나 공분산분석모형을 위한 확증적 자료분석 전에 탐색적 자료분석의 한 수단으로서 자료깊이에 근거한 DD-plot을 이용하면 집단 간의 차이를 쉽게 알아볼 수 있다. 이 방법은 오차항의 통계모형을 가정하지 않으므로 유용한 탐색적 방법이 될 수 있다. 몇 가지 사례들을 통하여 DD-plot이 지시변수 사용 회귀모형이나 공분산분석모형을 위한 그래픽 탐색적 자료분석방법으로서 유용함을 보였다.

• 응용통계연구
• /
• 제27권5호
• /
• pp.755-771
• /
• 2014

등방성(isotropy)은 공분산 모형(covariance model)에 기반으로 공간 예측(spatial prediction)이라 불리우는 크리깅(kriging) 을 용이하게 수행하기 위한 주요 가정 중의 하나로 알려져있다. 공간 과정에서 등방성이 충족되지 않는 경우에는, 보다 신뢰성 예측을 생성하기 위해 비등방성 공분산 모형(covariance model)과 관련된 모수들(각도 및 비율)를 추정해야 한다. 본 논문에서는 여러 방향의 기하학적 비등방성 모형(geometrically anisotropic covariance models)의 가중 평균으로 표현되는 확장된 형태의 기하학적 비등방성(geometrically extended anisotropic) 공분산모형을 제안한다. 연구에 관심이 되는 모수를 추정하기 위해 최대우도추정법(maximum likelihood estimation method)을 이용하였다. 제안한 모형의 성능을 평가하기 위해 등방성 공분산모형과 기하학적 비등방성 모형을 고려한 모의실험을 수행하였다. 또한 확장된 기하학적 비등방성 모형을 적용한 미세먼지 농도자료 분석을 실시하였다.

• 응용통계연구
• /
• 제28권2호
• /
• pp.151-158
• /
• 2015

본 논문은 균형불완비블록설계(balanced incomplete block design)에서 사영에 근거한 블록내(intrablock) 분석과 블록간(interblock) 분석을 다루고 있다. 블록간 분석을 위한 행렬모형을 제시하고 블록간 추정벡터를 구하는 방법을 다루고 있다. 처리효과의 블록내 추정벡터와 블록간 추정벡터의 분산공분산행렬을 규명하고 공분산행렬의 구조적 특성으로 두 추정벡터 간에 상관성이 없음을 보여주고 있다. 처리효과의 상관성없는 두 추정벡터를 이용한 결합추정에서 가중치를 구하는 방법으로 공분산행렬을 이용할 수 있음을 다루고 있다. 또한 처리효과에 적합된 블록변동량의 계산은 상수적합법을 이용한 블록제곱합과 일치함을 보여주고 있다.

• 한국음향학회지
• /
• 제37권1호
• /
• pp.60-65
• /
• 2018

본 논문에서는 양서류 울음소리 구별을 CNN(Convolutional Neural Network)에 적용하기 위한 방법으로 공분산 행렬과 모듈로그램(modulogram)을 제안한다. 먼저, 멸종 위기 종을 포함한 양서류 9종의 울음소리를 자연 환경에서 추출하여 데이터베이스를 구축했다. 구축된 데이터를 CNN에 적용하기 위해서는 길이가 다른 음향신호를 정형화하는 과정이 필요하다. 음향신호를 정형화하기 위해서 분포에 대한 정보를 나타내는 공분산 행렬과 시간에 대한 변화를 내포하는 모듈로그램을 추출하여, CNN의 입력으로 사용했다. CNN은 convolutional layer와 fully-connected layer의 수를 변경해 가며 실험하였다. 추가적으로, CNN의 성능을 비교하기 위해 기존에 음향 신호 분석에서 쓰이는 알고리즘과 비교해보았다. 그 결과, convolutional layer가 fully-connected layer보다 성능에 큰 영향을 끼치는 것을 확인했다. 또한 CNN을 사용하였을 때 99.07 % 인식률로, 기존에 음향분석에 쓰이는 알고리즘 보다 높은 성능을 보인 것을 확인했다.