• Proceedings of the Korean Society for Information Management Conference
• /
• 1998.08a
• /
• pp.97-100
• /
• 1998

계량정보학 연구영역의 하나인 운영연구(Operation Research, OR)중, 미래예측이라는 목적을 가지고 있는 마코프모형(Markov chains)의 통계기법을 활용한 두가지 실험사례를 살펴보고, 최근의 연구경향을 분석함으로써, 도서관 시스템 운영과 설계에 마코프모형을 응용할 수 있는 네가지 방안을 제시하였다. 계량정보학의 한분야로 적용되고 있는 마코프모형에 관한 국내연구가 활발하지 못한 상태이므로, 국내 계량정보학에서의 마코프모형 연구의 필요성과 활성화를 제안하였다.

• Communications for Statistical Applications and Methods
• /
• v.5 no.1
• /
• pp.155-165
• /
• 1998

음성자동인식을 위한 통계적 방법으로 은닉마코프모형이 널리 사용되고 있다. 이산형 은닉마코프모형보다 인식률이 우수한 연속형 은닉마코프모형을 고려하였으며, 인식을 위한 비터비(Viterbi) 알고리즘을 병렬화시켜 인식속도를 빠르게 하는 인식 알고리즘을 제안하였다. 제안된 방법으로 실험을 통하여 인식률과 인식속도 개선률(speed-up)을 살펴보았다.

• Journal of Information Management
• /
• v.30 no.2
• /
• pp.31-52
• /
• 1999

This paper is done by studying two experimental cases which utilize the stochastic theory of Markov Chains, which is used for forecasting the future and by analyzing recent trend of studies. Since the study of Markov Chains is not applied to the Informetrics to a high degree in Korea. It is also proposed that there is a necessity for further study on Markov Chains and its activation.

• 한국데이터정보과학회:학술대회논문집
• /
• 2006.04a
• /
• pp.345-352
• /
• 2006

현 기상의 시점에서 강수 확률 예측을 위해 가장 적절한 모형은 공간적 종속성과 시간적 종속성을 고려한 모형이 선택되어져야 한다. 보통 마크프 연쇄 모형과 예보인자를 이용하는 회귀 모형이 모두 고려된 모형을 사용한다. 본 논문에서는 강수 형태를 세 개의 상태로 나눈 경우, 즉 맑은 경우, 흐린 경우, 비온 경우로 나누어 마코프 로지스틱 회귀모형을 세우고 강수확률을 예측 할 수 있도록 하였다. 또한 서울 지역의 강수 자료를 이용하여 기존의 마코프 회귀모형과 마코프 로지스틱 회귀모형을 서로 비교하여 실제적 적용 문제를 다루었다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.15 no.11
• /
• pp.6565-6575
• /
• 2014

Hamilton's Markov-switching model [5] was extended to the simultaneous equations model. A framework for an instrumental variable interpretation of full information maximum likelihood (FIML) by Hausman [4] can be used to deal with the problem of simultaneous equations based on the Hamilton filter [5]. A comparison of the proposed FIML Markov-switching model with the LIML Markov-switching models [1,2,3] revealed the LIML Markov-switching models to be a special case of the proposed FIML Markov-switching model, where all but the first equation were just identified. Moreover, the proposed Markov-switching model is a general form in simultaneous equations and covers a broad class of models that could not be handled previously. Excess sensitivity of marginal propensity to consume with big shocks, such as housing bubble bursts in 2008, can be determined by applying the proposed model to Campbell and Mankiw's consumption function [6], and allowing for the possibility of structural breaks in the sensitivity of consumption growth to income growth.

• Proceedings of the Safety Management and Science Conference
• /
• 2000.11a
• /
• pp.281-286
• /
• 2000

최근 자동화생산 및 장치산업에서 로봇시스템의 사용이 증가하고 있다. 그러나 로봇 오퍼레이터, 프로그래머, 공무요원 등 간의 커뮤니케이션 부족으로 휴먼에러가 발생하여 사람의 안전재해사고 뿐 아니라 로봇시스템 가동율에서도 나뱉 영향을 주고 있다. 따라서 본 연구에서는 여유컴포넌트 마코프모형을 기초로 휴먼에러를 고려한 마코프모형을 제안한다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.1
• /
• pp.47-59
• /
• 2020

In this paper, we present the longitudinal Markov binary regression model with t-link function when its transition order is known or unknown. It is assumed that logit or probit models are considered in binary regression models. Here, t-link function can be used for more flexibility instead of the probit model since the t distribution approaches to normal distribution as the degree of freedom goes to infinity. A Markov regression model is considered because of the longitudinal data of each individual data set. We propose Bayesian method to determine the transition order of Markov regression model. In particular, we use the deviance information criterion (DIC) (Spiegelhalter et al., 2002) of possible models in order to determine the transition order of the Markov binary regression model if the transition order is known; however, we compute and compare their posterior probabilities if unknown. In order to overcome the complicated Bayesian computation, our proposed model is reconstructed by the ideas of Albert and Chib (1993), Kuo and Mallick (1998), and Erkanli et al. (2001). Our proposed method is applied to the simulated data and real data examined by Sommer et al. (1984). Markov chain Monte Carlo methods to determine the optimal model are used assuming that the transition order of the Markov regression model are known or unknown. Gelman and Rubin's method (1992) is also employed to check the convergence of the Metropolis Hastings algorithm.

• The Korean Journal of Applied Statistics
• /
• v.21 no.6
• /
• pp.959-967
• /
• 2008

The purpose of this paper is to suggest a discrete feature vector, robust in various levels of noisy environment and inexpensive in computation, for detection of speech segments and is to show such properties of the feature with real speech data. The suggested feature is one dimensional vector which represents slope of short term energies and is discretized into three values to reduce computational burden of computations in HMM. In experiments with speech data, the method with the suggested feature vector showed good performance even in noisy environments.

• Communications for Statistical Applications and Methods
• /
• v.16 no.6
• /
• pp.925-936
• /
• 2009

There very many approaches to impute missing values in the iid. case. However, it is hardly found the imputation techniques in the Markov random field(MRF) case. In this paper, we show that the imputation under MRF is just to impute by fitting the normal mixture model(NMM) under several practical assumptions. Our multivariate normal mixture model based approaches under MRF is applied to impute the missing pixel values of 3-variate (R, G, B) color image, providing a technique to smooth the imputed values.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.477-479
• /
• 2011

본 논문에서는 1차원 은닉 마코프 모델을 2차원으로 확장하기 위하여 노드들의 마코프 특성이 인과적인 관계를 갖는 마코프 메쉬 모델을 이용하여 완전한 2차원 HMM의 구조를 갖는 모델을 제안한다. 마코프메쉬 모델은 이웃시스템을 통하여 이전의 시점을 정의하고, 인과적인 관계를 통하여 전이확률의 계산을 가능하게 한다. 또한 영상의 최적의 분할을 위하여 계층적 디리슐레 과정을 사전분포로 두어 고정된 상태의 수가 아닌 무한의 상태 수를 갖는 2차원 HMM을 제안한다. HDP로 정의된 사전분포와 관측된 표본 자료의 정보를 갖는 우도함수를 결합한 사후분포의 베이스 추정은 깁스샘플링 알고리즘을 이용하여 계산된다.