• 한국수학사학회지
• /
• 제17권2호
• /
• pp.15-20
• /
• 2004

본 논문에서는 밀도 추정에 관한 통계량으로서 불편성과 일치성에 관하여 제시하고 밀도함수에 관한 평활 방법으로서 히스토그램과 커널 밀도 추정 및 극소적응평활(local adaptive smoothing)에 관하여 보이고자 한다. 그리고 과거에서 현재까지 비모수 밀도 추정에 관한 연구에 관하여 조사하고 논하고자 한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2014년도 추계학술대회
• /
• pp.283-286
• /
• 2014

X-ray 영상의 경우 검은 배경으로 인해 기존의 히스토그램 평활화를 사용하여 대비비를 향상 시킬 경우 문제가 발생한다. 전역 히스토그램 평활화의 경우 영상의 특징을 고려하지 않은 채 전체적으로 히스토그램 평활화가 이루어지기 때문에 부분적인 명암값을 개선시키기 어렵다. BBHE(Bright Preserving Bi-Histogram Equalization)과 DSIHE(Dualistic Sub-Image Histogram Equalization)과 같은 영역별 히스토그램 평활화의 경우 X-ray 사진특성상 검은 배경으로 인하여 히스토그램 평활화를 적용해도 원하는 대비비를 얻기 힘들며 부분적으로 왜곡이 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 영상의 히스토그램을 통해 배경 정보를 파악하여 밝기 영역을 나눈 후 히스토그램 평활화를 진행함으로써 X-ray 사진의 대비비를 효율적으로 향상시킨다.

• 응용통계연구
• /
• 제14권2호
• /
• pp.333-344
• /
• 2001

통계적 추론에 사용되는 많은 통계량들은 평균벡터의 평활함수의 형태로 표현이 가능하다. 본 연구에서는 이들 통계량들의 분포함수에 대한 안부점근사법을 제시하였다. 이 방법은 Na(1998)에서 제시된 일반적 통계량의 분포함수에 대한 안부점근사법이 평균벡터의 평활함수모형에 특히 유용하게 사용될 수 있음을 보인 것이다. 이 근사법은 정규근사에 비해 근사의 정도가 뛰어나며, 특히 통계량의 꼬리부분의 확률에 대해서도 정확도가 그대로 유지되는 장점이 있어 정밀한 추론이 요구되는 많은 문제에 효과적으로 사용될 수 있다. 모의 실험에 사용할 평균벡터의 평활함수 모형으로는 스튜던트화 분산을 고려하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제7권2호
• /
• pp.257-262
• /
• 1996

본 논문은 스플라인 희귀모형에서 평활모수를 추정할 때 사전 작업으로 영향력 진단을 하는 문제를 다룬다. 평활모수의 추정방법으로 일반화최대우도함수법을 사용할 때, 얻어지는 추정 치에 영향을 주는 관측치를 진단하는 측도를 제안하고, 찾아낸 영향력 관측치를 수정하여 올바른 평활모수 추정치를 찾는 방법을 소개한다.

• Journal of the Korean Data and Information Science Society
• /
• 제9권1호
• /
• pp.29-36
• /
• 1998

본 논문은 Eubank (1994, 1997)에 의해 이론적으로 제안된 선형 평활스플라인 추정량에 대한 알고리즘을 개발함으로 선형 스플라인의 추정을 보다 쉽고 효율적으로 사용할 수 있도록 하는데 목적이 있다. 이 알고리즘을 이용하여 여러가지 모형의 예들에 대하여 추정량의 적합성을 조사하였고, 제시된 선형 평활스플라인 추정량이 비모수 함수 추정의 도구로서 잘 적합됨을 알 수 있었다.

• 응용통계연구
• /
• 제11권2호
• /
• pp.363-376
• /
• 1998

선형 평활스플라인 추정은 경계 편의의 영향력을 제거 하기위해 수정된 것이다. 제시된 추정량은 적합된 값들과 관련있는 평활 모수 선택 기준의 계산을 개선시킨 O(n) 얄고리즘을 사용하여 효과적으로 계산할 수 있게 하였다. 추정량의 점근적 성질들이 균일 계획의 경우에 대하여 연구되었다. 이 경우에 경계수정 선형 평활스플라인들의 평균 제곱 오차의 성질들은 표준 이차 커널 평활들에 대한 평균제곱오차들과 점근적 특성으로 비교하였다.

• Communications for Statistical Applications and Methods
• /
• 제15권2호
• /
• pp.283-292
• /
• 2008

커널밀도함수의 추정을 이용한 분류 문제에서 평활모수(smoothing parameter, bandwidth)의 선택은 핵심적으로 중요한 역할을 한다. 본 논문에서는 분류에서 베이즈 리스크를 최적화하기 위한 평활모수의 선택이 각 개별 확률밀도함수를 추정하기 위한 최적의 평활모수와 어떤 관계가 있는지 살펴보았다. 실제 상황에서 사용할 수 있는 평활모수의 선택 방법으로 붓스트랩(bootstrap)과 교차확인법(cross-validation)을 이용하는 것을 비교한 결과, 붓스트랩 방법은 Hall과 Kang (2005)에서 밝혀진 이론적인 성질에 부합하는 반면 교차확인법은 그렇지 못함을 확인하였다. 또한, 각 방법으로 정한 평활모수를 사용하여 오분류율을 조사해 본 결과에서도 붓스트랩 방법이 우월함을 알 수 있었다.

• 응용통계연구
• /
• 제24권1호
• /
• pp.45-59
• /
• 2011

시계열에는 1년 주기의 계절변동이 포함되어 있다. 시계열의 기조적 움직임을 살펴보기 위해서는 시계열에서 계절 변동을 제거하는 계절조정이 필요하다. 계절조정 프로그램 X-12-ARIMA에서는 F검정과 Kruskal-Wallis검정으로 시계열에 존재하는 계절변동(계절성)을 식별하고, 스펙트럼 그래프로 계절조정후 불규칙변동에 계절변동이 남아 있는 지 점검한다. 본 연구에서는 평활 검정을 계절성 검정에 적용한 평활 계절성 검정을 제안하고, 그 특성을 모의실험과 실제 시계열에 대한 계절성 검정을 통해 살펴보았다. 모의실험 결과를 보면 평활 계절성 검정이 X-12-ARIMA의 스펙트럼 분석을 계량화하고, 계절성 검정인 F검정과 Kruskal-Wallis검정을 보완할 수 있을 것으로 판단된다.

• 응용통계연구
• /
• 제21권3호
• /
• pp.547-560
• /
• 2008

스펙트럼 밀도함수(spectral density function)는 시계열 자료가 정상성(stationarity)을 만족하는 경우에 주파수 영역(frrqllrnFr domain)에서 시계열 자료의 자기공분산함수(auto-covariance function)을 결정짓는 함수이고, 평활된 주기도(smoothed periodogram)는 스펙트럼 밀도함수의 일치 추정량(consistent estimator)이 됨이 잘 알려져 있다. 본 연구에서는 시계열 자료를 평활된 주기도를 이용하여 군집화하는 방법을 소개한다. 최근 김희영과 박만식 (2007)의 연구에 의하면 이 거리는 정상시계열들을 효율적으로 분류하고 있음을 알 수 있다. 본 연구는 시계열 자료를 분류하는데 사용된 기존의 거리들을 간략히 소개하고, 우리나라 22개 지역에서 1987년 1월부터 2007년 12월까지 측정한 월별 강수량 자료를 대상으로 평활된 주기도 거리를 이용하여 지역을 군집화한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 추계학술대회
• /
• pp.189-192
• /
• 2015

본 논문에서는 HDR(high dynamic range)영상을 LDR(low dynamic range)영상장치에 표현하기 위해 히스토그램 변형기법과 구간별 히스토그램 평활화를 이용한 인지기반의 톤 맵핑(tone mapping)기법을 제안한다. 인간의 시각특성을 이용한 톤 맵핑 알고리듬은 상당히 효과적이지만 고정된 형태의 맵핑 함수를 사용하기 때문에 모든 영상에서 동일한 효과를 얻지 못한다. 그리고 히스토그램 변형 기법을 적용한 인지기반 톤 맵핑 알고리듬의 경우 인지기반 톤 맵핑 함수를 이용해서 원 영상의 히스토그램을 제한하고 보상과정을 통해서 적극적인 톤 맵핑 함수를 얻을 수 있다. 그렇기 때문에 contrast 의 향상과 원 영상의 디테일 보존을 함께 얻을 수 있다. 하지만 전역 히스토그램 평활화의 사용으로 영상이 지나치게 밝아지거나 지나치게 어두워지는 경우가 발생할 수 있다. 제안하는 방법은 구간별 히스토그램 평활화를 적용하여 톤 맵핑 함수를 얻는다. 이는 과도한 평활화를 방지하고 원 영상의 디테일 보존의 성능이 더 좋다. 시뮬레이션 및 실험을 통해 성능을 비교하고 기존 방법에 비해 제안한 방법이 우수함을 입증한다.