• Communications for Statistical Applications and Methods
• /
• v.15 no.2
• /
• pp.283-292
• /
• 2008

Smoothing parameter or bandwidth plays a key role in nonparametric classification based on kernel density estimation. We consider choosing smoothing parameter in nonparametric classification, which optimize the Bayes risk. Hall and Kang (2005) clarified the theoretical properties of smoothing parameter in terms of minimizing Bayes risk and derived the optimal order of it. Bootstrap method was used in their exploring numerical properties. We compare cross-validation and bootstrap method numerically in terms of optimal order of bandwidth. Effects on misclassification rate are also examined. We confirm that bootstrap method is superior to cross-validation in both cases.

• Journal for History of Mathematics
• /
• v.17 no.2
• /
• pp.15-20
• /
• 2004

We investigate the unbiasedness and consistency as the statistical properties of density estimators. We show histogram, kernel density estimation, and local adaptive smoothing as density smoothing in this paper. Also, the early and recent research on nonparametric density estimation is described and discussed.

• Journal of the Korean Geophysical Society
• /
• v.4 no.3
• /
• pp.175-182
• /
• 2001

We consider the problem of determining smoothing parameters of Gibbs priors for Bayesian methods used in the medical imaging application of emission tomographic reconstruction. We address a simple smoothing prior (membrane) whose global hyperparameter (the smoothing parameter) controls the bias/variance tradeoff of the solution. We base our maximum-likelihood (ML) estimates of hyperparameters on observed training data, and argue the motivation for this approach. Good results are obtained with a simple ML estimate of the smoothing parameter for the membrane prior.

• The Journal of Engineering Research
• /
• v.4 no.1
• /
• pp.47-54
• /
• 2002

We consider the problem of determining smoothing parameters of Gibbs priors for Bayesian methods used in the medical imaging application of emission tomographic reconstruction. We address a simple smoothing prior (membrane) whose global hyperparameter (the smoothing parameter) controls the bias/variance tradeoff of the solution. We base our maximum-likelihood(ML) estimates of hyperparameters on observed training data, and argue the motivation for this approach. Good results are obtained with a simple ML estimate of the smoothing parameter for the membrane prior.

• Journal of the Korean Data and Information Science Society
• /
• v.7 no.2
• /
• pp.257-262
• /
• 1996

When we are estimate the smoothing parameter in spline regression model, we deal the diagnostic of influence observations as posteriori analysis. When we use Generalized Maximum Likelihood Function as the estimation method of smoothing parameter, we propose the diagnostic measure for influencial observations in the obtained estimate, and we introduce the finding method of the proper smoothing parameter estimate.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• 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.

• Journal for History of Mathematics
• /
• v.19 no.3
• /
• pp.113-122
• /
• 2006

We investigate the mathematical background, statistical methodology, and the teaching of computer-software field using smoothing methodology in this paper. Also we investigate conception and methodology of histogram, kernel density estimator, adaptive kernel estimator, bandwidth selection based on mathematics and statistics.

• Journal of Ocean Engineering and Technology
• /
• v.8 no.2
• /
• pp.173-184
• /
• 1994

원자력 압력용기강의 탄소성 파괴인성값 $J_IC$를 CT형 시험편을 이용하여 검토하였으며, 평활 시험편 및 측면홈 시험편의 두께는 각각 $B_O$=25.4mm, $B_N$=20.4mm 이다. 측면홈의 깊이는 19.7% 이며, 홈의 각도는 90 .deg.로 가공하였다. 탄소성 파괴인성시험은 ASTM E813-81과 JSME S001-81의 추천방법에 따라 실시하였다. 두 추천방법으로 실험한 결과 ASTM 방법에 의한 $J_IC$값이 과대평가됨으로써 부대조건에 만족되지 못하였지만 JSME방법은 만족되었다. 측면홈 시험편은 R고선법에 의한 ductile tearing의 결정이 평활 시험편보다 용이하였으며, 이에 따른 $J_IC$값의 정확성을 배가 할 수 있었다. 또한 임계 스트레치존 폭($SZW_C$)은 측면홈에 의한 높은 3축응력이 발생되어 평활시험편보다 적게 나타났으며, 이러한 복합적인 원인에 기인하여 스트레치존법에 의한 $J_IC$평가는 R곡선법에 의한 평가보다 약간 과대평가됨을 알 수 있었다.

• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• 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.

• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• pp.357-367
• /
• 2001

Huber의 M-추정함수의 형태는 조율상수가 주어질 때 비로소 그 형태가 결정된다. 조율상수를 커널밀도함수추정량의 평활계수를 이용하여 구하여 보았고, 모의실험을 통해 기존에 상요되는 조율상수들과 그 성능을 비교하여 보았다. 그 결과 새로운 방법에 의해 구해진 조율상수가 기존의 조율상수를 사용하는 경우 보다 모의실험을 통해 얻은 추정치의 분산이 작게되는 경우가 있음을 알았다.