• 응용통계연구
• /
• 제17권2호
• /
• pp.327-336
• /
• 2004

이상점이 존재하는 공간자료(spatial data) 분석에서 이상점(outlier)의 영향력를 줄이기 위 한 방법으로 로버스트 변이도(robust variogram)를 사용한다. 최근 이상점을 먼저 수정한 후 변이도를 추정하는 방법을 사용하면 더 좋은 분석결과를 얻을 수 있다는 것이 알려졌다. 본 논문에서는 이상점이 존재하는 공간자료 분석에서 Mugglestone 등(2000)이 제안한 이상점 수정법과 본 논문에서 제안한 새로운 이상점 수정법의 효율성을 비교하였다.

• Journal of the Korean Statistical Society
• /
• 제36권4호
• /
• pp.457-469
• /
• 2007

Many procedures are available to identify a single outlier or an isolated influential point in linear regression and logistic regression. But the detection of influential points or multiple outliers is more difficult, owing to masking and swamping problems. The multiple outlier detection methods for logistic regression have not been studied from the points of direct procedure yet. In this paper we consider the direct methods for logistic regression by extending the $Pe\tilde{n}a$ and Yohai (1995) influence matrix algorithm. We define the influence matrix in logistic regression by using Cook's distance in logistic regression, and test multiple outliers by using the mean shift model. To show accuracy of the proposed multiple outlier detection algorithm, we simulate artificial data including multiple outliers with masking and swamping.

• Journal of the Korean Statistical Society
• /
• 제29권3호
• /
• pp.285-294
• /
• 2000

In analyzing bivariate date the sample correlation coefficient is often used, and it is quite sensitive to one or few isolated cases. In this article we derive a formula for the effect of $textsc{k}$ observations on the samples correlation coefficient by the deletion method. To give a reference value for the isolated cases the asymptotic distribution fo the formula is derived. Also, we give some interpretations on several types of isolated cases and an example based on a real data set.

• 한국음향학회지
• /
• 제6권4호
• /
• pp.31-43
• /
• 1987

본 논문은 불특정화자의 한국어 단독음인식에 관한 연구로써, 새로운 집단화 방법인 Modified-ISODATA 집단화 방법을 제안한다. 제안된 방법은 종래의 ISODATA 알고리즘에서 외부 고립점 처리 및 분리과정을 단순화 하여, 정확하고도 자동화된 집단의 중심점을 찾는 것을 목적으로 한다. 본 알고리즘을 적용한 결과, 10명의 남성 화자와 4명의 여성 화자가 발음한 11개의 숫자음에 대하여, 최근에 발표된 Modified K-means 방법보다 좋은 인식율을 나타내어, 보다 정확한 집단의 중심점을 찾아내었음을 입증해 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.95-97
• /
• 2019

본 논문에서는 ZigBee 기반의 WSN과 노드 연결을 위한 새로운 기법을 제안한다. 이 기법은 통신 노드 간에 격리된 노드의 수를 최소화하기 위해 수신신호강도(RSSI) 샘플에 적용된 딕슨 테스트(Dixon's test)를 사용하여 ZigBee 기반의 WSN을 위한 새로운 노드 연결 구조로써 특이점(outlier)을 제거하여 적은 수의 RSSI 값으로도 정확한 노드 연결이 가능하다. 본 논문에서는 시뮬레이션을 통하여 제안하는 기법이 기존의 RSSI 기반의 기법보다 더 높은 정확도를 유지하면서 처리 시간은 줄어든 것을 증명하였다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.29-39
• /
• 2022

Crack detection plays an important role in the maintenance and protection of steel box girder of bridges. However, since the cracks only occupy an extremely small region of the high-resolution images captured from actual conditions, the existing methods cannot deal with this kind of image effectively. To solve this problem, this paper proposed a novel three-stage method based on deep learning technology and morphology operations. The training set and test set used in this paper are composed of 360 images (4928 × 3264 pixels) in steel girder box. The first stage of the proposed model converted high-resolution images into sub-images by using patch-based method and located the region of cracks by CBAM ResNet-50 model. The Recall reaches 0.95 on the test set. The second stage of our method uses the Attention U-Net model to get the accurate geometric edges of cracks based on results in the first stage. The IoU of the segmentation model implemented in this stage attains 0.48. In the third stage of the model, we remove the wrong-predicted isolated points in the predicted results through dilate operation and outlier elimination algorithm. The IoU of test set ascends to 0.70 after this stage. Ablation experiments are conducted to optimize the parameters and further promote the accuracy of the proposed method. The result shows that: (1) the best patch size of sub-images is 1024 × 1024. (2) the CBAM ResNet-50 and the Attention U-Net achieved the best results in the first and the second stage, respectively. (3) Pre-training the model of the first two stages can improve the IoU by 2.9%. In general, our method is of great significance for crack detection.