• Communications for Statistical Applications and Methods
• /
• 제1권1호
• /
• pp.33-40
• /
• 1994

The conditional expectation of a random variable in a multivariate normal random vector is a multiple linear regression on its predecessors. Using this fact, the least median of squares estimation method developed in a multiple linear regression is adapted to a multivariate data to identify influential observations. The resulting method clearly detect outliers and it avoids the masking effect.

• 응용통계연구
• /
• 제15권2호
• /
• pp.269-279
• /
• 2002

다중 이상점 과 다중 지렛점의 식별은 가장효과(masking effect)와 편승효과(swamping effect)에 영향을 받으므로 어려움이 존재한다. Rousseeuw와 van Zomeren(1990)은 LMS (Least Median of Squares) 회귀방법과 MVE(Minimum Volume Ellipsoid) 통계량을 이용하여 다중 이상점과 다중 지렛점을 식별하였다. 그러나 이들의 방법은 LMS와 MVE의 강한 로버스트성으로 인하여 이상점과 지렛점이 아닌 점들도 이상점과 지렛점으로 식별하는 경향이 있다. Fung(1993)은 식별된 이상점과 지렛점들에 대하여 재확인방법을 제안하였는데 이 방법은 인근효과(adjacent effect)에 영향을 받아 이상점과 지렛점을 식별하는데 문제가 있는 것으로 분석되었다. 본 논문은 이러한 문제점을 지적하고 새로운 방법을 제안하여 식별된 이상점과 지렛점을 재확인하고자 한다.

• 한국광학회지
• /
• 제8권2호
• /
• pp.88-94
• /
• 1997

감쇠최소자승법을 최적회 기법으로 사용하여 사진 렌즈계와 픽업 광학계용 비구면 대물렌즈를 설계하였다. 최적화 초기에 임의로 감쇠계수를 선택한 다음 최적화 과정의 수렴 속도와 안정성을 높이기 위하여 미분증가치의 최적성 평가법을 도입하였다. 최적성 평가법을 만족하는 미분증가치를 사용한 경우 최적화의 수렴성과 안정성이 증진되었으며, 최적화에 의해 설계된 렌즈계들의 성능은 설계 목표치를 잘 만족하였다.

• Communications for Statistical Applications and Methods
• /
• 제11권3호
• /
• pp.485-494
• /
• 2004

An algorithm is proposed to identify multiple outliers in linear regression. It is based on the clustering of residuals from the least median of squares estimation. A cut-height criterion for the hierarchical cluster tree is suggested, which yields the optimal clustering of the regression outliers. Comparisons of the effectiveness of the procedures are performed on the basis of the classic data and artificial data sets, and it is shown that the proposed algorithm is superior to the one that is based on the least squares estimation. In particular, the algorithm deals very well with the masking and swamping effects while the other does not.

• Communications for Statistical Applications and Methods
• /
• 제9권1호
• /
• pp.291-304
• /
• 2002

This article is concerned with an effective algorithm for the identification of multiple outliers in linear regression. It proposes a hybrid algorithm which employs the least median of squares estimator, instead of the least squares estimator, to construct an Initial clean subset in the stepwise forward search scheme. The performance of the proposed algorithm is evaluated and compared with the existing competitor via an extensive Monte Carlo simulation. The algorithm appears to be superior to the competitor for the most of scenarios explored in the simulation study. Particularly it copes with the masking problem quite well. In addition, the orthogonal decomposition and Its updating techniques are considered to improve the computational efficiency and numerical stability of the algorithm.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.500-506
• /
• 2019

본 연구에서는 arPLS(asymmetrically reweighted penalized least squares) 방법에서 분광신호의 길이와 차수를 이용한 최적의 평활화 매개변수를 위한 결정함수를 제안한다. 분광신호의 기준선 보정은 분석 시스템의 성능을 좌우하는 매우 중요한 과정으로 많은 경우에 육안 검사로 매개변수를 선택하여 추정한다. 이 과정은 매우 주관적이고 특히 대량의 데이터인 경우 지루한 작업을 동반하므로 좋은 분석 결과를 보장하기 어렵다. 이러한 이유로 기준선 보정에서 최적의 매개변수를 결정하기 위한 객관적인 방법이 필요하다. 제안한 결정함수는 기준선 보정에 사용 가능한 매개변수 범위의 중앙값이 신호의 길이가 길어질수록 증가하고, 신호의 차수가 작아질수록 감소하는 관계를 정리하여 모델링하였다. 모의실험 데이터는 신호의 길이 7가지에 대해 조합한 분석신호 4가지와 선형 기준선과 2차, 3차, 4차 곡선 기준선을 각각 더하여 모두 112개를 생성하였다. 모의실험 데이터와 실제 라만 분광신호를 이용한 실험에서 제안한 결정함수의 평활화 매개변수가 기준선 보정에 효과적으로 적용될 수 있음을 확인하였다.

• Journal of the Korean Statistical Society
• /
• 제33권2호
• /
• pp.149-157
• /
• 2004

The stationarity is one of the most important properties of a time series. We propose robust sign tests for seasonal autoregressive processes to determine whether or not a time series is stationary. The proposed tests are robust to the outliers and the heteroscedastic errors, and they have an exact binomial null distribution regardless of the period of seasonality and types of median adjustments. A Monte-Carlo simulation shows that the sign test is locally more powerful than the tests based on ordinary least squares estimator (OLSE) for heavy-tailed and/or heteroscedastic error distributions.

• Journal of the Korean Statistical Society
• /
• 제24권2호
• /
• pp.349-360
• /
• 1995

This paper deals with the robustness properties of the minimum disparity estimation in linear regression models. The estimators defined as statistical quantities whcih minimize the blended weight Hellinger distance between a weighted kernel density estimator of the residuals and a smoothed model density of the residuals. It is shown that if the weights of the density estimator are appropriately chosen, the estimates of the regression parameters are robust.

• 한국컴퓨터정보학회논문지
• /
• 제10권2호
• /
• pp.21-30
• /
• 2005

강건 예측 기법은 오류 자료(outliers)를 제거하고 정상 자료(non-outliers)만으로 모델의 파라미터를 구하는 통계적인 방법으로 잘 알려져 있다 기존의 문헌에 소개된 많은 강건 예측 알고리즘들이 있으나 컴퓨터 비전 및 영상 처리 분야에서 가장 많이 사용되는 알고리즘은 M-estimators와 LMS(least-median of squares) 방법이다. 이 중 M-estimators는 어파인 모델(affine model)의 파라미터 측정에 있어 최적의 방법으로 잘 알려져 있다. 그러나 M-estimators는 통계적인 효율성이 높지만 초기화가 적절히 수행되지 않으면 오류 자료를 제거하는 데 문제점을 가진다 따라서 본 논문에서는 이런 문제점을 해결하기 위해 연속적인 시그모이드(sigmoid) 가중치 함수를 사용하여 오류 자료와 정상 자료를 효과적으로 분리하면서 어파인 모델의 파라미터를 효과적으로 측정하는 적응적인 M-estimators 강건 예측 알고리즘을 제안한다. 실험에서는 기존의 강건 예측 방법과 제안된 적응적 강건 예측 방법의 성능을 비교 및 분석하여 제안된 방법의 우수함을 보인다.

• 전자공학회논문지B
• /
• 제32B권7호
• /
• pp.974-988
• /
• 1995

In this paper, we propose a range image segmentation algorithm using robust regression. We derive a least $\kappa$th-order square (LKS) method by generalizing the least median of squares (LMedS) method and compare it with the conventional robust regressions. The LKS is robuster against outliers than the LMedS and shows performance similar to the residual consensus (RESC). The RESC uses the predetermined number of sorted residuals, whereas the LKS uses an adaptive parameter determined by given observations rather than the a priori knowledge. Computer simulation with synthetic and real range images shows that the proposed LKS algorithm gives better performance than the conventional ones.