• Journal of the Korean Data and Information Science Society
• /
• 제27권4호
• /
• pp.1059-1066
• /
• 2016

In this paper we propose a robust version of varying coefficient models, which is based on the regularized regression with L1 regularization. We use the iteratively reweighted least squares procedure to solve L1 regularized objective function of varying coefficient model in locally weighted regression form. It provides the efficient computation of coefficient function estimates and the variable selection for given value of smoothing variable. We present the generalized cross validation function and Akaike information type criterion for the model selection. Applications of the proposed model are illustrated through the artificial examples and the real example of predicting the effect of the input variables and the smoothing variable on the output.

• 대한교통학회지
• /
• 제27권2호
• /
• pp.47-56
• /
• 2009

현장에서 수집되는 교통원시자료는 수집장비의 결함 및 주변환경 등에 의해 다양한 이상치가 발생한다. 원시자료의 품질은 추가 가공을 통해 생성되는 교통정보의 신뢰도에 직접적인 영향을 미치는 중요한 요인이다. 실시간으로 수집되는 교통원시자료를 1차 가공하는데 있어서 핵심은 이상치(Outlier)를 검지하고 보정하는 것이라고 할 수 있다. 본 연구에서는 GPS장비를 이용해 얻은 개별차량의 주행속도에서 발생하는 이상치를 제거하고 보정하는 기법을 제안하였다. GPS는 광범위한 교통네트워크상의 차량추적에 용이하게 사용될 수 있는 장점이 있다. 수집된 개별차량의 주행속도에서 이상치를 검지하고 보정하기 위해 국소가중다항회귀분석(LWR: Locally Weighted Regression)을 적용하였다. 또한 국소가중다항회귀분석을 수행하기 위한 파라미터 결정 알고리즘을 개발하여 적용하였다. 개발된 필터링 기법의 성능 평가를 위해 Synthetic Outlier를 생성 및 주입하여 개발된 필터링 기법을 통해 보정시키고 원시자료와 비교 분석 하였고, LWR을 이용한 기법의 상대적 성능 평가를 위해 지수평활화를 이용한 기법과 비교하였다. 평가 결과 LWR기법이 지수평활화를 이용한 기법보다 낮은 오차율을 보여 상대적으로 우수함을 검증하였다. 본 연구에서 제안한 방법론은 교통정보공학 분야의 자료처리 및 정보가공을 위한 도구로서 활용도가 클 것으로 기대된다.

• Journal of Medicine and Life Science
• /
• 제20권3호
• /
• pp.107-114
• /
• 2023

Epidemiological control of coronavirus disease 2019 (COVID-19) is needed to estimate the infection period of confirmed cases and identify potential cases. The present study, targeting confirmed cases for which the time of COVID-19 symptom onset was disclosed, aimed to investigate the relationship between intervals (day) from symptom onset to testing the cycle threshold (CT) values of real-time reverse transcription-polymerase chain reaction. Of the COVID-19 confirmed cases, those for which the date of suspected symptom onset in the epidemiological investigation was specifically disclosed were included in this study. Interval was defined as the number of days from symptom onset (as disclosed by the patient) to specimen collection for testing. A locally weighted regression smoothing (LOWESS) curve was applied, with intervals as explanatory variables and CT values (CTR for RdRp gene and CTE for E gene) as outcome variables. After finding its non-linear relationship, a polynomial regression model was applied to estimate the 95% confidence interval values of CTR and CTE by interval. The application of LOWESS in 331 patients identified a U-shaped curve relationship between the CTR and CTE values according to the number of interval days, and both CTR and CTE satisfied the quadratic model for interval days. Active application of these results to epidemiological investigations would minimize the chance of failing to identify individuals who are in contact with COVID-19 confirmed cases, thereby reducing the potential transmission of the virus to local communities.

• 한국수자원학회논문집
• /
• 제38권8호
• /
• pp.617-629
• /
• 2005

본 논문은 비단조적으로 변동하는 시계열자료를 단조적으로 변화하는 구간으로 분할하여 경향성을 분석함으로써 자료의 시변동에 대한 동질성을 향상시키고 그에 따라 경향성 분석기법의 탐지력을 향상시킬 수 있다는 가설을 전제로 하고 있다. 이를 검토하기 위한 기법으로서 시계열자료의 변동경향을 파악하기 위한 필터링 방법으로 LOWESS smoothing을 적용하였고, 시계열자료의 경향성분석은 seasonal Kendall test를 적용하였다. 인위적으로 발생시킨 시계열자료와 대청호의 수온, 유량, 기온, 일사량 등의 시계열자료를 대상으로 검토한 결과 비단조적인 변화를 보이는 시계열자료를 단조적인 변화구간으로 분할하여 경향성을 분석함으로써 자료의 변동 경향성과 기울기 판정의 정확도를 높일 수 있었다. 그리고, 자료의 시변동에 대한 동질성 향상은 계절 변동성의 동질성에 대한 변화를 보다 정확하게 분석하는데 도움을 주는 것으로 보였으며 이것은 자연현상에 대한 인간활동의 영향을 고찰할 수 있는 자료로서 앞으로 이에 대한 연구가 더 필요할 것으로 보인다. 본 논문에서 제시한 방법은 시계열자료의 단조적인 경향성을 분석하는 기법들에 대해 적용 가능하며, 이를 통하여 환경변화의 경향성에 대한 보다 정확한 분석과 판단이 가능해질 것으로 기대한다.