• 응용통계연구
• /
• 제16권2호
• /
• pp.305-319
• /
• 2003

본 연구에서는 바이어스 필드에 의해 왜곡된 MRI 영상에 대한 분할을 위해 확장된 EM 알고리즘을 기반으로 한 통계적 접근법을 제시한다. 영상의 명암값을 자료로 하는 분할기법들은 고주파 성분의 잡음 뿐만 아니라 영상을 불균질하게 만드는 바이어스 필드라는 저주파 성분의 왜곡에 특히 취약하다. 이 문제를 해결하기 위해 본 논문에서는 잡음을 효과적으로 제어하기 위해 마코프랜덤필드가 적용된 정규혼합모형을 고려하며, 효과적인 바이어스 필드의 보정을 위해 페널티-우도를 도입하여 추정하는 방법으로 고안되었다.

• 정보처리학회논문지B
• /
• 제8B권2호
• /
• pp.173-182
• /
• 2001

본 논문에서는 투과형 토머그래피 영상재구성을 위하여 EM 알고리즘을 사용하는 경우에 발생하는 문제점을 해결할 수 있는 방안을 제시한다. 일반적으로 토머그래피 영상재구성과 같은 다-차원의 모수 추정인 경우에서는 그것의 페널티 함수의 헤이지안행렬의 역행렬 차수가 매우 높기 때문에 그것을 직접적으로 계산할 수 없다. 이러한 문제점을 해결하기 위하여 PEMG-1 알고리즘을 제안한다. 이 알고리즘은 페널티 함수를 사용하는 그래디언트 형태의 알고리즘인데 이것은 Lange(1995)과 Green(1990)의 알고리즘에서 지적된 문제점을 동시에 해결할 수 있다.

• 응용통계연구
• /
• 제24권6호
• /
• pp.1213-1224
• /
• 2011

관측치의 개수보다 변량의 개수가 더 많은 다변수 상황에서 정규혼합모형을 이용하여 군집분석을 하기 위해서는 비정보적인 변수들을 제거하는 과정이 필수적으로 요구된다. 이와 같은 변수선택과 군집의 동시 처리를 위한 기존 연구의 대부분은 군집별 등분산 가정 하에서 이루어져 왔으며, 비정보적인 변수를 제거하기 위해 주로 벌점화 우도 기법이 이용되었다. 본 연구에서는 약간 변형된 정규혼합모형을 기반으로 비현실적인 등분산 가정을 탈피하면서 효율적으로 비정보적인 변수를 제거하는 새로운 방법을 제공한다. 이 모형에 대한 타당성을 설명하였고, 모수 추정을 위한 EM 알고리즘을 유도하였다. 그리고 모의실험 및 실자료 실험을 통해 제안된 방법의 유효성을 보였다.