썸네일
  • 성과명 
  • 커널 스틱 절단 프로세스를 이용한 설명변수에 의해 변화하는 혼합 확률을 가진 함수자료 혼합모형 개발

  • 출처 연구과제
  • 베이지안 모형 기반 군집분석방법의 확장

  • 성과 연구자
  • 주용성(동국대학교)

  • 성과연구년도
  • 2015

  • 성과유형
  • 방법/기법

  • 성과연구단계 TRL2 : 기본개념정립
    1. TRL1
    2. TRL2
    3. TRL3
    4. TRL4
    5. TRL5
    6. TRL6
    7. TRL7
    8. TRL8
    9. TRL9
  • 신약연구단계 신약TRL1 : 과학지식기반리뷰
    1. TRL1
    2. TRL2
    3. TRL3
    4. TRL4
    5. TRL5
    6. TRL6
    7. TRL7
    8. TRL8
    9. TRL9
  • 성과키워드
  • 혼합모형  베이지안  함수적자료  MixtureModel  Bayesian  FunctionalData 

  • 성과내용
  • 본 연구에서는 kernel stick breaking process를 이용한 predictor-dependent 혼합 확률을 가진 함수자료 혼합모형을 개발하였다. 혼합모형을 이용한 함수 자료의 군집분석에서는 두 가지 종류의 설명변수가 사용될 수 있다. 예를 들어 본 과제에서 분석한 전 세계 청정지역들의 5년간 이산화탄소 측정 (월)자료는 군집대상(지역)이 함수 자료를 가지게 하는 시간이라는 설명변수와 군집대상의 특성을 나타내는 위도, 경도, 북반구/남반구, 해안선과의 거리 등을 나타내는 설명변수를 포함한다. 일반적인 혼합모형의 경우 군집의 대상이 하나의 데이터 포인트로 형성되고 이를 상수 혼합 확률을 이용하여 모형화하기 때문에 군집대상의 특성을 모형에 반영하기 힘들다. 본 과제에서 개발한 모형은 함수 자료의 특성을 반영하기 위하여 지구온난화 경향을 설명하는 회귀함수, 연내의 주기성을 나타내는 푸리에 함수와 자기상관성을 설명하는 AR(1) 오차구조를 사용하였다.

  • 기존 지식/기술 대비 성과의 차별성 1 : 선진연구추격(Catch-up)
    1. 1
    2. 2
    3. 3
  • 기존의 혼합모형은 상수혼합 확률을 가지고 데이터포인트를 군집화하도록 만들어졌다. 이를 발전시켜 설명변수를 가지는 로지스틱 구조의 혼합확률을 이용하여 회귀적인 경향을 가진 함수적 자료를 군집화하는 모형들이 개발되었다. 본 과제에서는 stick breaking process를 이용하여 혼합확률의 설명변수 구조를 개선하고 함수적 자료의 자기상관성을 추가함으로써 새로운 모형을 개발하였다.

  • 성과의 혜택 2 : 어느 정도의 혜택의 향상(Incremental)0
    1. 1
    2. 2
    3. 3
    4. 4
    5. 5
  • 본 과제에서 개발된 모형을 전지구 이산화탄소 자료 분석에 활용함으로써 대기내 이산화탄소양의 패턴분석을 실시하였다. 계절적인 패턴과 위도의 영향 등을 설명함으로써 지구온난화의 주범인 이산화탄소의 경향이 파악되었다.

  • 성과의 혁신성 2 : 기존 지식을 개선하는 발견/발명(Minor improvement 27.1%)
    1. 1
    2. 2
    3. 3
    4. 4
    5. 5
  • 필요 추가 연구 필요추가연구 불필요
  • 필요 후속 조치 후속조치 불필요
  • 성과분야분류
  • 성과분야분류
    한국표준산업분류  : 전문, 과학 및 기술 서비스업 >그외 미분류 전문, 과학 및 기술 서비스업 >그외 미분류 전문, 과학 및 기술 서비스업 >그외 미분류 전문, 과학 및 기술 서비스업 >그외 미분류 전문, 과학 및 기술 서비스업 
    과학기술표준분류  : 수학 >응용통계 >환경통계 
    학술연구분야분류  : 자연과학 >통계학 >통계적추론 >베이지안추론 
    활용분야분류  : 환경/지구과학 > 대기  
  • 해당 연구분야 추천 전문가 
  • 장인홍(조선대학교) 경민정(덕성여자대학교) 이근백(성균관대학교)

  • 성과근거자료
  • 관련성과자료
    번호 성과유형 제목 저자 연도 첨부파일
    1 보고서-Predictor dependent mixture model
    1 
검색결과목록   검색화면