• Journal of the Korean Data and Information Science Society
• /
• v.23 no.6
• /
• pp.1045-1054
• /
• 2012

Support vector machine is known to be the very useful statistical method in classification and nonlinear function estimation. In this paper we propose a monotone support vector regression (SVR) for the estimation of monotonically decreasing function. The proposed monotone SVR is applied to smooth the Kaplan-Meier estimate of survival function. Experimental results are then presented which indicate the performance of the proposed monotone SVR using survival functions obtained by exponential distribution.

• Communications for Statistical Applications and Methods
• /
• v.18 no.2
• /
• pp.171-177
• /
• 2011

In order to construct approximation functions for real data, it is necessary to remove the outliers from the measured raw data before constructing the model. Conventionally, visualization and maximum residual error have been used for outlier detection, but they often fail to detect outliers for nonlinear functions with multidimensional input. Although the standard support vector regression based outlier detection methods for nonlinear function with multidimensional input have achieved good performance, they have practical issues in computational cost and parameter adjustments. In this paper we propose a practical approach to outlier detection using support vector regression that reduces computational time and defines outlier threshold suitably. We apply this approach to real data examples for validity.

• Journal of the Korean Data and Information Science Society
• /
• v.22 no.2
• /
• pp.197-206
• /
• 2011

The ability to detect online abnormal events in signals is essential in many real-world signal processing applications. In order to detect abnormal events, previously known algorithms require an explicit signal statistical model, and interpret abnormal events as statistical model abrupt changes. In general, maximum likelihood and Bayesian estimation theory to estimate well as detection methods have been used. However, the above-mentioned methods for robust and tractable model, it is not easy to estimate. More freedom to estimate how the model is needed. In this paper, we investigate a machine learning, descriptor-based approach that does not require a explicit descriptors statistical model, based on support vector machines are known to be robust statistical models and a sequential optimal algorithm online support vector machine is introduced.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.6
• /
• pp.1271-1280
• /
• 2010

We have used multifactor dimensionality reduction (MDR) method to study genegene interaction effect of statistical model in general. But, MDR method could not be applied in the continuous data. In this paper, continuous-type data by the support vector machine (SVM) algorithm are proposed to the MDR method which provides an introduction to the technique. Also we apply the method on the identify major interaction effects of single nucleotide polymorphisms (SNPs) responsible for economic traits in a Korean cattle population.

• Journal of Korean Association for Spatial Structures
• /
• v.10 no.4
• /
• pp.67-74
• /
• 2010

Single layer latticed domes which have a mechanics property, a functional property, a aesthetic property and so on, occupies one part of long span space structures and after this, the using parts will be extended. The frame network pattern of single-layer latticed domes can be infinitely taken into account. The typical network patterns are triangular, square, hexagon, lamella and rib etc. It would take long time and cost too much to erect large roof structures with traditional erection techniques due to require of large number of temporary bracing and supports. The erection of large roof structures requires special techniques. As one of these special techniques is the Step-Up election method that utilizes jack-up supports and this will extremely saves time and cost to erect large roof structures. The objective of this study is to analysis the buckling characteristics of single-layer lamella domes according to the support number and position. From the result of this study, we obtained the fundamental data for the structural engineers who design the temporary support of large roof structures.

• Communications for Statistical Applications and Methods
• /
• v.16 no.5
• /
• pp.791-801
• /
• 2009

Value-at-Risk(VaR) has been used as an important tool to measure the market risk. However, the selection of the VaR models is controversial. This paper proposes VaR forecast combinations using support vector machine quantile regression instead of selecting a single model out of historical simulation and GARCH.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1899-1900
• /
• 2008

현재 센서 네트워크에서 센서의 위치를 추정(Localization) 하고자 하는 많은 방법들이 나와 있고, 계속해서 연구 주제로 다루어 지고 있다. 이 논문에서는 서포트 벡터 머신(SVM)의 기본적인 내용과 센서 네트워크 분야에서 위치 추정 분야에서 다루어지고 내용들을 서술하고 마지막으로 서포트 벡터 머신을 이용하여, 개선되고 향상된 algorithm을 제시하고자 하는 것이 아닌 SVM을 이용한 적용 사례들과 연구 동향들에 대해 살펴본 뒤 그것들의 적용방법들과 갖는 한계점들, 그리고 그것을 이용한 미래에 연구방향에 대해 고찰해 보고자 한다.

• Proceedings of the Safety Management and Science Conference
• /
• 2013.11a
• /
• pp.539-546
• /
• 2013

본 연구는 승마용 안전모의 신뢰성 확보를 위해 안전기준을 정립하기 위한 연구이다. 국내 외 레저 스포츠 안전모 관련 안전기준을 비교 분석하여 도출한 주요 시험평가방법을 현재 국내에 유통 중인 중저가 승마용 안전모를 대상으로 성능시험을 하였다. 충격흡수성 시험 시 1축과 3축 가속도 센서를 이용한 시험방법에 대해서 성능평가 데이터를 통해 1축 가속도 센서를 이용한 충격흡수성 시험으로 선정하였다. 유지시스템의 강도시험에서 헤드 폼 서포트 방식과 후크 서포트 방식으로 구분되던 것을 시료에 손상 없이 시험 가능한 헤드 폼 서포트 방식으로 결정하였다. 이와 같이 승마용 안전모의 안전기준을 정립하여 제품의 안전성 및 신뢰성을 확보하고 나아가 "품질경영 및 공산품 안전 관리법"에 규정함으로써 자국민의 안전을 확보하고 중국산 저가 제품에 대한 시장진입장벽을 구축하여 경쟁력 있는 안전모 시장을 구축하기를 기대한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.55-56
• /
• 2018

화력발전소의 중요 구성품인 보일러 튜브의 예기치 못한 누설 사고로 인해 수억원에 해당하는 손실이 발생하고 있다. 본 논문에서는 보일러 튜브의 누설 감지를 위해 유전 알고리즘을 이용하여 추출 가능한 특징들 중 누수 감지에 유용한 특징들을 선택하고, 선택된 특징으로 서포트 벡터 머신을 이용하여 보일러 튜브의 누설 감지하는 방법을 제안한다. 이는 뛰어난 성능을 보였으며, 향후 본 기술을 이용하면 발전소의 손실 예방에 크게 도움이 될 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.19-20
• /
• 2016

본 논문에서는 서포트 벡터 머신 (SVM)의 분류 성능에 영향을 주는 인수인 C와 ${\sigma}$ 값을 적응적으로 최적화할 수 있는 적응적 자가튜닝 SVM을 이용한 베어링의 상태 진단 방법을 제안한다. SVM의 각 인수의 변화에 따른 베어링 상태 진단의 성능 변화 패턴을 분석하여 적합한 인수를 적응적으로 찾을 수 있는 방법을 제안하고, 제안한 방법의 우수성을 검증하기 위해 실제 베어링 신호를 이용하여 기존방법인 격자탐색과의 성능을 비교하였다.