• Communications for Statistical Applications and Methods
• /
• 제17권6호
• /
• pp.917-925
• /
• 2010

일반적으로 정준상관 행렬도(canonical correlation biplot)는 정준상관분석에서 두 변수집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 이를 활용하여 최태훈과 최용석 (2008)은 2006년도 한국여자골프협회(KLPGA) 선수에 대한 기술요인 변수군과 경기성적요인 변수군간의 관련성을 살펴보았고 최태훈 등 (2009)은 테니스 그랜드 슬램대회 선수특성요인과 경기요인에 대한 분석을 하였다. 더군다나 세 변수군 이상의 정준상관분석을 일반화 정준상관분석(generalized canonical correlation analysis)이라 하며 이와 관련하여 허명회 (1999, 6장)는 수량화 플롯을 제안하고있다. 이를 행렬도의 의미에서 일반화 정준상관 행렬도(generalized canonical correlation biplot)라하자. 본 연구에서는 대한 테니스협회(KTA)에 등록된 남자선수들 중 상위50명의 체격요인, 체력요인 및 기초기술요인에 대한 분석을 일반화 정준상관 행렬도를 적용하여 살펴보고 프로크러스티즈 분석을 통하여 전체선수, 상위랭킹과 하위랭킹 선수간의 행렬도 형상비교를 시도 하였다.

• 응용통계연구
• /
• 제13권1호
• /
• pp.105-113
• /
• 2000

Wollenberg(1977)의 중복분석(redundancy analysis)을 두 개 이상의 변수집단이 주어져 있는 경우로 확장하고, 확장된 중복분석과 일반화 정준상관분석의 관계를 논의하며, 이 관계를 이용하여 새로운 형태의 일반화 정준상관분석을 제안한다.

• 응용통계연구
• /
• 제21권3호
• /
• pp.429-439
• /
• 2008

정준상관 행렬도(canonical correlation biplot)는 정준상관분석에서 두 변수 집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 이는 일반적으로 최용석 (2006, 1장)의 한 변수 집단에 의한 행렬자료에 대한 일반적인 행렬도를 두 변수 집단에 의한 행렬자료로 확장한 것으로 볼 수 있다. 최근에 Choi와 Kim (2008)은 개체들이 많은 대용량 자료에서 행렬도의 해석상 힘든 문제점을 지적하고 이를 극복하는 데 군집분석을 활용하는 방법을 제시하고 있다. 일반적인 행렬도에서 발생하는 대용량 자료에 대한문제는 정준상관 행렬도에서도 동일하게 발생하곤 한다. 본 연구에서는 2006년도 KLPGA 선수 중 상금 순위 상위 50명을 대상으로 정준상관 행렬도를 통해 기술요인변수군(평균 퍼팅수. 그린 적중율, 파 세이브율, 파 브레이크율)과 경기성적요인변수군(상금, 평균 타수)간의 관련성을 살펴보고 군집분석을 활용하여 각 선수들의 군집을 시도하려한다.

• 응용통계연구
• /
• 제24권3호
• /
• pp.559-566
• /
• 2011

행렬도는 이원표 자료행렬의 행과 열을 탐색하기에 유용한 그래프적 방법이다. 특히, 정준상관 행렬도는 정준상관분석의 결과를 이용하여 두 변수군과 개체간의 관계를 기하적으로 살펴볼 수 있다. 그 반면에 자료의 성격에 따라 세개 이상의 변수군이 존재하는 경우에는 정준상관분석의 개념에서 확장한 일반화 정준상관분석을 이용하여 일반화 정준상관 행렬도를 고려할 수 있다. 그러나 자료의 성격에 따라 두 변수군 외에 이들 두 변수군에 선형적 영향을 미치는 공변량변수로 이루어진 다른 한 변수군이 존재하는 경우에, 일반화 정준상관 행렬도를 적용한다면 공변량변수군의 영향력 때문에 주 관심인 두 변수군에 대하여 잘못 해석할 수 있다. 따라서 본 연구에서는 Rao (1969)의 공변량 변수군의 영향력을 제거한 편정준상관분석을 살펴보고, 이를 기하적으로 해석하기 위한 편정준상관 행렬도를 제안한다.

• 응용통계연구
• /
• 제22권4호
• /
• pp.855-864
• /
• 2009

정준상관 행렬도(canonical correlation biplot)는 정준상관분석(canonical correlation analysis)에서 두 변수 집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 최태훈과 최용석 (2008)는 2006년도 KLPGA 선수를 대상으로 정준상관 행렬도를 통해 기술요인변수군과 경기성적요인변수군간의 관련성을 살펴보고 군집분석을 활용하여 각 선수들의 군집을 시도하였다. 프로크러스티즈 분석(Procrustes analysis)은 두 형상(shape)의 유사성을 비교하는 데 사용되는 기법이다. 본 연구에서는 테니스 그랜드슬램대회의 선수특성요인변수군과 경기요인변수군에 대한 분석연구를 정준상관 행렬도를 적용하여 살펴보고 프로크러스티즈 분석을 통하여 행렬도 형상비교를 하였다.

• 응용통계연구
• /
• 제27권7호
• /
• pp.1139-1149
• /
• 2014

다변량 금융시계열의 변동성분석을 다변량 기법인 정준상관분석(canonocal correaltion analysis)을 이용해 분석하였다. 변동성의 특성상 계수들이 비음(non-negative)인 정준상관분석, 즉, non-negative and sparse canonical correlation analysis (NSCCA)를 이용해 보았다. 본 논문은 다변량 시계열의 변동성 커브에 대해 연구하고 있으며 제시된 방법론을 이변량 주식자료분석을 통해 예시해 보았다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.164-167
• /
• 2012

음성 신호와 함께 섞인 자동차 배기 소음을 서로 분리해 내는 기술은 점점 음성을 중심으로 발전해가는 인터페이스를 현실화하는데 실질적으로 필요한 기술이다. 따라서 자동차 배기음이 섞인 음성신호를 두 신호간의 독립성이 보장되지 않고 두 신호에 대한 사전 정보가 없는 상태에서 분리해 내기 위해 정준 상관 분석을 사용하여 두 신호를 분리해 내는 연구를 진행하였다. 정준 상관 분석을 이용하여 음성을 분리해 내기 위해서는 분석에 쓰이는 신호의 구성이 중요하다. 정준 상관 분석에 대해 알아보고 음성과 자동차 배기 소음이 섞인 두 개의 신호를 받아서 이를 재구성하여 정준 상관분석을 이용하여 자동차 소음과 음성을 분리해 내었다. Blind Source Separation에 쓰이는 다른 방법과 비교했을 때 독립성이 보장되지 않는 신호에 대해서도 분리가 가능하므로 응용 대상이 상대적으로 넓어 실용적 응용이 가능하다고 할 수 있다.

• Communications for Statistical Applications and Methods
• /
• 제19권1호
• /
• pp.97-105
• /
• 2012

일반화 정준상관 행렬도(generalized canonical correlation biplot)는 정준상관분석에서 세 변수군 이상에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 이를 활용하여 최태훈과 최용석 (2010)은 2004년 대한테니스협회(KTA)에 등록된 남자선수들 중 상위 50명을 대상으로 세 변수군인 체격요인변수군, 체력요인변수군 그리고 기초기술요인변수군의 상호 연관성을 살펴보았다. 그러나 이들 분석에서 체격요인변수군이 나머지 두 변수군과 독립적이지 못하고 선형적 영향을 미치는 것으로 판단되어 이를 공변량변수군으로 고려하였다. 이와같이 세 변수군에서 한 변수군이 공변량(covariate)으로 영향을 주는 경우 이를 제거한 정준상관분석을 편(partial)정준상관분석이라 하며 이와 관련된 편정준상관 행렬도를 염아림과 최용석 (2011)은 제안하였다. 본 연구에서는 최태훈과 최용석(2010)의 분석에서 체격요인변수군의 영향을 제거하고 체력요인변수군과 기초기술요인변수군의 관계를 살펴보는 편정준상관 행렬도의 활용의 예를 보이고 기존 연구의 일반화 정준상관 행렬도, 편정준상관 행렬도, 정준상관 행렬도의 결과를 서로 비교하고자 한다. 덧붙여 이들 행렬도간의 형상변동 차이를 프로크러스티즈 분석을 활용하여 비교하고자 한다.

• 대한토목학회논문집
• /
• 제29권3D호
• /
• pp.419-431
• /
• 2009

본 연구의 핵심은 하이퍼스펙트럴영상에 정준상관분류기법을 적용할 때, 최적의 분광밴드를 찾아내는 유효밴드 선정 및 추출기법은 무엇인가를 알아내는 것이다. 본 연구에서는 미국의 Purdue University에서 개발된 Multispec$^{(C)}$ 소프트웨어를 사용하여 각각의 분리도 결정기법에 따른 최적의 유효밴드를 선정하였다. 사용된 분리도 결정기법은 Divergence, Transformed Divergence, Bhattacharyya, Mean Bhattacharyya, Covariance Bhattacharyya, Non Covariance Bhattacharyya로서 총 6가지이다. 특징추출을 위해 Erdas Imagine과 ENVI 소프트웨어를 사용하여 PCA 변환과 MNF 변환을 수행하였다. 유효밴드 선정 및 특징추출의 효과에 대한 비교평가를 위해, 정준상관분류기법에 의한 토지피복분류작업을 수행하였다. 1차 선별된 60개 밴드를 사용한 정준상관분류의 정확도는 71.8%이며, 정준상관분류를 사용하여 가장 높은 분류정확도를 얻은 방법은 Noncovariance Bhattacharyya 적용 후 정준상관분류를 수행한 경우로서 전체정확도 79.0% 이다. 결론적으로 정준상관분류에 의한 하이퍼스펙트럴영상 분류에서는 유효밴드선정기법으로 사실상 Noncovariance Bhattacharyya 기법만 유용하였으며, 나머지 유효밴드 선정기법(Divergence 제외)과 특징추출기법은 정준상관분류에서는 오히려 분류정확도가 하락함을 확인하였다.

• 대한공간정보학회지
• /
• 제4권2호
• /
• pp.181-193
• /
• 1996

본 연구는 원격탐사의 수치화상분류에 적용된 바 없는 정준상관분석(Canonical Correlation Analysis)기법을 무감독분류한 위성화상데이터에 적용하여 토지피복분류하는 새로운 방법을 개발하는 것을 목적으로 한다. 개발된 분류기법은 기존의 분류기법인 최대우도분류기법에 비해 분류기준용 표본데이터 선정이 용이함을 알 수 있었다. 즉, 정준상관분석에 의한 분류결과는 분류기준용 표본데이터의 선정위치에 거의 영향을 받지 않는다. 또한 무감독분류 후 정준상관분석에 의해 결정된 각 군집의 토지피복은 최대우도분류를 위한 사전정보로 활용정보로 활용가능하다. 동일한 분류기준용 표본데이터 사용시, 무감독분류 후 정준상관분석에 의한 분류가 최대우도분류보다 분류정확도가 우수하였다. 이상과 같은 결과로 판단해 볼 때 연구에서는 시도된 분류기법은 원격탐사의 분류기법 분야에서 실용화 될 수 있으며, 나아가서는 GIS 데이터베이스 구축에 중요한 역학을 할 수 있을 것이다.