• Journal of the Korean Statistical Society
• /
• 제16권2호
• /
• pp.80-91
• /
• 1987

Minimum $L_i$ norm estimation is a robust procedure ins the sense that it leads to an estimator which has greater statistical eficiency than the least squares estimator in the presence of outliers. And the $L_1$ norm estimator has some desirable statistical properties. In this paper a new computational procedure for $L_1$ norm estimation is proposed which combines the idea of reweighted least squares method and the linear programming approach. A modification of the projective transformation method is employed to solve the linear programming problem instead of the simplex method. It is proved that the proposed algorithm terminates in a finite number of iterations.

• Communications for Statistical Applications and Methods
• /
• 제3권3호
• /
• pp.271-282
• /
• 1996

this paper deal with the estimation of the power spectral density function of time series. A kernel estimator which is based on local average is defined and the rates of convergence of the pointwise, $$L_2$-norm; and; $L{\infty}$-norm associated with the estimator are investigated by restricting as to kernels with suitable assumptions. Under appropriate regularity conditions, it is shown that the optimal rate of convergence for 0$N^{-r}$ both in the pointwiseand $$L_2$-norm, while; $N^{r-1}(logN)^{-r}$is the optimal rate in the $L{\infty}-norm$. Some examples are given to illustrate the application of main results.

• Communications for Statistical Applications and Methods
• /
• 제16권1호
• /
• pp.209-215
• /
• 2009

In regression problem, the SCAD estimator proposed by Fan and Li (2001), has many desirable property such as continuity, sparsity and unbiasedness. In this paper, we extend SCAD penalized regression framework to quantile regression and hence, we propose new SCAD penalized quantile estimator on high-dimensions and also present an efficient algorithm. From the simulation and real data set, the proposed estimator performs better than quantile regression estimator with $L_1$ norm.

• 대한원격탐사학회지
• /
• 제33권5_1호
• /
• pp.455-467
• /
• 2017

초분광 영상을 이용한 표적 탐지를 수행할 때에는 인접한 분광 밴드의 중복성의 문제 및 고차원 데이터로 인해 발생하는 방대한 계산량의 문제점을 해결하기 위한 특징 추출 과정이 필수적이다. 본 연구는 기계 학습 분야의 특징 선택 기법을 초분광 밴드 선택에 적용하기 위해 $L_{2,1}$-norm regression 모델을 이용한 새로운 밴드 선택 기법을 제안하였으며, 제안한 밴드 선택 기법의 성능 분석을 위해 표적이 존재하는 초분광영상을 직접 촬영하고 이를 바탕으로 표적 탐지를 수행한 결과를 분석하였다. 350 nm~2500 nm 파장 대역에서 밴드 수를 164개에서 약 30~40개로 감소시켰을 때 Adaptive Cosine Estimator(ACE) 탐지 성능이 유지되거나 향상되는 결과를 보였다. 실험 결과를 통해 제안한 밴드 선택 기법이 초분광 영상에서 탐지에 효율적인 밴드를 추출해 내며, 이를 통해 성능의 감소 없이 데이터의 차원 감소를 수행할 수 있어 향후 실시간 표적 탐지 시스템의 처리 속도 향상에 도움을 줄 수 있을 것으로 보인다.

• 대한수학회보
• /
• 제33권3호
• /
• pp.377-383
• /
• 1996

We consider in this paper the following nonlinear regression model $$ (1.1) y_t = f(x_t, \theta_o) + \in_t, t = 1, \ldots, n, $$ where $y_t$ is the tth response, $x_t$ is m-vector imput variable, $\theta_o$ is a p-vector of unknown parameter belong to a parameter space $\Theta, f:R^m \times \Theta \ to R^1$ is a nonlinear known function, and $\in_t$ are independent unobservable random errors with finite second moment.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.460-465
• /
• 2021

능동 소나에서 시간 지연 추정은 목표와 소나 사이의 거리를 알아내기 위해서 사용하고 있다. 능동 소나에서 시간 지연을 추정할 때 주파수 영역에서 계산하면 시간 지연 추정이 주파수 추정으로 바꾸어 생각할 수 있어서 비교적 쉽게 사용할 수 있다. 그러나 이 방법은 잡음에 의해 오류가 급증할 요소가 포함되어 있다. 본 논문에서는 이런 오류 급증 현상을 줄일 수 있는 가중 딕션너리를 사용하는 희소성 기반 추정 방법을 새롭게 제안한다. 또 이 방법을 두 개의 수신기로 확대 적용하여 두 수신기 간 시간 지연을 추정하는 알고리즘을 제안한다. 그리고 백색 잡음 환경에서 제안한 방법을 적용한 것과 일반 상호 상관 알고리즘(Generalized Cross Correlation-Phase transform, GCC-PHAT) 및 일반 주파수 영역 방법을 포함한 제안한 방법을 적용하지 않은 방법들을 서로 비교한다. 그리고 새로 제안한 방법이 다른 비교 대상 알고리즘들보다 약 15 dB에서 약 60 dB의 성능 이득이 있음을 보인다.