• 한국의류학회지
• /
• 제14권2호
• /
• pp.129-136
• /
• 1990

The purpose of the study was to develope brand positioning map for ladies' ready-to-wear, to find out evaluative criteria in perception and preference to brands, and to persent the relationship between consumer's characteristics and brand preference. Subjects were selected for the housewives of middle and high socioeconomic classes living in Seoul area. A questionnaire including items of life style, self image, similarity between brands, preference degree to brands, and demographic variables was developed for the empirical study. The questionnaire was administrated to 137 housewives during fall in 1989. Data were analyzed by cluster analysis and multidimensional scaling method. The study had two research problems. The first research problem was to construct a brand perceptual map for ladies' ready-to-wear brands, selected for the study The perceptual map was constructed on the basis of brand similarity scores by multidimensional scaling method. As a result, brands were grouped into 4 clusters, and evaluative criteria for perceptual map were found to be fashionability (classic- fashionable) and familiarity (familiar-unfamiliar). The second problem was to construct a brand preference map for ladies' ready-to-wear brands, selected for the study. The preference map was constructed on the basis of brand preference scores by multidimensional scaling method. As a result, the brands were grouped into 4 clusters and evaluative critiera for preference map were found to be fashionability (unfashionable-fashionable) and image to age (mature-young directed). Also was shown the relationship among self image, age, socioeconomic class, and brand preference. The multidimensional scaling method was found to be useful as well as valid instrument for brand positioning research and the result can be utilized for establishing strategies for ladies' ready-to-wear brands.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2002년도 춘계공동학술대회
• /
• pp.93-97
• /
• 2002

In this paper, we propose personalized recommendation techniques based on multidimensional scaling (MDS) method for Business to Consumer Electronic Commerce. The multidimensional scaling method is traditionally used in marketing domain for analyzing customers' perceptional differences about brands and products. In this study, using purchase history data, customers in learning dataset are assigned to specific product categories, and after then using MDS a positioning map is generated to map product categories and alternative advertisements. The positioning map will be used to select personalized advertisement in real time situation. In this paper, we suggest the detail design of personalized recommendation method using MDS and compare with other approaches (random approach, collaborative filtering, and TOP3 approach)

• 응용통계연구
• /
• 제27권4호
• /
• pp.619-627
• /
• 2014

다차원척도법(MDS)에서는 대게 개체간의 거리나 유사성이 대칭성을 따른다. 따라서 비대칭 거리를 다루기는 쉽지 않다. 통용되고 있는 비대칭 다차원척도법도 여전히 결과를 해석하는데 어려움이 있다. 본 연구는 비대칭행렬의 순서 통계량을 활용하여 더 간단한 비대칭 대차원척도법을 제안한다. 제안된 웹(Web) 방법은 개체간의 영향력을 사용자들이 해석을 쉽게 하도록 화살표의 방향크기와 모양에 따라 시각화하여 보여준다.

• 정보관리학회지
• /
• 제29권2호
• /
• pp.45-70
• /
• 2012

개체들 사이의 관계를 저차원 공간에 매핑하는 다차원척도법을 수행하기 위한 다양한 방법과 알고리즘이 개발되어왔다. 그러나 PROXSCAL이나 ALSCAL과 같은 기존의 기법들은 50개 이상의 개체를 포함하는 데이터 집합을 대상으로 개체 간의 관계와 군집 구조를 시각화하는데 있어서 효과적이지 못한 것으로 나타났다. 이 연구에서 제안하는 군집 지향 척도법 CLUSCAL(CLUster-oriented SCALing)은 기존 방법과 달리 입력되는 데이터의 군집 구조를 고려하도록 고안되었다. 50명의 저자동시인용 데이터와 85개 단어의 동시출현 데이터에 대해서 적용해본 결과 제안한 CLUSCAL 기법은 군집 구조를 잘 식별할 수 있는 MDS 지도를 생성하는 유용한 기법임이 확인되었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권4호
• /
• pp.427-431
• /
• 2010

다차원 척도법(multidimensional scaling)은 고차원의 데이터를 낮은 차원의 공간에 매핑(mapping)하여 데이터 간의 유사성을 표현하는 방법이다. 이는 주로 자질 선정 및 데이터를 시각화하는 데 이용된다. 그러한 다차원 척도법 중, 전통 다차원 척도법(classical multidimensional scaling)은 긴 수행 시간과 큰 공간을 필요로 하기 때문에 객체의 수가 많은 경우에 대해 적용하기 어렵다. 이는 유클리드 거리(Euclidean distance)에 기반한 $n{\times}n$ 상이도 행렬(dissimilarity matrix)에 대해 고유쌍 문제(eigenpair problem)를 풀어야 하기 때문이다(단, n은 객체의 개수). 따라서, n이 커질수록 수행 시간이 길어지며, 메모리 사용량 증가로 인해 적용할 수 있는 데이터 크기에 한계가 있다. 본 논문에서는 이러한 문제를 완화하기 위해 GPGPU 기술 중 하나인 CUDA와 분할-정복(divide-and-conquer)기법을 활용한 효율적인 다차원 척도법을 제안하며, 다양한 실험을 통해 제안하는 기법이 객체의 개수가 많은 경우에 매우 효율적일 수 있음을 보인다.

• 대한의용생체공학회:의공학회지
• /
• 제31권2호
• /
• pp.134-140
• /
• 2010

Readily available high resolution brain MRI scans allow detailed visualization of the brain structures. Researchers have focused on developing methods to quantify shape differences specific to diseased scans. We have developed a novel method to quantify shape information for a specific population based on Multidimensional scaling(MDS). MDS is a well known tool in statistics and here we apply this classical tool to quantify shape change. Distance measures are required in MDS which are computed from pair-wise image registrations of the training set. Registration step establishes spatial correspondence among scans so that they can be compared in the same spatial framework. One benefit of our method is that it is quite robust to errors in registrations. Applying our method to 13 brain MRI showed clear separation between normal and diseased (Cushing's syndrome). Intentionally perturbing the image registration results did not significantly affect the separability of two clusters. We have developed a novel method to quantify shape based on MDS, which is robust to image mis-registration.

• 응용통계연구
• /
• 제25권4호
• /
• pp.613-620
• /
• 2012

In most cases of multidimensional scaling(MDS), the distances or dissimilarities among units are assumed to be symmetric. Thus, it is not an easy task to deal with asymmetric distances. Asymmetric MDS developed so far face difficulties in the interpretation of results. This study proposes a much simpler asymmetric MDS, that utilizes the notion of "altitude". The analogy arises in mountaineering: It is easier (more difficult) to move from the higher (lower) point to the lower (higher). The idea is formulated as a quantification problem, in which the disparity of distances is maximally related to the altitude difference. The proposed method is demonstrated in three examples, in which the altitudes are visualized by rainbow colors to ease the interpretability of users.

• 로봇학회논문지
• /
• 제3권2호
• /
• pp.117-122
• /
• 2008

This paper presents a multi-robot localization based on multidimensional scaling (MDS) in spite of the existence of incomplete and noisy data. While the traditional algorithms for MDS work on the full-rank distance matrix, there might be many missing data in the real world due to occlusions. Moreover, it has no considerations to dealing with the uncertainty due to noisy observations. We propose a robust MDS to handle both the incomplete and noisy data, which is applied to solve the multi-robot localization problem. To deal with the incomplete data, we use the Nystr$\ddot{o}$m approximation which approximates the full distance matrix. To deal with the uncertainty, we formulate a Bayesian framework for MDS which finds the posterior of coordinates of objects by means of statistical inference. We not only verify the performance of MDS-based multi-robot localization by computer simulations, but also implement a real world localization of multi-robot team. Using extensive empirical results, we show that the accuracy of the proposed method is almost similar to that of Monte Carlo Localization(MCL).

• 응용통계연구
• /
• 제30권4호
• /
• pp.567-578
• /
• 2017

일반적으로 그룹화된 다변량자료는 다변량 분산분석(multivariate analysis of variance; MANOVA)을 사용하여 그룹 간 차이를 검정할 수 있다. 그러나 만약 다변량 분산분석의 기본적인 가정이 위배되면 이 방법은 적절하지 못하다. 이 경우 다양한 거리로부터 그룹화된 비유사성을 계산한 후 다차원척도법(multidimensional scaling; MDS), 거리분석(analysis of distance; AOD) 그리고 비모수적 기법인 순열검정(permutation test)을 적용하여 문제를 해결할 수 있다. 다차원척도법은 비유사성으로부터 개체들의 좌표를 계산해주며 거리분석은 이 좌표를 활용하여 그룹구조를 파악하는데 유용하다. 특히 비유사성의 측도로 유클리드 거리를 사용하면 거리분석은 다변량 분산분석과 수리적으로 매우 밀접한 연관관계를 맺는다. 따라서 본 연구에서는 그룹화된 비유사성에 다차원척도법과 거리분석을 적용하여 그룹 내와 그룹 간의 구조를 파악하고 순열검정을 위한 새로운 검정통계량을 제안하려 한다. 덧붙여 유클리드 거리를 활용한 비유사성을 통해 거리분석과 다변량 분산분석과의 수리적 연관성을 고찰하고자 한다.

• 정보관리학회지
• /
• 제23권4호
• /
• pp.215-231
• /
• 2006

패스파인더 네트워크를 사용하여 지적 구조의 분석과 규명을 시도한 여러 연구가 발표되었다. 패스파인더 네트워크는 다차원척도법에 비해서 여러 장점을 가지고 있지만 구축 알고리즘의 복잡도가 매우 높아서 실행 시간이 오래 걸리며, 전통적인 지적 구조 분석에 유용하게 사용되어온 군집분석을 함께 적용하기가 어려운 것이 단점이다. 이 연구에서는 이와 같은 패스파인더 네트워크의 약점을 보완할 수 있는 새로운 기법으로 병렬최근접이웃클러스터링(PNNC) 기법을 제안하였다. PNNC 기법의 클러스터링 성능을 전통적인 계층적 병합식 클러스터링 기법들과 비교해본 결과 효과성과 효율성 양면에서 기존 기법보다 우세한 것으로 확인되었다.