• Asia Marketing Journal
• /
• 제8권1호
• /
• pp.1-17
• /
• 2006

다양한 선행연구에서 준거가격효과는 실증적 지지를 받아온 것이 사실이다. 그러나 대부분의 선행연구에서 간과된 부분은 설명되지 않은 소비자 반응의 이질성이 준거가격에 반영되어 실재하지 않는 효과가 마치 유의한 것으로 나타날 수도 있다는 것이다(Chang, Siddarth, and Weinberg 1999; Bell and Lattin 2000). 또 다른 차원의 이질성으로서, 고려상표군의 이질성이 반영되지 않을 경우 모델에 포함된 변수의 모수추정치에 왜곡현상이 나타날 수 있음을 Meyer and Kahn(1991)이 지적한 바 있다. 이러한 선행연구의 문제점을 고려하여 이 연구에서는 반응의 이질성과 고려상표군의 이질성을 모두 반영한 모델을 적용함으로써 보다 정확한 준거가격효과의 추정을 시도하였다. 또한 소비자별 고려상표군의 이질성을 반영한 준거가격 측정치를 새롭게 제안하여 검증하고자 하였다. 실증분석결과, 제안된 준거가격 측정치가 선행연구에서 사용한 측정치에 비해 모델적합도와 예측타당성을 향상시키는 것으로 나타났다. 이 결과는 준거가격 형성과정에도 고려상표군의 이질성이 반영됨을 실증하는 것이다. 고려상표군의 이질성이 반영될 경우, 선행연구의 준거가격 측정치에 비해서, 제안된 준거가격 측정치의 평균이 높게 나타났으며, 표준편차는 감소한 것으로 나타났다. 이 연구에서 제안된 측정치의 실제적인 적용 측면을 본다면, Greenleaf(1995)의 연구에서처럼, 최적의 가격정책이 손실회피(loss aversion)의 크기, 즉, 준거의존(reference-dependent) 모델상의 준거가격에 의존한다면 제안된 측정치가 유용하게 사용될 수 있을 것으로 판단된다. 최대화해야 할 이익함수에 포함된 준거가격 측정치의 정확성이 최적가격결정을 좌우하기 때문이다. 따라서, 준거가격모델에 근거하여 최적가격을 추정할 경우, 모델자체에 고려상표군과 반응의 이질성을 반영할 뿐만 아니라, 준거가격 측정치 또한 고려상표군의 이질성을 반영하는 것이 바람직할 것으로 판단된다.

• 전자공학회논문지SC
• /
• 제44권1호
• /
• pp.40-49
• /
• 2007

운전자를 위한 영상처리 시스템에서 도로 위의 움직이는 물체와 고정된 물체의 구분은 매우 중요한 문제이다. 많은 연구자들이 색상과 경계 기반의 추적 시스템은 'distracted' 현상으로 인해 잘못된 결과를 야기 시키는 데 이것은 동시에 모든 점들이 예상을 벗어난 경우에 대한 문제를 다루지 않기 때문이다. 본 논문에서는 순차적인 몬테카를로 필터를 사용하여 다중 차량 추적에 대응하며 광학적 흐름 기법의 명암 흐름과 히스토그램 기법의 색상 정보의 분포를 결합하여 실시간 시스템의 강인성과 정확성을 향상시킨다. 또한 고정된 물체의 경우 적응하는 입자 수의 밀도를 줄여 시간이 지남에 따라 추적 대상에서 제외된다. 두 개의 큰 흐름으로 나뉘는데 전자는 움직이는 물체와 고정된 물체를 구분하기 위한 예측 단계에 대하여 설명하고 후자는 센서인 영상으로부터 얻어진 정보를 측정 단계로 사용하여 겹쳐진 영역에 대응하는 방법에 대하여 논한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권5호
• /
• pp.527-531
• /
• 2008

스캐너를 이용해 스캔한 데이타는 오차를 포함하고 있으며, 이러한 오차는 통계적인 성질을 갖는 경우가 많다. 이러한 이유에서 통계적인 방법은 오차 처리를 위해 매우 효과적인 방법이며, 최근 많은 연구가 이루어지고 있다. 이러한 통계적인 방법 중 대표적인 방법인 점 추정 방법은 데이타의 여러 성질을 나타내지 못하고 단지 확률이 최대가 되는 부분의 성질만을 나타내는 한계가 있으며, 이러한 한계로 인하여 오버피팅 문제가 발생하게 된다. 이러한 한계를 극복하고 오버피팅 문제를 해결하기 위해서 본 논문에서는 변분 베이지안 방법을 이용한다. 점집합의 오차를 제거하기 위해 지역적 근사곡면을 사용하고, 높이함수를 이용해서 근사곡면을 나타낸다. 변분 베이지안 방법을 사용하여 오차가 제거된 근사곡면을 구하고, 주어진 점들을 근사곡면으로 매핑하여 오차를 제거한다. 제시된 방법은 계량적 실험과 실제 스캔된 자료를 이용한 실험을 통하여 검증된다.