• Genomics & Informatics
• /
• 제20권4호
• /
• pp.48.1-48.7
• /
• 2022

Penalized regression has been widely used in genome-wide association studies for joint analyses to find genetic associations. Among penalized regression models, the least absolute shrinkage and selection operator (Lasso) method effectively removes some coefficients from the model by shrinking them to zero. To handle group structures, such as genes and pathways, several modified Lasso penalties have been proposed, including group Lasso and sparse group Lasso. Group Lasso ensures sparsity at the level of pre-defined groups, eliminating unimportant groups. Sparse group Lasso performs group selection as in group Lasso, but also performs individual selection as in Lasso. While these sparse methods are useful in high-dimensional genetic studies, interpreting the results with many groups and coefficients is not straightforward. Lasso's results are often expressed as trace plots of regression coefficients. However, few studies have explored the systematic visualization of group information. In this study, we propose a multi-level polar Lasso (MP-Lasso) chart, which can effectively represent the results from group Lasso and sparse group Lasso analyses. An R package to draw MP-Lasso charts was developed. Through a real-world genetic data application, we demonstrated that our MP-Lasso chart package effectively visualizes the results of Lasso, group Lasso, and sparse group Lasso.

• Journal of applied mathematics & informatics
• /
• 제29권5_6호
• /
• pp.1533-1539
• /
• 2011

In this paper, a class of nonlinear bilevel programs, i.e. the lower level problem is linear programs, is considered. Aiming at this special structure, we append the duality gap of the lower level problem to the upper level objective with a penalty and obtain a penalized problem. Using the penalty method, we give an existence theorem of solution and propose an algorithm. Then, a numerical example is given to illustrate the algorithm.

• 한국멀티미디어학회논문지
• /
• 제8권12호
• /
• pp.1565-1571
• /
• 2005

Images reconstructed with Maximum-Likelihood Expectation-Maximization (MLEM) algorithm have been observed to have checkerboard effects and have noise artifacts near edges as iterations proceed. To compensate this ill-posed nature, numerous penalized maximum-likelihood methods have been proposed. We suggest a simple algorithm of applying edge detecting process to the MLEM and Bayesian Expectation-Maximization (BEM) to reduce the noise artifacts near edges and remove checkerboard effects. We have shown by simulation that this algorithm removes checkerboard effects and improves the clarity of the reconstructed image and has good properties based on root mean square error (RMS).

• 응용통계연구
• /
• 제7권1호
• /
• pp.75-82
• /
• 1994

일반화 선형모형에서도 회귀모형에서와 마찬가지로 다공선성이 존재할 경우 여러가지 문제가 발생한다. 이를 극복하기 위한 한가지 방법으로 능형형태의 추정량과 그의 축소 모수를 결정하는 방법에 대하여 다루었다.

• Communications for Statistical Applications and Methods
• /
• 제10권3호
• /
• pp.1025-1036
• /
• 2003

Variable selection algorithm for principal component analysis using penalty function is proposed. We use the fact that usual principal component problem can be expressed as a maximization problem with appropriate constraints and we will add penalty function to this maximization problem. Simulated annealing algorithm is used in searching for optimal solutions with penalty functions. Comparisons between several well-known penalty functions through simulation reveals that the HARD penalty function should be suggested as the best one in several aspects. Illustrations with real and simulated examples are provided.

• 정보처리학회논문지B
• /
• 제8B권2호
• /
• pp.173-182
• /
• 2001

본 논문에서는 투과형 토머그래피 영상재구성을 위하여 EM 알고리즘을 사용하는 경우에 발생하는 문제점을 해결할 수 있는 방안을 제시한다. 일반적으로 토머그래피 영상재구성과 같은 다-차원의 모수 추정인 경우에서는 그것의 페널티 함수의 헤이지안행렬의 역행렬 차수가 매우 높기 때문에 그것을 직접적으로 계산할 수 없다. 이러한 문제점을 해결하기 위하여 PEMG-1 알고리즘을 제안한다. 이 알고리즘은 페널티 함수를 사용하는 그래디언트 형태의 알고리즘인데 이것은 Lange(1995)과 Green(1990)의 알고리즘에서 지적된 문제점을 동시에 해결할 수 있다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 1998년도 가을 학술발표회 논문집
• /
• pp.3-10
• /
• 1998

Optimization problems may be devided into geometry optimization problems and topology optimization problems. In this paper, a method using tile equivalent material properties prediction techniques of a particulate-reinforced composites is proposed for the topology optimization. This method makes use of penalty factor in order that regions with intermediate value of design variables can be penalized. The computational results being obtained from PLBA algorithm of some values of penalty factor are presented.

• Journal of the Korean Data and Information Science Society
• /
• 제18권3호
• /
• pp.629-636
• /
• 2007

A kernel type semi-supervised estimate is proposed. The proposed estimate is based on the penalized least squares loss and the principle of Gaussian Random Fields Model. As a result, we can estimate the label of new unlabeled data without re-computation of the algorithm that is different from the existing transductive semi-supervised learning. Also our estimate is viewed as a general form of Gaussian Random Fields Model. We give experimental evidence suggesting that our estimate is able to use unlabeled data effectively and yields good classification.

• Journal of the Korean Data and Information Science Society
• /
• 제28권1호
• /
• pp.131-142
• /
• 2017

매년 폐렴 입원 환자 수는 증가하는 추세이며, 국내 질환 중 입원율 1위이기도 하다. 주로 박테리아와 바이러스가 주된 원인인 폐렴은 날씨의 영향을 받기도 한다. 본 연구에서는 날씨 변수로는 습도, 일조량, 일교차, 평균온도, 미세먼지 농도를 각각 1일 전부터 27일 전까지의 총 135개 변수를 고려하였다. 날씨와 입원 환자 수에 잠재적으로 영향을 미치는 위험 요인으로 연도 효과, 휴일 효과, 계절 효과를 추가적으로 고려하였다. 벌점화 일반화 선형 모형을 이용하여 폐렴 입원 환자 수와 관련된 변수를 선택하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권6호
• /
• pp.1257-1260
• /
• 2017

최근 1인 가구가 급격히 증가하고 있으며, 그 증가의 원인 중 하나는 독거노인 수의 증가이다. 이러한 거주형태 변화는 필연적으로 정책적인 변화를 요구하므로 1인 가구의 공간적인 분포를 파악하는 것은 중요한 문제로 볼 수 있다. 또한 공간적인 군집이 나타나게 된 요인들에 대해 이해하는 것은 효율적인 정책 수립에 유리 할 것이다. 본 연구에서는 사회경제적인 불평등을 반영하는 박탈지수 (deprivation index)를 설명변수로 고려하면서 1인 가구와 저소득 독거노인에 대한 공간 군집 탐색을 하였다. 이를 위해서 fused lasso를 이용한 공간 군집 탐색방법이 사용되었다. 이 방법을 통하여 낮은 사회경제적 수준이 l인가구와 저소득 독거노인의 수에 얼마나 영향을 미치는지 확인하고, 박탈정도의 효과가 보정된 공간군집을 살펴보았다. 또한 정수형 자료에서 벌칙가능도함수를 이용한 공간 군집 탐색을 할 수 있도록 구현된 R패키지의 사용법을 자세히 소개하였다.