초록 ▼

우리가 관심을 갖고 있는 대상들을 어떤 관점에서 분류한다는 것은 인간의 판단과 인식체계에서 나타나는 가장 근본적이며 자연적인 현상 중의 하나이다.따라서 이에 관한 연구는 탐사적 자료분석을 필요로 하는 모든 과학분야에서 대단히 일반적으로 또는 개별적으로 수행되어 오고 있다. 여기에서 어떤 한 개체를 분류한다고 하는 전통적 개념은 관심있는 몇 개의 집단중에 어느 한 집단에 그 개체가 속한다고 결정하는 행위를 의미한다.본 연구에서는 최근에 강하게 제기되고 있는 이 전통적 분류 개념에 대한 새로운 관점,즉 어느 한 개체가 두 개

우리가 관심을 갖고 있는 대상들을 어떤 관점에서 분류한다는 것은 인간의 판단과 인식체계에서 나타나는 가장 근본적이며 자연적인 현상 중의 하나이다.따라서 이에 관한 연구는 탐사적 자료분석을 필요로 하는 모든 과학분야에서 대단히 일반적으로 또는 개별적으로 수행되어 오고 있다. 여기에서 어떤 한 개체를 분류한다고 하는 전통적 개념은 관심있는 몇 개의 집단중에 어느 한 집단에 그 개체가 속한다고 결정하는 행위를 의미한다.본 연구에서는 최근에 강하게 제기되고 있는 이 전통적 분류 개념에 대한 새로운 관점,즉 어느 한 개체가 두 개 이상의 집단에 부분적으로 속한다고 분류될 수 있다는 개념을 받아들이면서 이와같은 일면 확장된 분류개념을 바탕으로 판별분석을 수행할 수 있는 모형과추론과정을 고찰하는 것을 연구목표로 한다.본 연구에서 제안하는 모형의 주된 특징은 한 개체의 소속상태가 고려되고 있는 집단들에 소속된 정도를 나타내는 소속벡터로서 그 개체의 특성을 표현하는 특성벡터를 설명하는것에 있는데, 이는 로지스틱 판별분석을 제외하고는 거의 시도된 바 없는 연구로서 이 자체만으로도 이론적으로 논의할 여지가 있다. 전체적으로는 분류대상개체의 소속정도를 나타내는 소속벡터를 추정하는 판별분석의 실제적 목표를 달성하기 위하여 캘리브레이션 모형을사용하였다. 구체적으로는 두가지 모형을 제안하였는데, 하나는 직접적으로 특성벡터를 소속벡터의 선형결합을 평균으로 하는 다변량 정규분포로 가정하였고 다른 하나는 각 개체의특성벡터와 각 집단의 특성벡터 중심값(centroid)과의 거리를 그 개체의 새로운 특성으로 인정하여 이 거리 벡터를 소속벡터의 선형결합의 평균으로 하는 다변량 정규분포를 가정하였다.이 모형을 이용하여 분석할 경우 요구되는 추론은 Dirichlet 사전분포를 이용한 베이지안 방식을 택하여 수행하여 소속벡터의 사후분포를 구하였고 여기에서 최빈수(Mode) 및 각집단에 소속될 확률의 신뢰구간 등을 Metropolis 알고리즘을 이용하여 구할 수 있는 방안을제시하였다. 또한 기존의 판별분석규칙들이 모두 일개 집단에만 소속되는 개체들의 분류에만 사용되었기 때문에 이들 규칙들의 성능평가를 위한 기준은 본 연구의 대상이 되는 개체들을 분류하는 규칙의 평가에 사용될 수 없다. 따라서 본 연구에서 제안한 분류규칙과 또기존의 규칙들도 모두 평가할 수 있는 기준을 제시하였다. 동시에 모형의 특성을 바탕으로일반화된 거리함수를 이용한 SAS 결과, 로지스틱 판별분석 결과 등과 여러 관점에서 비교함으로써 제안된 모형이 기존의 모형들을 대부분 포함하고 있음을 보였다.결론적으로 제안된 모형은 본 연구의 주된 목표인 보다 다양한 관점으로 분류되는 개체들을 바탕으로 하는 판별분석에 쉽게 사용될 수 있는 것으로 나타났고, 기존에 고려되지 않았던 개념을 모형화한 연구 내용은 이들 모형의 특성 파악에 관한 추후 연구와 타 연구분야에의 응용가능성을 시사해 주고 있다.

Abstract ▼

It is one of the fundamental and very natural phenomena toclassify an object of our interest according to a prespecified point of view. So therelated researches have been, generally or very individually, done in most of thescientific fields requiring the exploratory data analysis.He

It is one of the fundamental and very natural phenomena toclassify an object of our interest according to a prespecified point of view. So therelated researches have been, generally or very individually, done in most of thescientific fields requiring the exploratory data analysis.Here the traditional concept of classifying an object is making a decision that theobject belongs to one and only one class among the several classes predetermined.However, recently there seems to be another concept against the traditional one whichallows a possibility that an object can be classified into more than one class like fuzzylogic.Recongnizing such a new trend we develope the new classification methodologywhich can handle this kind of data consisting of the objects classified under the newpoint of view. The definite goal of this research is to suggest models and inferenceprocedure based on the models and the training sample whose elements are partiallyclassified into several classes.The special points of the calibration models developed in this research are found inthree aspects : The one is to regard the degree of belongings as the explanatoryvariables and the second is to model the distances between an object and each classcentroid in terms of the degree of belongings. The other is to regard the assignment ofthe unclassified object to the classes considered as a calibration procedure. Themethods used are Bayesian approach with Dirichlet prior and metropolis algorithm tocompute the statistical properties like posterior mode and confidence interval. Inaddition, an evaluation criterion is devised for the standard discriminant rules as well asthe one suggested in this paper.Through the comparision study, we conclude that the models suggested work betterfor both the conventional data and the new one specially considered in this researchthan the logistic model on generalized distance method. Also the results indicates thatthe models considered have much room to be investigated especially from the ideas ofmodelling the distances rather than the feature vector itself and the calibration point ofview. Especially this superiority to the logistic model is very meaningful if we noticethe fact that the suggest model takes the linearity and normality assumption but thelogistic one is nonlinear and it's main purpose is to predict the degree of belongings.

목차 Contents

• 목차...6
• $\blacksquare$본문...7
• $\circledcirc$논문. 캘리브레이션 모형을 이용한 판별분석 (1997. 응용통계연구, 최종 수정본 심사중)...7
• $\blacksquare$기타...9
• $\circledcirc$연구수행관련 논문발표 목록서...27
• $\circledcirc$자체 평가서...28