최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 이화여자대학교 산학협력단 Ewha Womans University |
---|---|
연구책임자 | 오만숙 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2010-04 |
과제시작연도 | 2009 |
주관부처 | 교육과학기술부 |
사업 관리 기관 | 한국연구재단 |
등록번호 | TRKO201000013229 |
과제고유번호 | 1345104194 |
사업명 | 일반연구자지원 |
DB 구축일자 | 2013-04-18 |
키워드 | 합성분포.다차원 척도.몬테칼로.유사성 자료.베이지안 추론.다중검정.mixture.multidimensional scaling.Monte Carlo.similarity.Bayesian inference.multiple testing. |
다차원 척도 (multi-dimensional scaling, MDS) 는 개체들 간의 유사성(similarity) 자료가 주어진 경우 이 유사성을 근거로 가상공간에 개체의 위치를 추정하여 개체들 간의 관련성을 한 눈에 볼 수 있게 만드는 기법이다. 본 연구에서는 최근 복잡한 시스템의 추론에서 거의 필수적으로 사용되고 있는 마코브 체인 몬테칼로 방법을 이용한 베이지안 모형선택 기법을 적용하여 다차원 척도에서 적절한 차원을 선택하는 문제를 연구하고자 한다. 구체적으로, 이산과 연속분포가 선형적으로 결합한 합성 (mixture) 사전분
Multi-dimensional scaling(MDS) is concerned with data that are given as similarity or dissimilarity measures between pairs of objects. Its goal is to represent the objects by points in a latent space and allows us to see relationship between objects. This research is focused on dimension selection i
※ AI-Helper는 부적절한 답변을 할 수 있습니다.