초록 ▼

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

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) 사전분포를 사용하여 모형선택 문제를 베이지안 추론 문제로 변환한 뒤 효율적인 마코브 체인 몬테칼로 기법을 적용하여 다차원 척도에서 적절한 개체의 차원을 선택하게 해준다.

Abstract ▼

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

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 in MDS by using Markov chain Monte Carlo method. In specific, we use a mixture of discrete and continuous distributions as a prior and convert the dimension selection problem into a Bayesian inference problem, and then propose an efficient MCMC algorithm for the Bayesian inference.

목차 Contents

• 일반연구자지원사업 최종보고서(초안) ...1
• 목차 ...3
• Ⅰ. 연구 계획 요약문 ...4
• 1. 국문 요약문 ...4
• Ⅱ. 연구 결과 요약문 ...5
• 1. 국문 요약문 ...5
• 2. SUMMARY ...6
• Ⅲ. 연구 내용 및 결과 ...7
• 1. 연구 개발 과제의 개요 ...7
• 2. 국내외 기술 개발 현황 ...9
• 3. 연구 수행 내용 및 결과 ...10
• 4. 목표 달성도 및 관련 분야에의 기여도 ...14
• 5. 연구 결과의 활용 계획 ...15
• 6. 연구 과정에서 수집한 해외 과학기술 정보 ...15
• 7. 주관연구책임자 대표적 연구 실적 ...16
• 8. 참고 문헌 ...16
• 9. 연구 성과 ...17
• 10. 기타사항 ...17
• 별첨1 ...18