http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : 이상점 보정 (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
국토해양부 NDGPS 정확도 향상을 위한 의사거리 보정치의 이상점 및 노이즈 제거기법 개발
김군택(Kim Koon Tack),김혜인(Kim Hye In),박관동(Park Kwan Dong) 대한공간정보학회 2011 대한공간정보학회지 Vol.19 No.2
DGPS(Differential Global Positioning System) 측위에 보정정보로 사용되는 의사거리 보정치(PRC, Pseudo Range Correction)에는 불규칙적으로 이상점, 노이즈, 이상현상이 발생한다. 이러한 의사거리 보정치를 보정정보로 사용한 DGPS 측위의 경우 측위 오차는 증가하게 된다. 따라서 이 연구에서는 발생되는 의사거리 보정치의 이상점, 노이즈, 이상현상을 다항식 곡선 접합을 적용한 모델링을 통해 검출 및 보정하는 기법을 제안하였다. 또한 의사거리 보정치 모델의 검증을 위해 보정 전·후의 의사거리 보정치를 DGPS 측위에 사용하여 측위오차를 분석하였다. 분석 결과, 이상점, 노이즈, 이상현상이 발생하는 의사거리 보정치를 사용한 측위의 RMS 오차는 수평방향으로 3.84m로 나타났고, 보정된 의사거리 보정치를 사용한 측위에서는 RMS 오차가 수평방향으로 1.49m로 나타나서 측위 정확도가 향상되는 것을 확인하였다. The Pseudorange Corrections (PRC), which are used in DGPS as calibration messages, can contain outliers, noise, and anomalies, and these abnormal events are unpredictable. When those irregular PRC are used, the positioning elTor gets higher. In this paper, we propose a strategy of detecting and correcting outliers, noise, and anomalies by modeling the changing pattern of PRC through polynomial curve fitting techniques. To validate our strategy, we compared positioning errors obtained without PRC calibation with those with PRC calibration. As a result, we found that our algorithm performs very well; the horizontal RMS error was 3.84 m before the correction and 1.49 m after the correction.
-
DGPS 정확도 향상을 위한 PRC 이상점 제거기법 개발
김군택(Kim, Koon Tack),박관동(Park, Kwan Dong),김혜인 한국측량학회 2011 한국측량학회 학술대회자료집 Vol.2011 No.4
이 연구에서는 RTCM 메시지에 포함되어 있는 PRC의 특성을 분석하였다. 또한 불규칙적으로 발생되는 PRC의 이상점을 다항식 곡선 접합을 적용하여 검출 및 보정하는 기법을 제안하였다. 또한 보정된 PRC의 검증을 위해 PRC의 이상점이 존재하는 에폭에서 보정 전·후의 PRC를 DGPS 측위에 사용하여 측위오차를 분석하였다. 분석 결과, 다항식 곡선 접합을 적용하여 이상점을 보정한 PRC를 사용한 측위에서 이상점이 존재하는 PRC를 사용한 측위보다 오차가 감소하는 것을 확인하였다.
-
박정준,조기종,이상은,신기일,Park, Jung-Joon,Cho, Ki-Jong,Lee, Sang-Eun,Shin, Key-Il 한국통계학회 2011 Communications for statistical applications and me Vol.18 No.3
BLS 가중치보정법은 사업체 조사 시 발생한 무응답 및 이상점을 처리하기 위해 사용하는 가중치 보정방법중의 하나이다. 최근의 연구에 의하면 총계 추정에 있어 BLS 무응답 가중치보정법의 결과가 비추정법을 사용한 대체 결과와 일치하는 것으로 알려졌다. 본 논문에서는 이상점과 무응답이 동시에 있는 경우, BLS 무응답 가중치보정법을 비추정 대체법으로 바꾸어 총계를 추정하는 새로운 방법을 제안하였다. 매월 노동 통계 자료를 이용한 모의 실험을 통하여 제안된 방법의 우수성을 확인하였다. BLS weight adjustment is a widely used method for business surveys with non-responses and outliers. Recent surveys show that the non-response weight adjustment of the BLS method is the same as the ratio imputation method. In this paper, we suggested a modified BLS weight adjustment method by imputing missing values instead of using weight adjustment for non-response. Monthly labor survey data is used for a small Monte-Carlo simulation and we conclude that the suggested method is superior to the original BLS weight adjustment method.
-
이석진,신기일,Lee, Seok-Jin,Shin, Key-Il 한국통계학회 2008 Communications for statistical applications and me Vol.15 No.6
사업체 조사에서 사용되는 BLS 보정방법은 표본으로 선택된 사업체의 설계 가중치를 사후에 보정해 줌으로써 모집단의 대표성을 유지해 줄 뿐만 아니라 더욱 정확한 총계 추정을 가능하게 해준다. 일반적으로 BLS 보정은 설계가중치와 표본 틀(Sample frame)의 보조변수를 이용하여 정해지기 때문에 사용된 보조변수에 따라 보정인자의 결과 값이 다르게 된다. 본 논문에서는 보조변수가 있는 경우, 보조 변수가 없는 경우 그리고 다른 보조변수를 사용할 경우에 최종가중치가 어떻게 변하는지를 파악하기 위해 보조변수의 민감도를 살펴보았다. 본 논문에서 사용된 자료는 노동부의 2007년 매월노동통계 자료이다. BLS adjustment methods have been able to provide more accurate estimates of total and make samples represent population characteristics by post-adjustment of design weights of samples. However, BLS methods use additional data, for instance number of employee, without this information or using other information, give different weight adjustment factors. In this paper we studied the sensitivity of the variables used in BLS adjustment. The 2007 monthly labor survey data is used in analysis.
-
김동식(Dong Sik Kim) 대한전자공학회 2008 電子工學會論文誌-SP (Signal processing) Vol.45 No.5
동일한 위치에서 같은 장면을 담고 있지만 서로 다른 시간에 획득된 두 장의 영상을 서로 비교하여 움직이는 자동차등에 의한 겹침과 같은 이상점의 집합을 검출할 수 있다. 영상들의 서로 다른 밝기 특성에 의한 영향을 줄이기 위하여 다항식 회귀모델에 근거한 밝기 보정을 하였다. 이상점 집합으로 인한 영향을 약화시키면서 정확한 이상점 검출을 위하여 회귀분석을 단순히 반복하는 알고리듬을 도입하였다. 본 논문에서는 회귀분석을 반복하는 알고리듬의 성능을 잡음분산의 추정의 수렴 특성을 관찰하므로 분석하였으며, 교정 상수를 잡음분산 추정에 사용하여 강인한 검출이 가능하도록 하였다. 합성 영상과 실제 영상에 검출 알고리듬을 실험하여 그 강인성을 보였다. By comparing two images, which are captured with the same scene at different time, we can detect a set of outliers, such as occluding objects due to moving vehicles. To reduce the influence from the different intensity properties of the images, an intensity compensation scheme, which is based on the polynomial regression model, is employed. For an accurate detection of outliers alleviating the influence from a set of outliers, a simple technique that reruns the regression is employed. In this paper, an algorithm that iteratively reruns the regression is theoretically analyzed by observing the convergence property of the estimates of the noise variance. Using a correction constant for the estimate of the noise variance is proposed. The correction enables the detection algorithm robust to the choice of thresholds for selecting outliers. Numerical analysis using both synthetic and real images are also shown in this paper to show the robust performance of the detection algorithm.
-
실험적 교정상수를 사용한 가변문턱값에 기초한 영상 쌍에서의 강인한 이상 물체 검출
김동식(Dong Sik Kim) 대한전자공학회 2009 電子工學會論文誌-SP (Signal processing) Vol.46 No.1
동일한 위치에서 같은 장면을 담고 있지만 서로 다른 시간에 획득된 두 영상의 차를 구하여 이상점의 집합을 검출할 수 있다. 이때 영상들의 서로 다른 밝기 특성에 의한 영향을 줄이기 위하여 다항식 회귀모델에 근거하여 반복적으로 회귀분석을 적용하여 밝기 보정을 하고, 서로 다른 분산의 영향을 줄여서 강인한 검출을 수행하기위하여 영상 차를 잡음의 분산을 사용하여 정규화한 잔차(residual)를 사용한다. 따라서 잡음분산의 정확한 추정은 강인한 이상 물체 검출에 매우 중요하다. 본 논문에서는 정확한 추정을 위하여, 실험적으로 구하는 교정상수의 도입을 제안하였으며, 여러 합성 영상에 적용하여 그 성능이 우수함을 확인하였으며, 실제 영상에 적용하여 임의의 문턱값 선정에도 강인하게 동작하는 이상 물체 검출 알고리듬을 제안하였다. By calculating the differences between two images, which are captured with the same scene at different time, we can detect a set of outliers, such as occluding objects due to moving vehicles. To reduce the influence from the different intensity properties of the images, a simple technique that reruns the regression, which is based on the polynomial regression model, is employed. For a robust detection of outliers, the image difference is normalized by the noise variance. Hence, an accurate estimate of the noise variance is very important. In this paper, using an empirically obtained correction constant is proposed. Numerical analysis using both synthetic and real images are also shown in this paper to show the robust performance of the detection algorithm.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
