가우시안 프로세스 기반 함수근사와 서포트 벡터 학습을 이용한 레이더 및 강우계 관측 데이터의 융합

국문 초록 (Abstract)

최근들어, 커널 기법(kernel method)은 패턴 분류, 함수 근사 및 비정상 상태 탐지 등의 분야에서 상당한 관심을 끌고 있다. 특히, 서포트 벡터 머신(support vector machine)이나 커널 주성분 분석(kernel principal component analysis) 등의 방법론에서 커널의 역할은 매우 중요한데, 이는 고전적인 선형 머신이 비선형성을 효과적으로 다룰 수 있도록 일반화 해줄 수 있기 때문이다. 본 논문에서는 커널 기반 가우시안 프로세스(gaussian process) 함수근사 기법과 서포트 벡터 학습을 이용하여 레이더와 강우계의 관측 데이터를 융합하는 문제를 고려한다. 그리고, 국내의 강원, 경북 및 충북에 걸쳐있는 지역에 대한 레이더 자료 및 강우계 자료를 대상으로 하여 본 논문에서 고려하는 방법론들에 의해 데이터 융합을 수행한 결과를 제시하고, 성능비교를 수행한다.

다국어 초록 (Multilingual Abstract)

Recently, kernel methods have attracted great interests in the areas of pattern classification, function approximation, and anomaly detection. The role of the kernel is particularly important in the methods such as SVM(support vector machine) and KPCA(kernel principal component analysis), for it can generalize the conventional linear machines to be capable of efficiently handling nonlinearities. This paper considers the problem of combining radar and rain gauge observations utilizing the regression approach based on the kernel-based gaussian process and support vector learning The data-assimilation results of the considered methods are reported for the radar and rain gauge observations collected over the region covering parts of Gangwon, Kyungbuk and Chungbuk provinces of Korea, along with performance comparison.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 기초 이론 소개
• 3. 가우시안 프로세스, SVM 및 조건부 병합 기법을 활용한 강우 데이터의 융합
• 4. 결론 및 토의
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 김영일, "정해진 기저함수가 포함되는 Nu-SVR 학습방법" 한국지능시스템학회 13 (13): 316-321, 2003

2 박주영, "비정상 상태 탐지를 위한 서포트벡터 학습" 13 (13): 266-274, 2003

3 E. Habib, "Uncertainty analysis of the TRMM ground-validation radar-rainfall products: Application to the TEFLUN-B field campaign" 41 : 558-572, 2002

4 J.T.Kwok, "The evidence framework applied to support vector machines" 11 (11): 1162-1173, 2000

5 N.A.C.Cressie, "Statistics for Spatial Data" Wiley 1991

6 B. Schölkopf, "Shrinking the tube: a new support vector regression algorithm" 11 : 330-336, 1999

7 이한성, "SVM과 클러스터링 기반 적응형 침입탐지 시스템" 한국지능시스템학회 11 (11): 237-242, 2003

8 D. J. Seo, "Rainfall estimation using raingages and radar. A Bayesian approach: 2. An application" 5 : 31-44, 1991

9 D. J. Seo, "Rainfall estimation using raingages and radar. A Bayesian approach: 1. Derivation of estimators" 5 : 17-29, 1991

10 U. Ehrel, "Rainfall and Flood Nowcasting in Small Catchments Using Weather Radar" University of Stuttgart 2002

11 J. W. Wilson, "Radar measurement of rainfall - a summary" 60 (60): 1048-1058, 1979

12 G. De Marsily, "Quantitative Hydrogeology" Academic Press 1986

13 J. Park, "One-class support vector learning and linear matrix inequalities" 3 (3): 100-104, 2003

14 B. Schölkopf, "New support vector algorithms" 12 (12): 1207-1245, 2000

15 B. Schölkopf, "Learning with Kernels" MIT Press 2002

16 J. Shawe-Taylor, "Kernel Methods for Pattern Analysis" Cambridge University Press 2004

17 C. E. Rasmussen, "Gaussian Processes for Machine Learning" MIT Press 2006

18 B. Schölkopf, "Estimating the support of a high-dimensional distribution" 13 : 1443-1471, 2001

19 S. Sinclair, "Combining radar and rain gauge rainfall estimations using conditional merging" 6 (6): 19-22, 2005

20 K.-R. Muller, "An introduction to kernel-based learning algorithms" 12 (12): 181-201, 2001

21 N. Cristianini, "An Introduction to Support Vector Machines and Other Kernel-Based Learning Methods" Cambridge University Press 2000

22 박주영, "A modified approach to density-induced support vector data description" 한국지능시스템학회 7 (7): 1-6, 2007