RnDCircle Logo
김준표 연구실
중앙대학교 응용통계학과 김준표 교수
함수데이터 분석
분위수·익스펙타일 기반 추정
변화점 탐지
홈
연구 영역
기본 정보
논문·특허
과제
구성원
홈

김준표 연구실

중앙대학교 응용통계학과 김준표 교수

김준표 연구실은 비모수적 추론을 기반으로 기능데이터에서의 군집 구조 추정과 시계열·시공간 자료에서의 극단값 및 변화 구간 추론을 수행합니다. 함수데이터 분석에서는 quantile/expectile 기반 표현을 활용해 pseudo-quantile 및 quantile curve 중심의 clustering과 robust sparse 추정을 연구합니다. 시계열 분석에서는 조각별 선형 가정 하에서 MOSUM 기반 다중 변화점 탐지 절차를 이론과 함께 정리하고, 대용량 비동질 시계열·시공간 자료에서는 극단값 분포 추정과 확률 예측을 연계하는 방법론을 개발합니다. 이를 통해 tail 중심의 비정상성 해석과 구조적 모형화를 함께 다루는 기술을 확보하고 있습니다.

함수데이터 분석분위수·익스펙타일 기반 추정변화점 탐지극단값 이론시계열 분석
대표 연구 분야
연구 영역 전체보기
양자 기반 함수데이터 군집화 및 강건·희소 추정 thumbnail
양자 기반 함수데이터 군집화 및 강건·희소 추정
Quantile-based Functional Data Clustering and Robust Sparse Inference
연구 분야 상세보기
조각별 선형 신호의 변화점 탐지(MOSUM) thumbnail
조각별 선형 신호의 변화점 탐지(MOSUM)
Change Point Detection for Piecewise Linear Signals (MOSUM)
연구 분야 상세보기
극단값 및 시공간 의존성을 고려한 확률·준모수 추론 thumbnail
극단값 및 시공간 의존성을 고려한 확률·준모수 추론
Probabilistic and Semiparametric Inference for Extremes with Spatio-temporal Dependence
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
인용수 0
·
2026
Expectile-based probabilistic forecasting for spatio-temporal river network data
Hyungryul Park, Seoncheol Park, Joonpyo Kim
IF 7.1 (2026)
International Journal of Forecasting
https://doi.org/10.1016/j.ijforecast.2025.11.011
Probabilistic forecasting
Probabilistic logic
Technology forecasting
Statistical model
Artificial neural network
Forecast error
2
Article
|
·
인용수 0
·
2025
RSFclust: Robust sparse clustering of functional data using quantile curves
Chihoon Lee, Hee‐Seok Oh, Joonpyo Kim
IF 1.8 (2025)
Statistics and Computing
https://doi.org/10.1007/s11222-025-10694-8
Cluster analysis
Quantile
Mathematics
Functional data analysis
Computer science
Pattern recognition (psychology)
Data mining
Artificial intelligence
Statistics
3
Article
|
·
인용수 5
·
2024
Moving Sum Procedure for Change Point Detection under Piecewise Linearity
Joonpyo Kim, Hee‐Seok Oh, Haeran Cho
IF 2.5 (2024)
Technometrics
불연속적인 점프 및/또는 기울기 변화를 겪는 구간별 선형성(piecewise linearity)을 갖는 단변량 데이터를 분할하기 위한, 계산적으로 그리고 통계적으로 효율적인 절차를 제안한다. 제안된 이동합(MOSUM) 방법론은 기저 신호가 불연속적인 도약 및/또는 기울기의 변화를 겪는 다수의 변화점(change point)을 탐지한다. 이 방법은 주어진 유의수준에서 가족단위 오류율(family-wise error rate)을 제어하며, 신호가 구간별 선형이면서 연속적인 경우 다중 변화점 탐지에서 일관성을 달성하고, 약한 가정 하에서(연속 의존성과 heavy-tailedness를 허용) 최소최대(minimax) 최적 추정률을 얻는다. 계산 측면에서 MOSUM 절차의 복잡도는 O(n)이며, 시뮬레이션 데이터에서의 우수한 성능과 결합되어 기존 방법들에 비해 매우 매력적이다. 또한 롤링 엘리먼트 베어링(rolling element-bearing) 예후(prognostics)의 실제 데이터 예제에서도 그 우수한 성능을 추가로 입증한다.
https://doi.org/10.1080/00401706.2024.2308202
Minimax
Piecewise
Consistency (knowledge bases)
Linearity
Change detection
Algorithm
Mathematics
Piecewise linear function
Univariate
Point (geometry)
최신 정부 과제
1
과제 전체보기
1
2022년 3월-2027년 2월
|537,981,000원
비대칭노름과 대용량 비동질 자료 분석
최근 관측기술이 발달하고 자료 분석의 중요성이 대두됨으로 인하여 다양한 분야에서 대용량 자료들이 관측되고 있으며 특히 이상현상에 대한 적절한 분석이 주목받고 있다. 예를 들어, 기후변화로 인한 폭염, 폭우, 고농도 미세먼지 등 이상 기상현상이 지속적으로 발생함에 따라, 기상자료들을 분석하여 이상현상에 대한 정보를 얻어내는 것이 중요하게 여겨지고 있다. 그러...
비대칭노름
시계열 자료분석
시공간 자료분석
극단값 분석
변화점 탐지
비동질자료