홈
연구 영역
기본 정보
논문·특허
과제
구성원
읽는 시간 · 57초

양자 기반 함수데이터 군집화 및 강건·희소 추정

Quantile-based Functional Data Clustering and Robust Sparse Inference

연구 내용

양자(quantile) 개념을 함수데이터의 요약 표현으로 활용하고 강건성과 희소성을 결합해 군집 구조를 추정하는 연구

기능데이터에서 관측 곡선의 군집 구조를 안정적으로 추정하기 위해 양자 기반의 함수 표현을 사용합니다. 특히 pseudo-quantile을 활용해 대표 곡선과 군집 할당을 동시에 정리하고, RSFclust에서는 quantile curve를 기반으로 robust sparse clustering을 수행하여 이상치 영향과 고차원성 문제를 함께 완화합니다. 이를 통해 비모수적 함수 추정 관점에서 해석 가능한 요약 통계에 기반한 군집화 절차를 제안하는 차별성을 가집니다.

관련 연구 성과

관련 논문

2편

관련 특허

0건

관련 프로젝트

0건

연구 흐름

초기에는 pseudo-quantile functional data clustering을 통해 함수데이터를 양자 기반 표현으로 변환하고, 군집화 일관성을 확보하는 방향으로 연구를 수행했습니다. 이후에는 양자 곡선 표현에 robust 및 sparse regularization을 접목하여, 노이즈가 포함된 기능데이터에서도 군집 구조가 안정적으로 추정되도록 절차를 확장했습니다. 최근에는 quantile curve를 중심으로 한 강건 희소 군집화로 분석 대상의 복잡도와 해석성을 함께 고려하는 연구 흐름을 이어가고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

  • 기능데이터 군집화
  • 이상치에 강한 패턴 분류
  • 고차원 곡선 특성 추출
  • 시간 변화 형태 기반 분류
  • 약한 신호의 군집 탐지
  • 해석 가능한 통계요약 기반 분석
  • 희소 특성 선택
  • 비모수적 프로파일링
  • 강건 예측 전처리
  • 데이터마이닝 파이프라인 표준화

관련 논문

구분

제목

1

Pseudo-quantile functional data clustering

2

RSFclust: Robust sparse clustering of functional data using quantile curves