프로젝트 소개
본 과제는 구성비 자료, 다변량 범주형 자료, 박스플롯·히스토그램과 같은 심볼릭 자료, 행렬·tensor 자료, 시공간 동적 네트웍 자료를 컴퓨터로 분석하는 통계적 학습방법을 연구하는 과제임. 다양한 형태의 복잡한 자료에서 중요한 특징을 찾고, 자료를 분류하거나 비슷한 집단으로 나누는 기술 개발을 지향함.
연구 목표는 regularization과 축소추정을 기반으로 회귀분석, 분류분석, 군집분석, 랭킹모형을 개발하고, ADMM·GPU·MPI를 활용해 대규모 자료를 빠르게 처리하는 데 있음. 핵심 연구 내용은 이상점탐지, 심볼릭 자료의 군집분석과 차원축소, 다변량 범주형 자료 분석, 선형제약을 반영한 학습방법, 행렬·tensor 자료의 특이치 축소추정 및 Luce 랭킹 학습, 시공간 동적 네트웍의 그래디언트 부스팅 방법 개발임. 기대 효과는 R 패키지를 통한 환경·보건·수문학·마이크로비옴·fMRI·CCTV 자료 분석, 개인정보보호를 위한 마이크로 데이터 연계, 빅데이터 분석 및 다양한 통계적 학습방법론 확산에 있음.