프로젝트 소개
본 연구는 유전자 데이터, fMRI 자료, 금융시장 정보처럼 변수가 매우 많은 고차원 자료에서 숨겨진 연관성을 찾아 넷트웍 형태로 이해하기 위한 기초 기술을 다루는 연구임.
연구 목표는 변수간 의존이 다중검정과 공분산 행렬 추정에 미치는 영향을 규명하고 그래프 가우시안 모형으로 각 자료의 기능적 연계도를 구성하는 데 있음. 주요 연구내용은 디리쉴레-다항모형을 이용한 경험귀무분포 분석, 거리 상관계수 기반 의존 구조 파악, 단조감소 제약하 fdr 추정, 비정규 분포 환경에서 공분산 행렬 축소추정 성능 조사임. 기대효과는 고차원 자료 이론 기반 확립과 함께 암 발생기전 규명, 뇌 기능 연결 분석, 금융시장 위기 구조 파악 등 다양한 실생활 분야 적용 가능성 제시임.