• 한국컴퓨터정보학회논문지
• /
• 제10권2호
• /
• pp.21-30
• /
• 2005

강건 예측 기법은 오류 자료(outliers)를 제거하고 정상 자료(non-outliers)만으로 모델의 파라미터를 구하는 통계적인 방법으로 잘 알려져 있다 기존의 문헌에 소개된 많은 강건 예측 알고리즘들이 있으나 컴퓨터 비전 및 영상 처리 분야에서 가장 많이 사용되는 알고리즘은 M-estimators와 LMS(least-median of squares) 방법이다. 이 중 M-estimators는 어파인 모델(affine model)의 파라미터 측정에 있어 최적의 방법으로 잘 알려져 있다. 그러나 M-estimators는 통계적인 효율성이 높지만 초기화가 적절히 수행되지 않으면 오류 자료를 제거하는 데 문제점을 가진다 따라서 본 논문에서는 이런 문제점을 해결하기 위해 연속적인 시그모이드(sigmoid) 가중치 함수를 사용하여 오류 자료와 정상 자료를 효과적으로 분리하면서 어파인 모델의 파라미터를 효과적으로 측정하는 적응적인 M-estimators 강건 예측 알고리즘을 제안한다. 실험에서는 기존의 강건 예측 방법과 제안된 적응적 강건 예측 방법의 성능을 비교 및 분석하여 제안된 방법의 우수함을 보인다.