GUEST

  • 중대학생 2018.11.29 13:10 신고 ADDR 수정/삭제 답글

    안녕하세요 중앙대학교에 다니고 있는 대학원생입니다 !
    다름이 아니라 이번 석사논문에 다크 프로그래머님에 영상처리 부분에 내용이 일부 들어갈 예정입니다. 혹시 넣어도 되는지 여쭤보고 싶어서 이렇게 방명록에 남깁니다! 답글 남겨주시면 감사하겠습니다. 참고문헌에 참조할 부분은 넣겠습니다!

  • BlogIcon kasaku 2018.11.09 16:48 신고 ADDR 수정/삭제 답글

    안녕하세요. 1년 넘게 글을 읽어온 애독자입니다.
    항상 높은 수준의 지식들을 쉽고 자세하게 풀어주셔서 감사한 마음이 큽니다.

    실례가 되지 않는다면 요즘에 관심가지시는 분야나 기술에 대해 여쭙고 싶습니다.

    항상 건강하시길 바랍니다.

  • 2018.10.10 10:21 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2018.10.04 14:06 ADDR 수정/삭제 답글

    비밀댓글입니다

    • BlogIcon 다크pgmr 2018.10.08 11:47 신고 수정/삭제

      안녕하세요. 파라미터 추정 방법에는 LS(최소자승법), M-estimator, RANSAC 등의 방법과 최적화기법(Gradient Descent 방법, 가우스뉴턴법, LM 방법) 등이 있습니다. 하지만, 어떤 것이 좋은 알고리즘이다라기 보다는 문제의 특성에 따라 적절한 방법을 선택하는 것이 중요합니다.
      데이터에 outlier가 없다면 LS를 사용하는 것이 가장 좋고, outlier가 있는 경우에는 M-estimator나 RANSAC과 같은 방법을 적용하면 됩니다. 그리고 LS를 사용할 경우에, fitting시키고자 하는 모델이 비선형 함수인 경우에는 직접 해를 구하기 어렵기 때문에 최적화기법(Gradient Descent 방법, 가우스뉴턴법, LM 방법)을 이용해서 근사해를 구합니다.
      질문자분이 LS로 추정이 잘 되는 경우도 있고 추정이 잘 되지 않는 경우도 있다고 하셨는데, 추정이 잘 되지 않는 경우 그 원인을 파악하는 것이 중요합니다. 데이터에 outlier가 포함되어서 추정이 안된 것이지, 아니면 데이터와 모델이 맞지 않아서 안된 것인지에 따라서 해결책이 달라집니다. outlier 때문이라면 M-estimator나 RANSAC과 같은 robust한 파라미터 추정 방법을 사용하고, 모델이 맞지 않은 경우라면 데이터에 맞게 모델을 변경해야 합니다. 데이터에 맞는 모델을 써야 한다는 말은 예를 들어 포물선으로 분포하는 데이터는 포물선(2차함수) 모델로 근사해야지 직선으로 근사하면 안된다는 뜻입니다.

  • 2018.09.07 17:22 ADDR 수정/삭제 답글

    비밀댓글입니다