Earticle

Previous studies of aerosol optical thickness (AOT) estimations were generally based on observations from a single satellite sensor. Due to the limited observations from one instrument, the observations yielded AOT estimations with a system bias. In this paper, we combined two heterogeneous data sources, Moderate Resolution Imaging Spectroradiometer (MODIS) and Cloud-Aerosol Lidar with Orthogonal Polarization (CALIOP), together and proposed collaborative regression models to achieve more accurate AOT estimations than a single sensor does. These two independent remote sensors in the A-train satellite constellation both provide global AOT retrievals and they scan the same location on the Earth surface within a two-minute interval. However, the two remote sensors have different design principles respectively and their heterogeneous observation data streams pose challenges for information fusion. In our study, we proposed two types of heterogeneous collaborative regression approaches. One type of collaborative regression approach fuses information in a feature level. The other type of collaborative approach combines information in a model level. In our study, in each level, we apply a linear regression collaboration model and a neural network collaboration model. The proposed approaches are evaluated based on global observation data from MODIS and CALIOP during April 2, 2009 and April 1, 2011. The encouraging experimental results show that the regression approach collaborating in a model level achieves significantly more accurate AOT estimations than the results from the collaborative regression approach in a feature level. It also obtains significantly superior results to the deterministic AOT retrievals from any single satellite sensor.

인터넷으로부터 필요한 정보를 얻기 위하여 무의미한 탐색을 반복하는 경우가 자주 나타나고 있다. 이러한 Dizzy Web에서 사용자와 관련 있는 정보를 추천해 주는 방법에 대한 연구가 많이 진행되고 있다. 특히 협동 추천시스템에 대한 연구가 활발히 진행되고 있다. 이 시스템의 구현 알고리즘 중에서 기존의 메모리 기반은 수행 시간에 대한 부담이 매우 크며, 모델 기반은 연속성 데이터에 대한 처리가 어렵거나 불가능하다는 문제가 있다. 본 논문에서는 특히 웹 사용자 모델에서 효과적인 연속성 피드백 데이터를 이용한 사용자 모델링 방법을 제안하고 이를 통해 웹 페이지 예측을 수행하는 시스템을 구현하였다. 논문에 사용된 연속성 데이터는 사용자의 웹 페이지 방문시간이고 이 데이터를 분석하기 위해 기존의 모델 기반 알고리즘에 Support Vector Regression 기법을 결합하는 알고리즘을 설계하였다. 실험에서는 제안 모델의 정확성과 예측 능력에 대하여 기존의 Pearson 알고리즘과 비교하였다. 논문에서 제안하는 방법이 매우 적은 시간 비용을 요구하면서도 유의할 수 있는 수준의 결과가 얻을 수 있음이 확인되었다.