감성은 의사 결정, 지각 등에 직접적으로 영향을 미치며 인간의 삶에서 중요한 역할을 한다. 본 논문에서는 고각성부정 감성의 편리하고 정확한 인식에 있어서, 생체신호를 이용한 분석 알고리즘을 설계하고자 한다. 이를 위해 본 연구에서는 보통 / 공포 감성 유발 영상을 이용하여 두 감성을 유도한 후, 생체신호 중 간단한 피부전도도 신호를 측정하였다. 측정된 피부전도도에 대해 Tonic 성분과 Phasic 성분으로 분해하고 감성 자극과 관련된 Phasic 성분을 더 상세하게 SCVSR, SCSR로 분해하여 각 성분의 주요한 특징들을 추출함으로써, 정확한 분석을 하기 위해 기존의 사용된 방법이 아닌 우수한 시간-주파수 지역화 특성을 가진 이산 웨이브렛 변환을 사용하였다. 추출된 특징들은 Phasic 성분의 최댓값, Phasic 성분의 진폭, SCVSR의 영교차율, SCSR의 영교차율이다. 분석 결과, 4가지 특징들 모두 고각성 부정 감성의 경우가 저각성 보통 감성의 경우보다 더 높은 값을 나타내고, 기존의 분석 방법보다 통계적으로 두 감정 사이의 더 유의미한 차이를 확인할 수 있었다. 이에 따라 본 연구의 결과는 피부전도도가 고각성 부정감성 측정에 대해 유용한 지표라는 것을 확인하였으며, 향후 피부전도도를 이용한 실시간 부정 감성 평가 시스템개발에 기여할 수 있을 것을 나타낸다.

This study investigates the problem of outlier detection based on discrete wavelet transform in the context of time series data where the identification and treatment of outliers constitute an important component. An outlier is defined as a data point that deviates so much from the rest of observations within a data sample. In this work we focus on the application of the traditional method suggested by Tukey (1977) for detecting outliers in the closed price series of the Saudi Arabia stock market (Tadawul) between Oct. 2011 and Dec. 2019. The method is applied to the details obtained from the MODWT (Maximal-Overlap Discrete Wavelet Transform) of the original series. The result show that the suggested methodology was successful in detecting all of the outliers in the series. The findings of this study suggest that we can model and forecast the volatility of returns from the reconstructed series without outliers using GARCH models. The estimated GARCH volatility model was compared to other asymmetric GARCH models using standard forecast error metrics. It is found that the performance of the standard GARCH model were as good as that of the gjrGARCH model over the out-of-sample forecasts for returns among other GARCH specifications.

Recently, Total Organic Carbon (TOC) which can be measured instantly can be used as an organic pollutant index instead of BOD or COD due to the diversity of pollutants and non-degradable problem. The primary purpose of the present study is to reveal the properties of time series data for TOC which have been measured by real-time monitoring in Juam Lake and, in particularly, to understand the long- and short-term characteristics with the extraction of the respective components based on the different return periods. For the purpose, we proposed Discrete Wavelet Transform (DWT) as the methodology. The results from the DWT showed that the different components according to the respective periodicities could be extracted from the time series data for TOC and the variation of each component with respect to time could emerge from the return periods and the respective energy ratios of the decomposed components against the raw data.