Discrimination of Highly Similar Stimuli

Abstract

Discrimination of similar objects has been a topic of high interest in many fields of study, which is usually to determine whether two or more stimuli differ from each other. Shepard (1986) proposed a discrimination theory in which an exponential decay function was used as a measure of similarity and the L(1) distance as a measure of distance in case of dissimilar stimuli. Nosofsky (1986), however, reported that using L(2) distance is better than using L(1) distance in case of confusable stimuli when assuming a multivariate normal distribution. Concerning Nosofsky and Shepard's controversy, Ennis, Palen and Mullen (1988) intended to provide a possible reconciliation and commented on that issue. In this Thesis, we mainly focus to evaluate the effect of δ, the distance between population means, upon similarity under various conditions covering upto correlated structures, by using Monte-Carlo simulation and check out if our simulation result is consistent with Nosofsky's findings or not.;유사 자극의 판별은 여러 학문 분야에서 활발히 연구되고 있는데, 대표적으로는 관능검사, 부호탐지, 그리고 심리 통계학에서 많이 쓰이고 있다. 이 기법은 두 개 또는 그 이상의 자극들이 서로 같은지 혹은 다른지를 알아보기 위해 사용된다. 1986년 Shepard는 dissimilar한 자극일 경우 그 거리는 L1 distance이고, 유사성 함수는 지수 감소 함수일 때에 가장 잘 판별한다고 주장했다. 같은 해 Nosofsky는 highly similar한 자극일 경우는 L2 distance를 사용하고 다변량 정규분포에서 data들이 나왔다고 가정했을 때에는, Gaussian model이 더 좋은 성질을 가진다고 발표했다. 이런 Shepard와 Nosofsky의 논쟁에 관해서 Ennis, Palen 그리고 Mullen은 어떤 주장이 더욱 설득력이 있는지 Monte-Carlo Simulation을 사용하여 알아보았다. 본 논문은 그들의 simulation 과정을 상관관계가 있는 경우까지 확장하여 유사성에 대해 살펴보고, 나아가서 Shepard와 Nosofsky의 주장 중 어느 것이 더 타당한지를 살펴보았다.