비만 분류를 위한 인체 변수 선택 및 분류 방법에 대한 연구

Q: 이 논문에서 정의한 퍼지 규칙 기반 시스템(FRBS)이란 무엇인가?

불확실하거나 모호한 데이터를 효과적으로 처리하기 위해 퍼지 논리를 적용한 시스템이다. 이는 '만약 A이고 B이면 C이다'와 같은 형태의 논리적 규칙을 기반으로 하여 최종적인 의사 결정을 수행하는 기법을 의미한다.

Q: 한국 여성의 비만을 가장 정확하고 편리하게 분류하는 방법은 무엇인가?

연구 결과, 체질량지수와 체중을 변수로 활용한 퍼지 규칙 기반 시스템(FRBS)이 가장 적합하다. 이 방법은 기존의 체질량지수 단독 분류만큼 적용이 편리하면서도, 다른 기계 학습 알고리즘과 대등한 수준의 높은 분류 정확도와 일관된 규칙을 제공한다.

안성희; 신지원; 윤명환

추천

검색

질문

자료유형: 학술저널

저자정보: 안성희 (서울대학교) 신지원 (서울대학교) 윤명환 (서울대학교)

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society Vol.24 No.2

발행연도: 2022.4

수록면: 613 - 625 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

체질량지수(body mass index: BMI)는 적용이 편리하다는 장점이 있어 비만 판별에 가장 많이 활용되는 지표이다. 그러나 많은 선행연구에서 체질량지수로 비만을 분류한 결과가 체지방률을 기준으로 분류한 결과와 일치하지 않는다는 점이 지적되었고, 이는 미리 정의된 체질량지수 값을 기준으로 비만을 분류하는 것은 정확성이 떨어진다는 것을 의미한다. 따라서, 본 연구는 최소한의 신체 치수를 통해 비만을 판별할 수 있는 방법을 새로 제안하는 것을 목적으로 하였다. 이를 위해 기계학습 기법을 포함한 분류 방법을 적용하였고, 분류 성능을 정확도와 설명력 두 가지 측면에서 평가하였다. 분석 결과, 체질량지수와 체중을 활용한 퍼지 규칙 기반 시스템(fuzzy rule-based systems: FRBS)의 비만 분류 성능은 정확도 측면에서 다른 기계학습 알고리즘 및 판별분석과 같은 수준을 보임과 동시에 다른 모델 대비 더 일관된 분류 규칙을 제공하였기 때문에 비만 분류에 가장 적합하다는 결론을 얻었다. 따라서 본 연구는 FRBS 방법을 사용하여 도출한 분류 기준으로 비만을 판별할 것을 제안한다. 본 연구가 제안하는 방법은 체질량지수를 통한 기존의 비만 분류 방법만큼 편리하게 적용할 수 있으면서도 높은 분류 정확도를 보장하므로 비만 분류 관련 연구에 기여를 할 수 있을 것으로 기대된다.

#분류 방법 #비만 분류 #인체 측정 변수 #퍼지 규칙 기반 시스템. #anthropometric data #classification methods #FRBS. #obesity classification

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-092586812

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)