KCI등재
비만 분류를 위한 인체 변수 선택 및 분류 방법에 대한 연구 = Selection of Anthropometric Variables and Methods for Classification of Obesity
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
613-625(13쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
Body mass index(BMI) is an index commonly used for measuring body fat due to its convenience. However, many previous studies found that results of classification of obesity based on BMI and body fat percentage were not equivalent. This means the classification of obesity which refers to a predefined cutoff value of BMI may not be accurate. This study aims to suggest a better method for the classification of obesity using statistical methods and some AI techniques for classification which required a minimum number of input body dimensions. The classification performances were evaluated in terms of accuracy and interpretability. This study concluded BMI combined with weight is the best data set and suggests a fuzzy rule-based system (FRBS) as the most appropriate method for obesity classification. The FRBS model performed as accurately as other AI algorithms and determinant analysis and provided more consistent classification rules than others. Therefore, we propose to classify obesity using the FRBS method.
더보기체질량지수(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.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2002-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.26 | 1.26 | 1.15 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.05 | 0.98 | 0.956 | 0.4 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)