KCI등재
기계학습을 적용한 신체활동 웨어러블 디바이스의 정확성 검증 = Validation of the Wearable Physical Activity Tracker with Machine Learning
The method of machine learning could serve as a powerful source to analyze the physical activity data more accurately than traditional analyses. The purpose of this study was to evaluate the accuracy of wearable physical activity tracker through several machine learning algorithms to classify different types of physical activity. A total of 48 participants were asked to perform a series of physical activity including sitting, standing, mopping, walking, brisk walking, and the moving object while wearing the SenseWear Mini Armband (BodyMedia Inc, Jawbone, CA, USA). The data from motion and heat-related sensors were processed and summarized into 1-min epoch by using the software (SenseWear 8.0). The machine learning algorithms of k-Nearest Neighbors (k-NN), Random Forest (RF), Support Vector Machine (SVM), logistic regression, and Decision Tree (DT) were applied to classify physical activity. The algorithm of RF (71.43%) and SVM (70.12%) were more accurate than others. k-NN, DT showed 61.86%, 50.46% accordingly which resulted in higher accuracy than logistic regression; the lowest accuracy of 47.31%. Also, the accuracy was the highest when information on accelerometer, skin temperature, and galvanic skin response was collectively included as feature variables. The use of machine learning algorithms, especially RF and SVM were proven to be useful for the classification of physical activity through the wearable physical activity tracker. Researchers need to consider applying the enhanced method of analyzing physical activity data.
더보기기계학습 (machine learning)은 다양한 학문영역에서 빠르게 확산되고 있으나 신체활동 관련 자료 분석에는 한정적으로 적용되어 왔다. 이 연구에서는 기계학습 방식을 통해 신체활동 웨어러블 디바이스의 정확성을 검증하는데목적이 있다. 성인 남녀 48명을 대상으로 앉기, 서기, 물걸레질, 물건 옮기기, 걷기, 빠르게 걷기 등과 같은 일련의신체활동을 수행하는 동안 신체활동량을 측정하였다. 모든 신체활동 정보는 신체활동 웨어러블 디바이스 SenseWear Armband Mini (BodyMedia Inc, Jawbone, CA, USA)를 이용하여 수집되었고, 전용 소프트웨어 (SenseWear 8.0)를 통해 가속도기반 물리적 변인과 피부 온도와 같은 생리학적 변인의 자료가 60초 epoch으로 저장되었다. 얻어진 자료는 k-인접이웃분류 (k-Nearest Neighbor), 서포트 벡터 머신 (Support Vector Machine), 랜덤 포레스트 (Random Forest), 의사결정나무 (Decision Tree) 의 4가지 기계학습 알고리즘 분석방식과 전통적으로 이용된통계방법인 로지스틱 회귀 (Logistic Regression)이 적용되어 신체활동을 얼마나 정확하게 분류되는지 비교되었다. 분석결과에 의하면 랜덤 포레스트 (71.43%)와 서포트 벡터 머신 (70.12%)이 다른 알고리즘 보다 상대적으로 높은분류 정확도를 보였다. k-인접이웃분류와 의사결정나무는 각각 61.86%, 50.46%의 정확도를 보였고, 전통적 분석방법인 로지스틱 회귀분석 결과가 가장 낮은 정확도 (47.31%)를 보였다. 또한, 가속도계 기반 자료 하나만을 이용하는것보다 가속도 데이터, 피부 온도 및 피부 반사에 관한 정보를 동시에 사용하였을 때 상대적으로 높은 신체활동 분류 정확도를 보였다. 결론적으로 기계학습을 통한 신체활동 분류 시 랜덤 포레스트와 서포트 벡터 머신 방법 적용이보다 적절하고 가속도계 기반 변인 하나보다 다양한 생리학적 변인의 반영이 필요함을 시사한다.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2022 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2019-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2016-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2012-01-01 | 평가 | 등재 1차 FAIL (등재유지) | KCI등재 |
2009-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2008-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2007-01-01 | 평가 | 등재후보 1차 FAIL (등재후보1차) | KCI후보 |
2005-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.12 | 1.12 | 1.19 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.2 | 1.2 | 1.171 | 0.25 |
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)