메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
구범모 (연세대학교) 김종만 (연세대학교) 남예진 (연세대학교) 성동진 (연세대학교) 심재우 (연세대학교) 양수민 (연세대학교) 김영호 (연세대학교)
저널정보
대한기계학회 대한기계학회 논문집 A권 대한기계학회논문집 A권 제46권 제3호(통권 제438호)
발행연도
2022.3
수록면
259 - 265 (7page)
DOI
10.3795/KSME-A.2022.46.3.259

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 연구에서는 웨어러블 관성센서를 사용하여 산업현장 추락에 대한 기계학습 기반의 다집단 분류를 시도하였다. 20명의 건강한 성인 남성을 모집하였으며, 15가지 non-FFH 동작과 5가지 low-hazard-FFH 동작 그리고 한 가지 high-hazard-FFH 동작을 3회씩 반복 측정하였다. 5개의 기계학습 기법(SVM, k-NN, LDA, QDA, MLP)에 대하여 two-class 분류성능과 three-class 분류성능을 비교하였다. 분석 결과 SVM이 two-class 분류와 three-class 분류에서 각각 99.5%와 98.2%의 가장 높은 정확도를 보였다. 또한, 세 가지 전처리 기법들(SMOTE, min-max 정규화, univariant feature selection) 역시 알고리즘 성능 향상에 기여함을 볼 수 있었다.

목차

초록
Abstract
1. 서론
2. 방법
3. 결과
4. 토의
참고문헌(References)

참고문헌 (25)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-550-001089746