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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김채원 (서울여자대학교) 백다은 (서울여자대학교) 장진영 (서울여자대학교) 이현희 (서울여자대학교) 박지숙 (서울여자대학교) 박민서 (서울여자대학교  )
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제26권 제2호
발행연도
2023.2
수록면
429 - 439 (11page)
DOI
10.9717/kmms.2023.26.2.429

이용수

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

초록· 키워드

오류제보하기
The world’s population is quickly aging due to the increase in life expectancy and the decline in the birth rate. In order to solve various social problems caused by aging a deep understanding of aging is needed. Research on aging is currently active however there hasn’t been much work on predicting aging using machine learning. This study proposes a machine learning algorithm that uses body odor compounds related to aging and predicts aging. The data was collected from 120 women in 20s to 70s with the participants’ age and compounds from sweat. After the preprocessing, using Supervised Learning, we analyzed the 20s and 70s who showed the largest difference in degree of aging. Decision tree showed the highest classification accuracy about 95%, and Cyclopropane, 2-Nonenal, and 1-Propene were important compounds in predicting aging. The result of this study is expected to help with effective aging prediction. It can be applied to not only personalized healthcare industry but also the cosmetics industry for Korean women.
#Body Odor Compounds #Aging Compound #Predicting Aging #Machine Learning

목차

ABSTRACT
1. 서론
2. 노화 관련 선행연구
3. 분류 및 예측에 효과적인 머신러닝 알고리즘
4. 노화 예측을 위한 머신러닝 알고리즘
5. 결론
REFERENCE

참고문헌 (39)

참고문헌 신청
J.G. Evans, “Geriatric Medicine: A Brief History,” British Medical Journal, Vol. 315, No. 7115, pp. 1075-1077, 1997. google schola D. Harman, “Aging: Overview,” Annals of the New York Academy of Sciences, Vol. 928, No. 1, pp. 1-21, 2001. google schola United Nations, World Population Aging 2019 Highlights, 2019. google schola United Nations, World Population Aging 2020 Highlights, 2020. google schola K.D. Boudoulas, F. Triposkiadis, C. Stefanadis, and H. Boudoulas, “The Endlessness Evolution of Medicine, Continuous Increase in Life Expectancy and Constant Role of The Physician,” Hellenic Journal of Cardiology, Vol. 58, No. 5, pp. 322-330, 2017. google schola

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

헬스케어산업에서의 인공지능 활용 동향
이새봄 ,  송재민 ,  박아름 한국콘텐츠학회논문지 2020 .05
머신러닝 알고리즘을 이용한 커피 프랜차이즈 실패 요인 분석에 관한 연구
안예린 ,  이현희 ,  유성민 외 2명 대한산업공학회지 2023 .02
머신러닝 기반 응급상황 대응 시스템
오하연 ,  임석민 ,  강경민 외 3명 Proceedings of KIIT Conference 2022 .12
선형판별분석과 다중분광 데이터를 이용한 파프리카 잎의 노화 분석
김동훈 ,  정성환 ,  김서정 외 5명 Proceedings of KIIT Conference 2022 .06
OTT(Over-The-Top) 플랫폼의 스포츠 콘텐츠 서비스품질이 이용만족과 지속사용의도에 미치는 영향
이정학 ,  이현규 ,  김민준 외 1명 한국체육과학회지 2021 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-004-000438466