12 39

Cited 0 times in

Development of the deep-learning model for imputation of missing values in the accelerometer-based activity data

Other Title
가속도계 기반 활동량 데이터 내 결측값 대체를 위한 딥러닝 모델 개발
Authors
최, 정구
Department
대학원 의학과
Degree
Master (2020)
Table Of Contents
차 례
국문요약 ⅰ
차 례 v
그림 차례 ⅶi
표 차례 x
수식 차례 xii
I. 서론 1
A. 연구 배경 및 필요성 1
1. 가속도계 기반 활동량 데이터 1
2. 결측 값으로 인한 문제점과 선행연구에서 제시한 결측 값 대체법 3
B. 연구 목적 6
Ⅱ. 연구대상 및 방법 7
A. 연구 설계 7
B. 데이터 탐색 및 수집 9
C. 데이터 전처리 11
1. 데이터 수집 단위 통일화 11
2. 데이터 셋 내 이상치 제거 13
3. 결측 구간이 없는 데이터 셋 구축 14
4. 주요 활동 구간 데이터 추출 16
5. 성능 평가를 위한 임의의 결측 구간 생성 18
6. 데이터 정규화 21
7. 대체법 적용을 위한 데이터 셋 구성 22
D. 결측 값 대체 딥러닝 모델과 대체 성능 비교를 위한 결측 값 대체법 23
1. 결측 값 대체 딥러닝 모델 23
2. 평균 대체법 29
3. Zero-inflated poisson log-normal (ZIPLN) 분포 기반 다중대체법 30
E. 성능 평가 32
1. 결측 값 대체 딥러닝 모델 32
2. 평균 대체법 32
3. Zero-inflated poisson log-normal (ZIPLN) 분포 기반 다중대체법 33
4. 성능 평가 지표 33
F. 프로그래밍 언어 36
Ⅲ. 결과 37
A. 데이터 전처리 결과 37
B. 딥러닝 모델 구조 39
C. 대체 방법론 간 대체 성능 비교 결과 41
Ⅳ. 고찰 51
Ⅴ. 결론 55
참고 문헌 56
ABSTRACT 62
Abstract
비공개
Keywords
accelerometer-based physical activity datamissing data imputationdeep-learningautoencoder가속도계 기반 활동량 데이터결측 데이터 대체딥러닝오토인코더 모델
Appears in Collections:
Theses > School of Medicine / Graduate School of Medicine > Master
AJOU Authors
최, 정구
Full Text Link
Files in This Item:
000000029588.pdfDownload
Export
RIS (EndNote)
XLS (Excel)
XML

qrcode

해당 아이템을 이메일로 공유하기 원하시면 인증을 거치시기 바랍니다.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse