Browse

스마트폰 센서 데이터를 이용한 사용자의 신체정보 추론 기법
A Method for Users Physical Attributes Inference

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors
김소이
Advisor
박종헌
Major
공과대학 산업공학과
Issue Date
2016-08
Publisher
서울대학교 대학원
Keywords
혼합회귀분석스마트폰 센서 데이터기계학습앙상블 기법신체정보 추론
Description
학위논문 (석사)-- 서울대학교 대학원 : 산업공학과, 2016. 8. 박종헌.
Abstract
최근 스마트폰 사용이 보편화되고 다양한 분야에서 활용되면서 개인화 서비스에 대한 관심이 증가하고 있다. 특히 사용자의 신체정보는 건강관리 서비스뿐 아니라 모바일 마케팅에도 활용될 수 있는 유용한 정보이다. 그러므로 본 연구에서는 움직임을 포착하는 센서 데이터를 활용하여 사용자의 기본적인 신체정보인 키와 체중을 추론하는 기법을 제안한다. 이때, 스마트폰의 대표적인 운동학적 센서 데이터인 가속도, 자기장, 자이로스코프 데이터가 활용된다.
사람들이 일상생활에서 자주 수행하는 행동이면서 스마트폰에 움직임을 유발하는 가만히 서있기, 걷기, 계단 오르내리기에 대해 각각 기댓값 최대화 알고리즘을 활용한 혼합 회귀 모델을 학습한다. 혼합 회귀 모델은 잠재 변수에 따른 타겟 값의 차이를 암묵적으로 반영하는 모델로서, 본 연구에서 키와 체중이 사용자의 성별에 따라 달라지는 점을 표현한다. 혼합 회귀 모델에 활용되는 요인은 각 센서 데이터로부터 추출된 평균, 표준편차 등의 통계치를 Relief-F 알고리즘을 통해 선정한다. 또한 혼합 회귀 모델의 학습 결과 도출되는 두 회귀 식은 단순한 가중합이 아닌 k-최근접 이웃 알고리즘을 통해 더 적합한 값을 추론 결과로 채택한다.
사용자 신체정보의 최종 추론 결과는 사용자의 행동에 따른 혼합 회귀 모델들로부터 도출된 결과들을 스택 일반화 앙상블 기법을 사용하여 결합한다. 스택 일반화 앙상블 기법은 각 모델의 추론 값을 결합기의 입력 값으로 받아 최종 결과를 도출하는 앙상블 방법이며, 본 연구에서는 스택 일반화 앙상블 기법 적용 시 선형 회귀 모델을 사용하였다.
자체적으로 개발한 안드로이드 어플리케이션을 활용하여 피실험자 100명으로부터 센서 데이터를 수집하고 제안 기법의 성능을 확인하였다. 키 추론 결과는 기존 연구에 비해 RMSE 기준 27.25%만큼 성능이 향상되었고, 체중 추론 결과는 28.84%의 성능 향상을 보였다. 또한 베이스라인 모델들과 비교한 경우에도 제안 기법이 더 좋은 성능을 나타내었다.
Language
Korean
URI
https://hdl.handle.net/10371/123600
Files in This Item:
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Industrial Engineering (산업공학과)Theses (Master's Degree_산업공학과)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse