271 0

Support Vector Machine과 인공신경망을 이용한 비정상 태아의 분류

Title
Support Vector Machine과 인공신경망을 이용한 비정상 태아의 분류
Other Titles
Classification of abnormal fetus Using Suppot Vector Machine and Neural Network
Author
최원영
Alternative Author(s)
Choi, Won-Young
Advisor(s)
차경준
Issue Date
2007-08
Publisher
한양대학교
Degree
Master
Abstract
본 연구에서는 비선형적 자료에서 2개 이상의 그룹으로 분리(classification)하여 특성을 파악하기 위해 이미 좋은 성능으로 잘 알려진 인공신경망(Neural Network)과 Vapnik이 제안한 Support Vector Machine(SVM)과 비교함으로서 태아 심박동(Fetal Heart Rate, FHR) 자료에서 SVM이 더 좋은 분류기능을 가지고 있음을 보이고자 한다. 태아심박동 자료는 선형적인 방법으론 정상과 비정상 태아의 구분이 어려움은 이미 잘 알려져 있는 만큼, 먼저 비선형 성질로 쉽게 접할 수 있는 백합(iris)자료를 이용한 사전분석으로 그 성능을 비교하였다. 그 결과 인공신경망의 평균적인 오분류율은 4.9%이고 SVM의 오분류율은 4.2%로 SVM의 성능이 뛰어남을 확인하였다. 태아심박동 자료에서 분류율에 유의한 영향을 미치는 6개의 변수; 태동(No. of fetal movement, per 20 min, FM), amplitude(bmp, AMP), mean minute range(MMR), 태아심박동변이도(FFR variability); 태아심박동 증가수(No. of FHR acceleration, 15sec-15bpm, A1515) 및 태아심박동감소수(No. of FHR deceleration, 15sec-15bpm, D1515), 그리고 Appoximate Entropy(ApEn)를 이용하여 적용해 본 결과 인공신경망의 평균적인 오분류율은 10%이고 SVM의 오분류율은 4%로 태아심박동의 자료의 분류에서 더 효과적임을 확인할 수 있었다. 특히, 정상태아의 경우 SVM은 위의 6개의 변수 혹은 ApEn을 제외한 5개의 변수만으로도 100%의 정확한 분류율을 보여주었다. 하지만, 태아의 정상여부를 판단하기 위한 가장 영향력 있는 변수로 알려진 ApEn만을 이용한 분류에서 SVM은 인공신경망보다 7배 정도의 좋은 분류 성능을 보여주어 SVM과 ApEn의 연동알고리즘 구현의 필요성을 확인할 수 있었다.; Neural Network and Support Vector Machine(SVM) have good ability for understanding of the features in pattern classification of nonlinearity data. The objectives of this thesis implies that SVM's accurate prediction is better than Neural Network in Fetal Heart Rate(FHR) data. FHR data analysis by linearity method is difficult to classify between normal and abnormal. So we first do preceding study for ability comparison using iris data. In result, we identify SVM's prediction rate is better than Neural Network as prediction error that Neural Network is 4.9% and SVM is 4.2%, on the average. Six variables are significant influence for prediction in FHR data; No. of fetal movement(per 20 min, FM), amplitude(bmp, AMP), mean minute range(MMR), FHR variability; No. of FHR acceleration (15sec-15bpm, A1515 and No. of FHR deceleration(15sec-15bpm, D1515), and Appoximate Entropy(ApEn). We have applied six variables to Neural Network and SVM. In result, prediction rates are 10% and 4%, respectively. Particularly, SVM showed accurate prediction rate in normal fetus when using both six variables and except for ApEn. However, SVM showed classifying ability seven times as well as Neural Network only using ApEn that is favorable judgment variable at normal and abnormal. So we identify necessity of linked algorithm between SVM and ApEn.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/148949http://hanyang.dcollection.net/common/orgView/200000406973
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > MATHEMATICS(수학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

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

BROWSE