1 |
1
시계열적인 개인건강기록 데이터로부터 계층적 클러스터링 기법으로 클러스터링한 복수의 유사사례 클러스터에 대해서 기계학습을 통해서 학습하여 예측모델을 생성하는 예측모델 학습부를 포함하며,상기 계층적 클러스터링 기법은, 개인건강기록 데이터로부터 타겟피처에 대한 유사사례 클러스터를 생성하고, 상기 타겟피처와 연관된 연관피처에 대한 유사사례 클러스터를 생성하며,상기 유사사례 클러스터는, 소정의 시간구간에 대해 시계열적으로 변화되는 복수의 패턴을 그룹핑하여 생성된 개인건강기록 데이터와 상기 유사사례 클러스터에 포함된 소정의 시간구간 이후에 나타나는 타겟피처를 복수의 클래스로 나눈 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 장치
|
2 |
2
제 1 항에 있어서,상기 타겟피처에 대한 유사사례 클러스터는, 복수의 개인건강기록 데이터로부터 소정의 시간구간에 대해 시계열적으로 변화되는 타겟피처의 변화패턴별로 그룹핑하여 생성하며,상기 연관피처에 대한 유사사례 클러스터는, 상기 생성한 타겟피처에 대한 유사사례 클러스터별로 연관피처에 대한 복수의 개인건강기록 데이터로부터 소정의 시간구간에 대해 시계열적으로 변화되는 연관피처의 변화패턴별로 그룹핑하여 생성하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 장치
|
3 |
3
제 1 항에 있어서,상기 예측모델 학습부는,상기 연관피처에 대한 유사사례 클러스터 각각에 포함되는 개인건강기록 데이터의 선형적 또는 비선형적 분포에 기반하여 타겟피처의 각 미래값 클래스에 대한 확률을 예측하는 클래스 예측모델을 생성하는 클래스 예측모델 생성부; 및상기 클래스마다 또는 각 클러스터에 대해서 타겟피처에 대한 미래값을 예측하는 미래값 예측모델을 생성하는 미래값 예측모델 생성부를 포함하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 장치
|
4 |
4
제 3 항에 있어서,상기 유사사례 클러스터 기반 미래건강추이 예측모델 생성 장치는,상기 생성한 클래스 예측모델을 테스트하여 미리 설정한 수치 이상의 정확도를 가지거나 미리 설정된 순위 이상의 정확도를 가진 클래스 예측모델을 선별하는 최적 예측모델 선별부;를 더 포함하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 장치
|
5 |
5
제 4 항에 있어서,상기 최적 예측모델 선별부는,상기 선별한 클래스 예측모델에 대해서 타겟별 최적 연관피처들의 집합에 대한 정보를 추출하여 저장하는 것을 더 포함하여,미래건강추이 예측 장치에서 사용자의 특정 건강정보에 대한 예측쿼리에 매칭되는 클러스터의 예측모델을 선별할 수 있도록 최적 연관피처에 대한 정보를 제공하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 장치
|
6 |
6
제 4 항에 있어서,상기 정확도는, 상기 클래스 예측모델을 생성하는데 사용되지 않은 소정의 테스트 입력데이터 집합을 활용하여, 클래스 예측결과로부터 클래스 예측 성공여부나 클래스 예측 확률에 대한 정보를 계산하되, 특정 테스트 입력데이터 집합에 포함된 모든 입력데이터에 대해서 반복하여 누적 계산되는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 장치
|
7 |
7
시계열적인 개인건강기록 데이터로부터 계층적 클러스터링 기법으로 클러스터링한 복수의 유사사례 클러스터를 입력 받는 유사사례 클러스터 입력단계; 및상기 입력 받은 유사사례 클러스터에 대해서 기계학습을 통해서 학습하여 예측모델을 생성하는 예측모델 학습단계를 포함하며,상기 계층적 클러스터링 기법은, 개인건강기록 데이터로부터 타겟피처에 대한 유사사례 클러스터를 생성하고, 상기 타겟피처와 연관된 연관피처에 대한 유사사례 클러스터를 생성하며,상기 유사사례 클러스터는, 소정의 시간구간에 대해 시계열적으로 변화되는 복수의 패턴을 그룹핑하여 생성된 개인건강기록 데이터와 상기 유사사례 클러스터에 포함된 소정의 시간구간 이후에 나타나는 타겟피처를 복수의 클래스로 나눈 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 방법
|
8 |
8
제 7 항에 있어서,상기 타겟피처에 대한 유사사례 클러스터는, 복수의 개인건강기록 데이터로부터 소정의 시간구간에 대해 시계열적으로 변화되는 타겟피처의 변화패턴별로 그룹핑하여 생성하며,상기 연관피처에 대한 유사사례 클러스터는, 상기 생성한 타겟피처에 대한 유사사례 클러스터별로 연관피처에 대한 복수의 개인건강기록 데이터로부터 소정의 시간구간에 대해 시계열적으로 변화되는 연관피처의 변화패턴별로 그룹핑하여 생성하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 방법
|
9 |
9
제 7 항에 있어서,상기 예측모델 학습단계는,상기 연관피처에 대한 유사사례 클러스터 각각에 포함되는 개인건강기록 데이터의 선형적 또는 비선형적 분포에 기반하여 타겟피처의 각 미래값 클래스에 대한 확률을 예측하는 클래스 예측모델을 생성하는 클래스 예측모델 생성단계; 및상기 클래스마다 또는 각 클러스터에 대해서 타겟피처에 대한 미래값을 예측하는 미래값 예측모델을 새성하는 미래값 예측모델 생성단계를 포함하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 방법
|
10 |
10
제 9 항에 있어서,상기 유사사례 클러스터 기반 미래건강추이 예측모델 생성 방법은,상기 생성한 클래스 예측모델을 테스트하여 미리 설정한 수치 이상의 정확도를 가지거나 미리 설정된 순위 이상의 정확도를 가진 클래스 예측모델을 선별하는 최적 예측모델 선별단계;를 더 포함하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 방법
|
11 |
11
제 10 항에 있어서,상기 최적 예측모델 선별단계는,상기 선별한 클래스 예측모델에 대해서 타겟별 최적 연관피처들의 집합에 대한 정보를 추출하여 저장하는 것을 더 포함하여,미래건강추이 예측 장치에서 사용자의 특정 건강정보에 대한 예측쿼리에 매칭되는 클러스터의 예측모델을 선별할 수 있도록 최적 연관피처에 대한 정보를 제공하는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 방법
|
12 |
12
제 10 항에 있어서,상기 정확도는, 상기 클래스 예측모델을 생성하는데 사용되지 않은 소정의 테스트 입력데이터 집합을 활용하여, 클래스 예측결과로부터 클래스 예측 성공여부나 클래스 예측 확률에 대한 정보를 계산하되, 특정 테스트 입력데이터 집합에 포함된 모든 입력데이터에 대해서 반복하여 누적 계산되는 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측모델 생성 방법
|
13 |
13
시계열적인 개인건강기록 데이터로부터 계층적 클러스터링 기법으로 클러스터링한 복수의 유사사례 클러스터에 대해서 기계학습을 통해서 학습하여 예측모델을 생성하는 것을 포함하며,상기 계층적 클러스터링 기법은, 개인건강기록 데이터로부터 타겟피처에 대한 유사사례 클러스터를 생성하고, 상기 타겟피처와 연관된 연관피처에 대한 유사사례 클러스터를 생성하며,상기 유사사례 클러스터는, 소정의 시간구간에 대해 시계열적으로 변화되는 복수의 패턴을 그룹핑하여 생성된 개인건강기록 데이터와 상기 유사사례 클러스터에 포함된 소정의 시간구간 이후에 나타나는 타겟피처를 복수의 클래스로 나눈 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측 시스템
|
14 |
14
시계열적인 개인건강기록 데이터로부터 계층적 클러스터링 기법으로 클러스터링한 복수의 유사사례 클러스터에 대해서 기계학습을 통해서 학습하여 예측모델을 생성하는 것을 포함하며,상기 계층적 클러스터링 기법은, 개인건강기록 데이터로부터 타겟피처에 대한 유사사례 클러스터를 생성하고, 상기 타겟피처와 연관된 연관피처에 대한 유사사례 클러스터를 생성하며,상기 유사사례 클러스터는, 소정의 시간구간에 대해 시계열적으로 변화되는 복수의 패턴을 그룹핑하여 생성된 개인건강기록 데이터와 상기 유사사례 클러스터에 포함된 소정의 시간구간 이후에 나타나는 타겟피처를 복수의 클래스로 나눈 것을 특징으로 하는 유사사례 클러스터 기반 미래건강추이 예측 방법
|