| 1 |
1
시계열적인 개인건강기록 데이터에 대해서 적어도 두 개 이상의 단계로 계층적으로 클러스터링을 수행하여 유사사례 클러스터를 생성하는 것을 포함하며,상기 생성한 유사사례 클러스터는 클래스별로 레이블링되어 미래건강추이를 예측하기 위한 예측모델의 학습데이터로 입력되는 것을 특징으로 하는 유사사례 클러스터링 장치
|
| 2 |
2
청구항 1에 있어서,상기 유사사례 클러스터링 장치는,상기 시계열적인 개인건강기록 데이터에 대해서 타겟피처를 클러스터링하는 타겟피처 클러스터링부; 및상기 클러스터링한 각 타겟피처에 대한 연관피처를 클러스터링하는 연관피처 클러스터링부;를 포함하며,상기 클러스터링은, 타겟피처에 대한 클러스터링을 먼저 수행하고, 이어서 상기 타겟피처에 대한 유사사례 클러스터 별로 연관피처의 클러스터링을 수행하여 유사사례 클러스터링을 수행하는 것을 특징으로 하는 유사사례 클러스터링 장치
|
| 3 |
3
청구항 1에 있어서,상기 유사사례 클러스터링 장치는,상기 시계열적인 건강 데이터로부터 먼저 상기 타겟피처에 대한 특정구간의 시계열적인 변화패턴을 추출하여 클러스터링을 수행하고,다음으로 상기 타겟피처의 각 클러스터에 대한 연관피처에 대해서 상기 특정구간에 해당하는 시계열적인 변화패턴을 추출함으로써 클러스터링을 수행하며,상기 미래건강추이를 예측하는 것은 상기 특정구간의 시계열적인 변화패턴에 이어지는 구간의 미래건강추이에 대한 패턴을 예측하는 것을 특징으로 하는 유사사례 클러스터링 장치
|
| 4 |
4
청구항 3에 있어서,상기 변화패턴은 타겟피처와 연관피처의 클러스터에 대한 대표정보이며, 상기 대표정보는 사용자로부터 미래건강추이 예측에 대한 쿼리가 입력되는 경우, 해당 사용자의 건강특징에 대한 유사사례 클러스터를 판별하기 위해 사용되는 것으로, 하나의 유사사례 클러스터를 형성하게 되며, 하나의 유사사례 클러스터에 포함되는 복수의 개인건강데이터를 대표하는 패턴의 정보인 것을 특징으로 하는 유사사례 클러스터링 장치
|
| 5 |
5
청구항 1에 있어서,상기 유사사례 클러스터링 장치는,상기 시계열적인 개인건강기록 데이터의 타겟피처에 대한 클러스터링을 수행하여 복수의 타겟피처 클러스터를 생성하고, 상기 생성한 각 타겟피처 클러스터에 대하여 상기 시계열적인 개인건강기록 데이터에 대한 분포를 추출하고, 이어서 상기 생성한 각 타겟피처 클러스터에 포함된 상기 시계열적인 개인건강기록 데이터의 연관피처에 대한 클러스터링을 수행하여 복수의 연관피처 클러스터를 생성하고, 상기 생성한 각 연관피처 클러스터에 대하여 상기 시계열적인 개인건강기록 데이터에 대한 분포를 추출하며,상기 연관피처는 다음번 클러스터링의 타겟피처가 되는 방식으로 적어도 한번 이상의 타켓피처와 연관피처에 대한 클러스터링을 계층적으로 수행하고,최종적으로 추출된 복수의 연관피처 클러스터에 대해서 각 클래스의 가능성에 대한 확률을 예측하는 클래스 확률 예측모델과 각 클래스마다 미래값 예측모델을 생성하도록 하는 것을 특징으로 하는 유사사례 클러스터링 장치
|
| 6 |
6
청구항 1에 있어서,상기 유사사례 클러스터링 장치는,클러스터별 클래스 예측모델과 각 클래스의 미래값 예측모델을 생성하고, 미래건강추이를 예측하는 예측기에서 상기 생성한 예측모델별로 예측결과를 앙상블하기 위한 상기 예측모델의 학습 입력데이터를 제공하는 것을 특징으로 하는 유사사례 클러스터링 장치
|
| 7 |
7
청구항 1에 있어서,상기 유사사례 클러스터링 장치는,상기 계층적으로 클러스터링을 수행함으로써, 유사사례 클러스터의 수를 감축한 다중 예측모델을 생성하여 미래건강추이를 예측하는 복잡도를 줄이고, 상기 생성된 다중 예측모델을 이용하여 건강정보의 특정 쿼리에 대해서 미래건강추이 예측할 때 복수의 예측결과를 앙상블함으로써, 상기 특정 쿼리에 대한 최종적인 예측의 정확도를 향상시키는 것을 특징으로 하는 유사사례 클러스터링 장치
|
| 8 |
8
시계열적인 개인건강기록 데이터에 대해서 적어도 두 개 이상의 단계로 계층적으로 클러스터링을 수행하여 유사사례 클러스터를 생성하는 것을 포함하며,상기 생성한 유사사례 클러스터는 클래스별로 레이블링되어 미래건강추이를 예측하기 위한 예측모델의 학습데이터로 입력되는 것을 특징으로 하는 유사사례 클러스터링 방법
|
| 9 |
9
청구항 8에 있어서,상기 유사사례 클러스터링 방법은,상기 시계열적인 개인건강기록 데이터에 대해서 타겟피처를 클러스터링하는 타겟피처 클러스터링 단계; 및상기 클러스터링한 각 타겟피처에 대한 연관피처를 클러스터링하는 연관피처 클러스터링 단계;를 포함하며,상기 클러스터링은, 타겟피처에 대한 클러스터링을 먼저 수행하고, 이어서 상기 타겟피처에 대한 유사사례 클러스터 별로 연관피처의 클러스터링을 수행하여 유사사례 클러스터링을 수행하는 것을 특징으로 하는 유사사례 클러스터링 방법
|
| 10 |
10
청구항 8에 있어서,상기 유사사례 클러스터링 방법은,상기 시계열적인 건강 데이터로부터 먼저 상기 타겟피처에 대한 특정구간의 시계열적인 변화패턴을 추출하여 클러스터링을 수행하고,다음으로 상기 타겟피처의 각 클러스터에 대한 연관피처에 대해서 상기 특정구간에 해당하는 시계열적인 변화패턴을 추출함으로써 클러스터링을 수행하며,상기 미래건강추이를 예측하는 것은 상기 특정구간의 시계열적인 변화패턴에 이어지는 구간의 미래건강추이에 대한 패턴을 예측하는 것을 특징으로 하는 유사사례 클러스터링 방법
|
| 11 |
11
청구항 10에 있어서,상기 변화패턴은 타겟피처와 연관피처의 클러스터에 대한 대표정보이며, 상기 대표정보는 사용자로부터 미래건강추이 예측에 대한 쿼리가 입력되는 경우, 해당 사용자의 건강특징에 대한 유사사례 클러스터를 판별하기 위해 사용되는 것으로, 하나의 유사사례 클러스터를 형성하게 되며, 하나의 유사사례 클러스터에 포함되는 복수의 개인건강데이터를 대표하는 패턴의 정보인 것을 특징으로 하는 유사사례 클러스터링 방법
|
| 12 |
12
청구항 8에 있어서,상기 유사사례 클러스터링 방법은,상기 시계열적인 개인건강기록 데이터의 타겟피처에 대한 클러스터링을 수행하여 복수의 타겟피처 클러스터를 생성하고, 상기 생성한 각 타겟피처 클러스터에 대하여 상기 시계열적인 개인건강기록 데이터에 대한 분포를 추출하고, 이어서 상기 생성한 각 타겟피처 클러스터에 포함된 상기 시계열적인 개인건강기록 데이터의 연관피처에 대한 클러스터링을 수행하여 복수의 연관피처 클러스터를 생성하고, 상기 생성한 각 연관피처 클러스터에 대하여 상기 시계열적인 개인건강기록 데이터에 대한 분포를 추출하며,상기 연관피처는 다음번 클러스터링의 타겟피처가 되는 방식으로 적어도 한번 이상의 타켓피처와 연관피처에 대한 클러스터링을 계층적으로 수행하고,최종적으로 추출된 복수의 연관피처 클러스터에 대해서 각 클래스의 분포에 대한 확률을 예측하는 클래스 확률 예측모델과 각 클래스마다 미래값 예측모델을 생성하도록 하는 것을 특징으로 하는 유사사례 클러스터링 방법
|
| 13 |
13
청구항 8에 있어서,상기 유사사례 클러스터링 방법은,클러스터별 클래스 예측모델과 각 클래스의 미래값 예측모델을 생성하고, 미래건강추이를 예측하는 예측기에서 상기 생성한 예측모델별로 예측결과를 앙상블하기 위한 상기 예측모델의 학습 입력데이터를 제공하는 것을 특징으로 하는 유사사례 클러스터링 방법
|
| 14 |
14
청구항 8에 있어서,상기 유사사례 클러스터링 방법은,상기 계층적으로 클러스터링을 수행함으로써, 유사사례 클러스터의 수를 감축한 다중 예측모델을 생성하여 미래건강추이를 예측하는 복잡도를 줄이고, 상기 생성된 다중 예측모델을 이용하여 건강정보의 특정 쿼리에 대해서 미래건강추이 예측할 때 복수의 예측결과를 앙상블함으로써, 상기 특정 쿼리에 대한 최종적인 예측의 정확도를 향상시키는 것을 특징으로 하는 유사사례 클러스터링 방법
|
