• 보건행정학회지
• /
• 제16권4호
• /
• pp.128-146
• /
• 2006

The objective of this paper is to examine the proportion and characteristics of non-emergent patients at emergency departments. The observational survey was conducted using a structured form used by emergency medicine specialists or senior residents on June 7-20, 2005. 1,526 patients at ten emergency centers took part in this study. The structural form contained type of insurance, route and means of emergency department (ED) visit, triage based on the Manchester Triage Scale(MTS)-modified criteria, emergency level based on the government defined rule, type of emergency centers (Regional Emergency Medical Center; REMC, Local Emergency Medical Center; LEMC, Local Emergency Agency; LEA), as well as patient's general information. Data were analyzed using SAS statistical program(V.8.2). Descriptive analysis was performed to describe the magnitude of non-emergent patients. ${\chi}^2-analysis$ and logistic regression analysis was performed to identify the nonurgent patients' characteristics. In the MTS-modified criteria, we found a 15.3% rate of non-emergent patients. This rate differed from that of non-emergent patients obtained using government's rule. In particular, there were inaccuracies in the definition of government rule on non-emergent patients, so it is necessary to apply the new government rule regarding classification of non-emergent patients. There were significant differences in the rate of non-emergent patients according to type of ED, means of ED visit, time to visit, and insurance. Non-emergent patients are more likely to visit a D-type ED(LEA having less than 20,000 patients annually), not to use ambulance, to have 'Automobile Insurance, Industrial Accident Compensation Insurance, or pay out-of-pocket'. Non-emergent patients tend to visit ED due to illness rather than injury. Further studies on the development' of triage scale and reexamination of the government's rule on emergency visits are required for future policy in this area.

• 대한한의학원전학회지
• /
• 제13권1호
• /
• pp.345-360
• /
• 2000

I In the rearch of the principle of herb classification based on constitution I have recognised Lee Jae Ma(李濟馬)'s medical thought on the herb. He had believed that herb must be used when needed, also had opposed taking overdose of medicine. And he had prescribed to a patient based on constitution. The results were summerized as follow; 1. In the classification of herb according to constitution, Although Gimilon(氣味論) that empasized in the herbal medicine have had reference value but cannot be absolute classific standard. The medicinal portion of herb was not significant. And through research the past prescription that were qouted by Lee Jae Ma cannot find a meaningful result. 2. Lee Jae Ma denied the tradtional GuiKyung(歸經) theory, and classified into Iung(肺), spleen(脾), liver(肝), kidney(腎). And when he gave medical teatment, he has used the methods of the supplement to weakned organ. 3. On the principle of herb classification based on constitution, Lee Jae Ma had presented general rule that are fragrance(馨), odor(臭), liquid(液), taste(味). Although it had suitable tendency but cannot complitely coinside with the actual. Therefore I interpreted fragrance(馨), odor(臭), liquid(液), taste(味) into the symbol that represent the chief effect. On these conception it's necessary more study.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.792-798
• /
• 2007

본 논문에서는 학습기법을 사용하지 않고 패턴분류의 성능을 최대화하면서 규칙의 수를 줄일 수 있는 통계적 정보기반 계층적 퍼지-러프 분류방법을 제안한다. 제안된 방법에서 통계적 정보는 계층적 퍼지-러프 분류 시스템에서 각 계층의 입력부 퍼지집합의 분할 구간을 추출하기 위해서 사용되었고, 러프집합은 통계적 정보로부터 추출된 분할 구간들과 연관된 퍼지 if-then 규칙의 수를 최소화하기 위해서 사용되었다. 제안된 방법의 효과성을 보이기 위해 Fisher의 IRIS 데이터를 사용한 기존 패턴분류 방법의 분류 정확도와 규칙들의 수를 비교하였다. 그 결과, 제안된 방법은 기존 방법들의 분류 성능과 유사함을 확인할 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권7호
• /
• pp.2683-2702
• /
• 2015

A Content-based Image Retrieval (CBIR) system employs visual features rather than manual annotation of images. The selection of optimal features used in classification of images plays a key role in its performance. Category proliferation problem has a huge impact on performance of systems using Fuzzy Artmap (FAM) classifier. The proposed CBIR system uses a modified version of FAM called Non-Proliferation Fuzzy Artmap (NPFAM). This is developed by introducing significant changes in the learning process and the modified algorithm is evaluated by extensive experiments. Results have proved that NPFAM classifier generates a more compact rule set and performs better than FAM classifier. Accordingly, the CBIR system with NPFAM classifier yields good retrieval.

• 디지털콘텐츠학회 논문지
• /
• 제4권2호
• /
• pp.181-189
• /
• 2003

분산 멀티미디어 응용에 대한 요구는 정교한 QoS 관리를 위해서 필요하다. 분산 멀티미디어 시스템 견지에서 보면, QoS의 가장 중요한 범주는 시간성, 볼륨, 신뢰성이다. 본 논문에서는 결함 허용을 통해서 신뢰성을 향상시키는 방법에 대해서 기술한다. ECA는 분산 멀티미디어에서 하나의 소프트웨어 오류를 자동적으로 분류할 수 있는 시스템이다. 본 논문은 규칙-기반 DEVS 모델링과 시뮬레이션 기법을 사용하면서 분산 멀티미디어 상에서의 오류 분류 시스템의 성능 분석을 설명한다. DEVS에서 하나의 시스템은 시간, 입력, 상태, 출력 및 함수들을 가지고 있다.

• 한국음향학회지
• /
• 제27권5호
• /
• pp.252-255
• /
• 2008

본 논문에서는 성별 인식 시스템의 성능향상을 위해 변별적 가중치 학습 (discriminative weight training) 기반의 최적화된 SVM (support vector machine)을 제안한다. MCE (minimum classification error)방법을 도입하여, 각각의 MFCC (mel-frequency cepstral coefficients) 특징벡터 차수별로 다른 가중치를 가지는 SVM을 제안한다. 제안된 알고리즘은 기존의 동일 가중치를 가지는 SVM 기반의 성별인식 시스템과 비교하였으며, 우수한 성능을 보인다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권4호
• /
• pp.137-144
• /
• 2020

섬망은 의식 장애, 주의력 장애 및 언어력 장애와 같은 일시적인 인지 장애가 있는 환자, 특히 노인에서 나타나는 가장 흔한 정신 장애 중 하나이다. 섬망은 환자와 가족에게 고통을 주고, 통증과 같은 증상의 관리를 방해할 수 있으며 노인 사망률 증가와 관련이 있다. 본 논문의 목적은 장기 요양 시설에서 섬망 환자를 구별하는데 사용될 수 있는 유용한 임상적 지식을 생성하는데 있다. 이러한 목적을 위해, 러프 하한 근사 영역을 갖는 로컬 커버링 규칙 기법을 활용하여 섬망과 관련된 임상적 분류 지식을 추출하였다. 제안된 방법의 임상적 적용 가능성은 전향적 코호트 연구로부터 수집된 데이터를 활용하여 확인하였다. 연구 결과, 섬망 기간이 12일 이상 지속될 수 있는 6가지 유용한 임상적 증거를 발견하였고, 체질량 지수, 동반질환 지수, 입원경로, 영양결핍, 감염, 수면박탈, 욕창, 기저귀 사용과 같은 8가지 인자들이 섬망 결과를 구별하는 데 중요한 요인이라는 것을 확인하였다. 제안된 방법의 분류 성능은 통계적 5-겹 교차검정 방법을 사용하여 3가지 벤치마킹 모델, 즉 ANN, RBF 커널 함수를 활용한 SVM, 랜덤 포레스트와 비교하여 검증하였다. 제안된 방법은 3가지 모델 중 가장 높은 성능을 제공한 SVM 모델과 비교했을 때 정확도와 AUC 기준에서 평균 0.6%와 2.7% 개선된 성능을 보였다.

• 전기학회논문지
• /
• 제57권6호
• /
• pp.1058-1062
• /
• 2008

In clinical decision support system(CDSS), unlike rule-based expert method, appropriate data-driven machine learning method can easily provide the information of individual feature(clinical test) for disease classification. However, currently developed methods focus on the improvement of the classification accuracy for diagnosis. With the analysis of feature importance in classification, one may infer the novel clinical test sets which highly differentiate the specific diseases or disease states. In this background, we introduce a novel CDSS that integrate a classifier and feature selection module together. Random forest algorithm is applied for the classifier and the feature importance measure. The system selects the significant clinical tests discriminating the diseases by examining the classification error during backward elimination of the features. The superior performance of random forest algorithm in clinical classification was assessed against artificial neural network and decision tree algorithm by using breast cancer, diabetes and heart disease data in UCI Machine Learning Repository. The test with the same data sets shows that the proposed system can successfully select the significant clinical test set for each disease.

• Parasites, Hosts and Diseases
• /
• 제47권3호
• /
• pp.235-241
• /
• 2009

The aim of this study was to estimate the benefit from repeated examinations in the diagnosis of enterobiasis in nursery school groups, and to test the effectiveness of individual-based risk predictions using different methods. A total of 604 children were examined using double, and 96 using triple, anal swab examinations. The questionnaires for parents, structured observations, and interviews with supervisors were used to identify factors of possible infection risk. In order to model the risk of enterobiasis at individual level, a similarity-based machine learning and prediction software Constud was compared with data mining methods in the Statistica 8 Data Miner software package. Prevalence according to a single examination was 22.5%; the increase as a result of double examinations was 8.2%. Single swabs resulted in an estimated prevalence of 20.1% among children examined 3 times; double swabs increased this by 10.1%, and triple swabs by 7.3%. Random forest classification, boosting classification trees, and Constud correctly predicted about 2/3 of the results of the second examination. Constud estimated a mean prevalence of 31.5% in groups. Constud was able to yield the highest overall fit of individual-based predictions while boosting classification tree and random forest models were more effective in recognizing Enterobius positive persons. As a rule, the actual prevalence of enterobiasis is higher than indicated by a single examination. We suggest using either the values of the mean increase in prevalence after double examinations compared to single examinations or group estimations deduced from individual-level modelled risk predictions.

• 정보과학회 논문지
• /
• 제43권1호
• /
• pp.80-86
• /
• 2016

화행이란 발화 속에 포함되어 있는 화자에 의해 의도된 언어적 행위이다. 대화 시스템에서 입력된 발화에 적합한 화행을 분류하는 것은 중요하다. 기존의 화행분류에 관한 연구는 규칙기반과 기계학습 기반의 방법을 많이 사용한다. 본 논문에서는 대표적인 기계학습 방법인 지지벡터기계(SVM)와 변환기반 학습(TBL)을 조합한 화행 분류 방법을 제안한다. 이를 위해, 화행별 학습 발화의 수에 기반하여 분류 우선순위를 조정함으로써 지지벡터기계의 분류 편향 문제를 해결하였고, 오답일 확률이 높은 분류 결과에 대해서 변환 기반 학습을 통해 생성된 보정 규칙을 적용함으로써 화행분류 성능을 개선하는 방법을 제안한다. 본 논문에서 화행별 학습 발화 수의 차이를 고려한 분류 우선순위 변화와 후보정 규칙을 이용한 화행분류 방법을 실험을 통해 평가하였으며, 이는 학습 발화 수가 낮은 화행의 우선순위를 고려하지 않은 기존의 화행 분류보다 성능이 향상되었다.