듀얼 가중치 KNN 알고리즘 기반 건강상태예측 시스템의 설계 및 분석
Design and Analysis of Dual Weighted KNN Algorithm_Based Health Status Prediction System
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
현대 사회에서는 만성질환 및 심혈관 질환의 조기 예측 및 관리가 매우 중요해졌으며, 이를 위해 심박수, 혈압, 혈당과 같은 생체 신호를 기반으로 한 자동 건강 예측 시스템에 대한 연구가 활발히 진행되고 있다. 특히 KNN 알고리즘은 구현이 단순하면서도 특정 조건 하에서 높은 분류 성능을 보이는 비모수(non-parametric) 학습 기법으로, 의료 분야에서의 적용 사례가 다양하게 보고되고 있다. 그러나 기존 KNN은각 속성의 중요도를 동일하게 간주하므로, 실제 임상적 중요도와는 괴리가 존재할 수 있다. 본 연구에서는 기존 KNN모델의 한계성을 극복하기 위해 이웃 샘플의 거리 기반 가중치와 각 특성(feature)의 중요도를 반영하는 특성 가중치를 동시에 적용하는 듀얼 가중치 기반 KNN 분류기를 제안하였다. 특히, 혈당 수치의 영향력을 강조하는 방식으로 가중치를 설계하였으며, 다양한 k값에 따른 성능을 비교하고, 사용자 입력 기반의 실시간 진단 기능을 포함하는 응용 시스템을 구현하였다. 실험 결과 가중치 설정에 따라 예측 정확도가 유의하게 향상됨을 보여주었다.
Abstract
Early prediction of chronic diseases have become increasingly critical in modern healthcare. To support this need, automated health prediction systems using biosignals such as heart rate, blood pressure, and blood glucose levels have been actively studied. Among various classification methods, KNN is widely used due to its simplicity and effectiveness in certain scenarios. However, conventional KNN treats all features as equally important, which may conflict with actual clinical priorities. In this study, we propose a dual-weighted KNN classifier that integrates both distance-based weights and feature-based weights. In particular, the model assigns higher importance to blood glucose levels. We also develop a system that enables real-time health status prediction for user input and evaluate the model across various values of k. Experimental results demonstrate that the proposed approach improves prediction accuracy compared to traditional KNN, validating its effectiveness for health monitoring applications