http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 윤영미(Youngmi Yoon) (검색결과 31 건)
- 무료
- 기관 내 무료
- 유료
-
2 단계 접근법을 통한 통합 마이크로어레이 데이타의 분류기 생성
윤영미(Youngmi Yoon),이종찬(Jongchan Lee),박상현(Sanghyun Park) 한국정보과학회 2007 정보과학회논문지 : 데이타베이스 Vol.34 No.1
마이크로어레이 데이타는 동시에 수 만개 유전자의 발현 값을 포함하고 있기 때문에 질병의 발현 형질 분류에 매우 유용하게 쓰인다. 그러나 동일한 생물학적 주제라 할지라도 여러 독립된 연구 집단에서 생성된 마이크로어레이의 분석결과는 서로 다르게 나타날 수 있다. 이에 대한 주된 이유는 하나의 마이크로어레이 실험에 참여한 샘플의 수가 제한적이기 때문이다. 따라서 개별적으로 수행된 마이크로어레이 데이타를 통합하여 샘플의 수를 늘리는 것은, 보다 정확한 분석을 하는데 있어 매우 중요하다. 본 연구에서는 이에 대한 해결 방안으로 두 단계 접근방법을 제안한다. 제 1 단계에서는 개별적으로 생성된 동일 주제의 마이크로어레이 데이타를 통합한 후 인포머티브(Informative) 유전자를 추출하고 제 2 단계에서는 인포머티브 유전자만을 이용하여 클래스 분류(Classification) 과정 후 분류자를 추출한다. 이 분류자를 다른 테스트 샘플 데이타에 적용한 실험결과를 보면 마이크로어레이 데이타를 통합하여 샘플의 수를 증가시킬수록, 비교 방법에 비해 정확도가 최대 24.19% 높은 분류자를 만들어 내는 것을 알 수 있다. Since microarray data acquire tens of thousands of gene expression values simultaneously, they could be very useful in identifying the phenotypes of diseases. However, the results of analyzing several microarray datasets which were independently carried out with the same biological objectives, could turn out to be different. One of the main reasons is attributable to the limited number of samples involved in one microarry experiment. In order to increase the classification accuracy, it is desirable to augment the sample size by integrating and maximizing the use of independently-conducted microarray datasets. In this paper, we propose a novel two-stage approach which firstly integrates individual microarray datasets to overcome the problem caused by limited number of samples, and identifies informative genes, secondly builds a classifier using only the informative genes. The classifier from large samples by integrating independent microarray datasets achieves high accuracy up to 24.19% increase as against other comparison methods, sensitivity, and specificity on independent test sample dataset.
-
-
유호신,조혜숙,김윤옥,윤영미,송종례,임지영,김순용,김인아,Ryu Hosihn,Jo Heasook,Kim Yoonok,Yoon Youngmi,Song Jongrae,Lim Ji Young,Khim Soonyong,Kim In-A 한국간호과학회 2005 Journal of Korean Academy of Nursing Vol.35 No.7
Purpose: The purpose of this research was to address the working conditions of home health nurses through a nationwide home health agency survey conducted at hospitals. Method: The mail surveys were sent to 303 home health nurses nation wide and returned with a response rate of $71.8\%$. Result: (a) Seventy-five percent of home health agencies were established within the past5 years and half of home health nurses are over 40 years old. (b) Working conditions were considered as follows: Seventy-one percent of respondents were full-time employees, sixty-sixpercent of home health nurses had unscheduled visits on a regular day of duty and forty-eight percent were on vacation. Fifty-one percent of home health nurses have experienced traffic accidents and paid. penalties ($65.9\%$). Self-reported monthly income level per year was an average of 28,364,000 won. (c) Rates were significantly higher for shoulder pain ($61.5\%$), lower back pain ($54.1\%$), knee pain ($39.4\%$), and gastrointestinal problems ($33.0\%$). Conclusion: These baseline results show the importance of improving home health nursing working conditions, a comprehensive prevention system and safeguards from physical discomfort.
-
-
-
-
-
-
안재균 ( Jaegyoon Ahn ),윤영미 ( Youngmi Yoon ),신은지 ( Eunji Shin ),박상현 ( Sanghyun Park ) 한국정보처리학회 2009 한국정보처리학회 학술대회논문집 Vol.16 No.2
본 논문에서는 이상 표식 유전자를 사용하는 기존 분석방법과 달리, 두 유전자 사이의 관계를 측정하여 정상 클래스와 암 클래스에서의 상관관계가 변화된 정도를 분석하여 차이가 두드러지는 유전자 쌍(gene pair)을 질병 분류자(classifier)로 선택하는 방법을 제시한다. 제안한 암 분류 방법의 실험 결과, 소수의 분류자를 선택하여 높은 정확도로 암을 분류함으로써 그 유용성을 검증하였다.
-
트위터 사용자정보의 유사성을 기반으로 한 팔로어 분류시스템
계용선(Yong-Sun Kye),윤영미(Youngmi Yoon) 한국컴퓨터정보학회 2014 한국컴퓨터정보학회논문지 Vol.19 No.1
Current friend recommendation system on Twitter primarily recommends the most influential twitter. However, this way of recommendation has drawbacks where it does not recommend the users of which attributes of interests are similar to theirs. Since users want other users of which attributes are similar, this study implements follower recommendation system based on the similarity of twitter node informations. The data in this study is from SNAP(Stanford Network Analysis Platform), and it consists of twitter node information of which number of followers is over 10,000 and twitter link information. We used the SNAP data as a training data, and generated a classifier which recommends and predicts the relation between followers. We evaluated the classifier by 10-Fold Cross validation. Once two twitter node informations are given, our model can recommend the relationship of the two twitters as one of following such as: FoFo(Follower Follower), FoFr(Follower Friend), NC(Not Connected).
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
