View : 259 Download: 0

Full metadata record

DC Field Value Language
dc.contributor.advisor이동환-
dc.contributor.author조민지-
dc.creator조민지-
dc.date.accessioned2018-03-06T16:32:05Z-
dc.date.available2018-03-06T16:32:05Z-
dc.date.issued2018-
dc.identifier.otherOAK-000000147719-
dc.identifier.urihttp://dcollection.ewha.ac.kr/common/orgView/000000147719en_US
dc.identifier.urihttp://dspace.ewha.ac.kr/handle/2015.oak/240858-
dc.description.abstract인터넷 게임 중독과 알코올 중독을 각각 행동 중독과 물질 중독으로 분류된다. 그러나 인터넷 게임 중독과 알코올 중독은 일부 연구에서 신경 생물학적 메커니즘과 심리적 요인 면에서 비슷한 것으로 알려져 있다. 인터넷 게임 중독과 알코올 중독은 임상, 신경인지 데이터로 판단하고 있으나 심리적 요인 면에서 비슷하기 때문에 구분이 어렵다. 따라서 임상, 신경인지 데이터, 그리고 휴식 상태의 정량화 뇌파 검사(QEEG) 데이터를 사용해 두 가지 중독을 잘 구분하기 위한 분류 모델을 개발할 것이다. SVM, Random Forest, 및 Sparse logistic regression, Boosting과 같은 기존의 감독 학습 기법의 예측 성능을 비교해 두 중독을 판단할 뿐만 아니라 정상, 인터넷 게임 중독, 알코올 중독을 구분할 수 있는 최종 모델을 결정할 것이다. 또한 정량화 뇌파 검사(QEEG) 데이터에서 관련 예측 변수와 그 조합을 식별해내어 분류 정확도를 향상 시킬 것이다. 추가로 차원 감소 및 특징 선택을 포함하는 2단계 절차를 통해 각 중독에 대해 정량화 뇌파 검사(QEEG)를 이용해 하위 유형을 클러스터링 할 수 있는 특성을 제공할 것이다.;Internet game addiction and alcohol addiction are classified as behavior addiction and substance addiction, respectively. However, Internet game addiction and alcoholism are known to be similar in terms of neurobiological mechanisms and psychological factors in some studies. Internet game addiction and alcoholism are judged by clinical and neurocognitive data, but they are difficult to distinguish because they are similar in terms of psychological factors. Therefore, we will develop a classification model to distinguish between the two addictions using clinical, neurocognitive, and resting QEEG data. We will compare the predictive performance of existing supervised learning techniques such as SVM, Random Forest, and Sparse logistic regression and Boosting to determine the final model to distinguish between normal, internet game addiction and alcoholism, as well as judging the addiction. We will also improve classification accuracy by identifying related predictive variables and their combinations in quantitative EEG (QEEG) 26data. We will also provide the ability to clustering subtypes using quantitative EEG (QEEG) for each addiction through a two-step procedure that includes additional dimensionality reduction and feature selection.-
dc.description.tableofcontentsⅠ. 서론 1 A. 연구의 배경 및 목적 1 Ⅱ. 분석 자료 설명 3 A. 데이터 설명 3 B. Clinical data 3 C. Neurocognitive functioning test (NCFT) 4 D. Resting-state QEEG 6 Ⅲ. 방법론 8 A. LASSO 회귀 모형 8 B. SVM 8 C. Random Forest 9 D. Gradient Boosting 9 E. Xgboost 10 F. SIS 10 Ⅳ. 분석결과 12 A. 모형평가 12 B. 분석결과 12 1. 각 방법론에 따른 비교 12 2. SIS방법으로 변수 추출 후 비교 17 Ⅴ. 결론 23 참고문헌 24 ABSTRACT 25-
dc.formatapplication/pdf-
dc.format.extent855824 bytes-
dc.languagekor-
dc.publisher이화여자대학교 대학원-
dc.subject.ddc500-
dc.title정량화 뇌파 검사 자료를 활용한 인터넷 게임 중독 예측 모형 연구-
dc.typeMaster's Thesis-
dc.title.translatedA study of Internet game addiction prediction Model based on QEEG data-
dc.format.pagev, 26 p.-
dc.contributor.examiner이동환-
dc.contributor.examiner임용빈-
dc.contributor.examiner소병수-
dc.identifier.thesisdegreeMaster-
dc.identifier.major대학원 통계학과-
dc.date.awarded2018.2-
Appears in Collections:
일반대학원 > 통계학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE