최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Ergonomics Society of Korea = 大韓人間工學會誌, v.29 no.4, 2010년, pp.631 - 637
홍승우 (고려대학교 정보경영공학과) , 박재규 (고려대학교 정보경영공학과) , 박성준 (남서울대학교 산업경영공학과) , 정의승 (고려대학교 정보경영공학과)
The aim of affective engineering is to develop a new product by translating customer affections into design factors. Affective data have so far been analyzed using a multivariate statistical analysis, but the affective data do not always have linear features assumed under normal distribution. Rough ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
감성공학은 어떤 기술인가? | 감성공학은 인간의 감성을 정성, 정량적으로 측정 및 평가하고 이를 제품이나 환경 설계에 응용하여 보다 편리하고 안락하며 안전하게 더 나아가 인간의 삶을 쾌적하게 하고자 하는 기술이다. 즉, 고객의 감성과 제품 설계 요인과의 연관성을 파악하여 신제품을 개발하는 데 활용할 수 있다(Nagamachi, 2008). | |
감성공학은 어떤 기법을 사용하여 감성 데이터를 분석하고 있는가? | 즉, 고객의 감성과 제품 설계 요인과의 연관성을 파악하여 신제품을 개발하는 데 활용할 수 있다(Nagamachi, 2008). 특히 감성공학은 요인분석, 군집분석, 회귀분석과 같은 다변량 통계기법을 사용하여 감성 데이터를 분석하고 있으나, 최근 들어 신경망이론이나 퍼지이론과 같은 의사결정 알고리즘을 활용하여 고객의 감성을 정량화하려는 시도가 이루어지고 있다. 특히 피실험자의 생체 데이터를 신경망이론에 적용하여 감성 추론 모델개발에 이용하고 있다(이동훈 외, 2006). | |
러프집합이론을 통해 Decision Table로 구성된 감성 데이터를 분석할 경우 어떤 장점이 있는가? | 본 연구에서는 러프집합이론을 통해 감성 데이터를 분석하였다. 이러한 방법은 Decision Table로 구성된 감성 데이터를 분석할 경우, 불필요한 조건속성 및 중복되는 규칙을 제거할 수 있으며 감성 지식을 추출할 수 있는 장점을 지니고 있다(Pawlak, 1991). 이에 따라 고객 감성에 있어서 러프집합이론을 제품 평가 및 분석에 활용하고 있는 추세이며, 러프집합이론은 고객의 감성과 설계변수간의 연관성을 파악하는데 적극 활용되고 있다. |
변증남, 방원철, 러프집합의 이론과 응용, 청문각, 2006.
손창식, 정환묵, 퍼지추론에서 러프집합을 이용한 감성 데이터의 분류, Proceedings of KFIS Fall Conference, 14(2), 2004.
이동훈, 김대욱, 심귀보, MLP에 기반한 감성인식 모델개발, Proceedings of KFIS Spring Conference, 16(1), 2006.
서완석, 김재련, 러프집합이론과 SOM을 이용한 연속형 속성의 이산화, Journal of the Society of Korea Industrial and Systems Engineering, 28(1), 2005.
유재진, 김재련, 러프집합을 이용한 의사결정나무의 노드 선택 방법, 한국산업경영시스템학회 2003 추계학술대회 논문집, 2003.
Nagamachi, M., Okazaki, Y. and Ishikawa M., Kansei engineering and application of the rough sets model, Proc. IMechE Special Issue Paper, 220(1), 2006.
Nagamachi, M., Perspectives and new trend of Kansei/Affective Engineering, TQM Journal, 2008.
Pawlak, Z., Rough sets: theoretical aspects of reasoning about data, Kluwer Academy Publisher, 1991.
Yan, H-B., Huynh, V-N., Murai, T. and Nakamori, Y., Kansei evaluation based on prioritized multi-attribute fuzzy target-oriented decision analysis, Information Sciences, 178, 4080-4093, 2008.
Zhai, L-Y., Khoo, L-P. and Zhong, Z-W., A rough set based decision support approach to improving consumer affective satisfaction in product design, International Journal of Industrial Ergonomics, 39, 295-302, 2009.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.