가스 크로마토그래피 질량 분석법을 이용한 발 냄새 데이터로부터 성별 분류하기 = Using foot odor for sex prediction by Gas Chromatography Mass Spectrometry

국문 초록 (Abstract)

기체 크로마토그래피 질량분석법(Gas Chromatography / Mass Spectrometry, GC/MS)은 혼합물의 화학적 구성 성분을 확인하는 방법이다. 본 연구에서는 양말에서 채취한 발 냄새의 화학적 성분으로 양말을 신었던 사람의 성별을 구별하고자 한다. GC/MS를 이용한 발 냄새의 화학적 성분 자료를 얻기 위해 27명의 실험참가자가 하루 8시간 이상 신은 양말을 사용한다. 각 실험참가자는 5일씩 2,3회에 걸쳐 실험에 참여했으며 분석에 사용된 양말 자료는 총 380개다. 체류 시간에 따른 질량 대 전하비로 구성된 각 개별 관측 자료는 분석을 위해 1차원으로 변환하였다. 이후, Optimized bucketing 방법을 통해 정렬 오류를 완화하고 Baseline correction을 통해 기존 양말 자체의 화학적 성분의 영향을 제거하는 전처리를 진행하였다. 전처리된 자료를 이용하여 분류 모형을 구축하였다. 분류 모형으로는 벌점화 로지스틱 회귀 모형과 의사 결정 나무기반의 앙상블 모형인 Randomforest, eXtreme Gradient Boosting(XGBoost), 인공 신경망 모형인 Feed Forward Neural Network(FFNN)를 사용하였다. 훈련 자료와 평가 자료의 임의 분할을 50번 반복하여 분석한 결과, FFNN 모형의 성능이 정확도 83.35%로 가장 우수한 성능을 보임을 확인하였다.

목차 (Table of Contents)

• 1. 서론 6
• 2. 자료 설명 및 전처리 7
• 2.1. GC/MS 자료의 개요 7
• 2.2. 자료의 전처리 8
• 3. 이진 분류 모형 11
• 3.1. 벌점화 로지스틱 모형 12
• 3.2. 의사결정 나무 기반 앙상블 모형 13
• 3.2.1. 랜덤포레스트(RandomForest) 13
• 3.2.2. XGboost(eXtreme Gradient Boosting) 14
• 3.3 인공신경망(Feed Forward Neural Network) 16
• 4. 성별 분류 성능 비교 17
• 5. 결론 20