K-medoids 군집화로 젖산 곡선 전형·비전형 패턴을 특성화하는 연구

Characterization of Typical and Atypical Lactation Curve Patterns Using K-Medoids Clustering

연구 내용

K-medoids 군집화로 젖산 곡선을 전형·비전형 패턴으로 나누고 예측 오차 차이를 분석하여 LC 특성화 도구를 제공하는 연구

젖산 곡선은 개체의 생리적 상태 변화가 누적된 결과로, 단순 평균형 모델보다 패턴 단위의 해석이 유리합니다. 본 연구에서는 K-medoids clustering을 적용해 LC를 여러 군집으로 분할하고, 군집별 곡선 형태의 전형성과 비전형성을 구분합니다. 전형 패턴에 속한 군집은 데이터의 대부분을 차지하며 비교적 일관된 양상을 보입니다. 반대로 비전형 패턴은 대표 모델 적용 시 예측 오차가 크게 나타나므로, 이를 예외 케이스로 분리해 분석 정확도를 개선하는 전략을 사용합니다. 결과적으로 군집 기반 특성화로 LC 연구의 입력 분류 및 모델 정교화를 지원합니다.

관련 프로젝트

0건

연구 흐름

초기 연구는 2020년 LC 군집화 및 특성화로 시작되었으며, K-medoids 알고리즘을 통해 곡선들을 군집 단위로 정리했습니다. 이후 군집별 대표 패턴을 전형과 비전형으로 분류하고, 기존 모델과 비교하여 예측 오차가 패턴 유형에 따라 달라짐을 확인했습니다. 이 과정에서 전형 패턴은 통계적으로 안정적인 형태를 보이고, 비전형 패턴은 예외 케이스로 간주하는 접근이 유효함을 도출했습니다. 이러한 결과는 후속 데이터 표현 연구에서 입력 품질을 개선하는 근거로 확장되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

LC 군집 특성화 지표
산차·개체군별 성장 비교
예외 패턴 탐지 및 리스크 분류
예측 모델 개선을 위한 데이터 분할
축종·시계열 데이터 확장 전이
농장 운영 전략 수립
통계적 차원 축소 및 군집 분석
모델 검증용 기준 패턴 라이브러리
원시 곡선 품질 이상 감지
설명가능한 패턴 기반 분석