KR101197215B1 - method for selecting and recommending mattress using regression analysis - Google Patents
method for selecting and recommending mattress using regression analysis Download PDFInfo
- Publication number
- KR101197215B1 KR101197215B1 KR20100067415A KR20100067415A KR101197215B1 KR 101197215 B1 KR101197215 B1 KR 101197215B1 KR 20100067415 A KR20100067415 A KR 20100067415A KR 20100067415 A KR20100067415 A KR 20100067415A KR 101197215 B1 KR101197215 B1 KR 101197215B1
- Authority
- KR
- South Korea
- Prior art keywords
- characteristic data
- independent variable
- mattress
- regression analysis
- regression
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C31/00—Details or accessories for chairs, beds, or the like, not provided for in other groups of this subclass, e.g. upholstery fasteners, mattress protectors, stretching devices for mattress nets
- A47C31/12—Means, e.g. measuring means for adapting chairs, beds or mattresses to the shape or weight of persons
- A47C31/123—Means, e.g. measuring means for adapting chairs, beds or mattresses to the shape or weight of persons for beds or mattresses
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명은 인체 특성에 따라 최적의 매트리스 모델을 선택 및 추천해주기 위한 회귀분석을 이용한 매트리스 모델 선정 방법에 관한 것으로, 실험군에 속하는 다수 사용자의 사용자 특성 데이터 중에서 회귀분석을 위한 독립변수와 종속변수를 결정하는 단계, 상기 독립변수와 상기 종속변수 간의 상관관계 분석을 위한 선형적 회귀 관계식을 정의하는 단계, 상기 실험군에 속하는 다수 사용자의 사용자 특성 데이터를 사용하여 상기 선형적 회귀 관계식의 회귀계수 값에 해당하는 상기 독립변수의 계수 값을 산출하는 단계, 그리고 상기 회귀계수 값을 적용한 상기 선형적 회귀 관계식에 대조군에 속하는 특정 사용자의 사용자 특성 데이터를 대입하여 매트리스 모델을 선정하기 위한 회귀분석 결과를 산출하는 단계로 이루어지는 것이 특징인 발명이다.The present invention relates to a method for selecting a mattress model using a regression analysis for selecting and recommending an optimal mattress model according to the characteristics of a human body, and among the user characteristics data of a plurality of users belonging to an experimental group, determining independent and dependent variables for regression analysis. Defining a linear regression equation for correlation analysis between the independent variable and the dependent variable, and using the user characteristic data of a plurality of users belonging to the experimental group to correspond to the regression coefficient value of the linear regression equation. Calculating a coefficient value of the independent variable, and calculating a regression analysis result for selecting a mattress model by substituting user characteristic data of a specific user belonging to a control group into the linear regression equation to which the regression coefficient value is applied. It is an invention characterized by being made.
Description
본 발명은 인체 특성에 따라 최적의 매트리스 모델을 선택 및 추천해주기 위한 회귀분석을 이용한 매트리스 모델 선정 방법에 관한 것이다.The present invention relates to a mattress model selection method using regression analysis for selecting and recommending an optimal mattress model according to the characteristics of the human body.
최근 대부분의 사람들은 침대에서 수면을 취하고 있다. 수면 중에 침대가 불편하면 숙면을 취하지 못하여 생체 피로를 더해주게 된다. 생체 피로와 가장 밀접하게 관련된 매트리스는 침대에서 가장 중요한 부분이다.Most people have been sleeping in bed lately. If your bed is uncomfortable during sleep, you will not sleep well, adding to your body fatigue. The mattress most closely associated with living fatigue is the most important part of a bed.
매트리스에 누웠을 때 사람의 체압분포가 고르게 분포될 때 양호한 수면을 취하게 되는 것이 일반적이다. 그러나 체압분포가 고르게 분포되지 않으면 허리 부위가 심하게 굽어진다거나 다른 특정 부위에 자세가 틀어져 생체 피로를 가중시키게 되는 것이다. 특히, 너무 단단한 매트리스를 사용하거나 너무 푹신한 매트리스를 사용하는 경우에, 허리의 자연스러운 굴곡을 유지하기가 어렵게 되므로 양호한 수면을 보장할 수 없다.When lying on a mattress, it is common to get a good night's sleep when the body pressure distribution is evenly distributed. However, if the distribution of body pressure is not evenly distributed, the waist may be severely bent or the posture may be misaligned to other specific parts, thereby increasing the body fatigue. In particular, when using a too hard mattress or using a too soft mattress, it is difficult to maintain the natural curvature of the waist, so that good sleep cannot be guaranteed.
최근에는 다양한 특성을 갖는 매트리스가 계속 출시되고는 있으나 대부분 일반화된 기준에 의해 제작되고 있을 뿐 개인별 적합도는 고려하지 못하고 있는 실정이다. 그러나 개인별 적합도만을 고려하여 매트리스를 제작하는 경우에는 제작 단가가 높아지는 문제도 있으므로 적절한 제작 비용도 고려해야 한다. 따라서, 개인별 적합도를 고려하면서도 매트리스 제작 비용도 고려하여 개인에게 최적의 매트리스를 선정해주기 위한 방안이 요구된다.Recently, mattresses having various characteristics have been continuously released, but most of them are manufactured according to generalized standards, and individual fit is not considered. However, when manufacturing the mattress in consideration of the individual fit only, there is a problem that the manufacturing cost increases, so the appropriate manufacturing cost should also be considered. Therefore, there is a need for a method for selecting an optimal mattress for an individual in consideration of the maturation cost while considering the individual fit.
매트리스의 개인별 적합도를 고려하기 위한 요소로는 개인별 신체특성, 습관, 연령 등의 다양한 변수들을 정의할 수 있을 것이다. 그러나 그런 다양한 변수들을 개인별로 어떻게 적용할 것인가에 대한 방안과, 그 다양한 변수들을 개인별로 적용하여 객관적인 결과를 얻어낼 기준 관계식이 요구된다. As factors for considering the individual fit of the mattress, various variables such as individual physical characteristics, habits, and age may be defined. However, there is a need for a plan on how to apply these various variables to individuals and a standard relational expression to obtain objective results by applying those various variables to individuals.
그러나 어떠한 기준 관계식을 사용할 것인가의 문제가 가장 중요하다. 그리고 그 기준 관계식이 마련된 이후에는 개인별 다양한 변수들을 기준 관계식에 대입한 결과에 기반하여 최적의 매트리스를 선정하는 과정이 중요하다.However, the question of which reference relation to use is most important. After the reference relation is prepared, it is important to select the optimal mattress based on the result of substituting various variables into individual reference relations.
본 발명의 목적을 상기한 점을 감안하여 안출한 것으로, 개인별로 정의할 수 있는 신체특성, 습관, 연령 등의 다양한 변수들을 산출하고, 그 산출된 변수들을 회귀분석에 근거하는 다중 관계식에 적용함으로써 가장 적합한 최적의 매트리스를 선정하게 해주는 회귀분석을 이용한 매트리스 모델 선정 방법을 제공하는 데 있다.In view of the above, the object of the present invention was devised, and various variables such as physical characteristics, habits, and ages that can be defined by individuals are calculated, and the calculated variables are applied to multiple relational expressions based on regression analysis. The purpose of the present invention is to provide a method for selecting a mattress model using regression analysis that selects the most suitable mattress.
상기한 목적을 달성하기 위한 본 발명에 따른 회귀분석을 이용한 매트리스 모델 선정 방법의 특징은, 실험군에 속하는 다수 사용자의 사용자 특성 데이터 중에서 회귀분석을 위한 독립변수와 종속변수를 결정하는 단계, 상기 독립변수와 상기 종속변수 간의 상관관계 분석을 위한 선형적 회귀 관계식을 정의하는 단계, 상기 실험군에 속하는 다수 사용자의 사용자 특성 데이터를 사용하여 상기 선형적 회귀 관계식의 회귀계수 값에 해당하는 상기 독립변수의 계수 값을 산출하는 단계, 상기 회귀계수 값을 적용한 상기 선형적 회귀 관계식에 대조군에 속하는 특정 사용자의 사용자 특성 데이터를 대입하여 매트리스 모델을 선정하기 위한 회귀분석 결과를 산출하는 단계로 이루어지는 것이다.The characteristics of the mattress model selection method using the regression analysis according to the present invention for achieving the above object, the step of determining the independent variable and the dependent variable for regression analysis among the user characteristic data of a plurality of users belonging to the experimental group, the independent variable Defining a linear regression equation for correlation analysis between the dependent variable and coefficient values of the independent variable corresponding to the regression coefficient value of the linear regression equation using user characteristic data of a plurality of users belonging to the experimental group. Calculating a regression analysis result for selecting a mattress model by substituting user characteristic data of a specific user belonging to a control group into the linear regression equation to which the regression coefficient value is applied.
바람직하게, 상기 회귀분석 결과는 상기 대조군에 속하는 특정 사용자의 사용자 특성 데이터를 상기 독립변수로써 대입하여 산출되는 상기 종속변수 값일 수 있다.Preferably, the regression analysis result may be the dependent variable value calculated by substituting user characteristic data of a specific user belonging to the control group as the independent variable.
바람직하게, 상기 사용자 특성 데이터는 상기 실험군에 속하는 다수 사용자 또는 상기 대조군에 속하는 특정 사용자에 대해 측정한 신체특성 데이터와, 상기 실험군에 속하는 다수 사용자 또는 상기 대조군에 속하는 특정 사용자의 설문 결과에 근거한 개인 신상 및 습관을 포함하는 개인특성 데이터를 포함할 수 있다. 여기서, 상기 신체특성 데이터는 체압 분포, 심박수, 산소 포화도 및 근육 이완도를 포함하되, 상기 실험군에 속하는 다수 사용자에 대해 측정한 상기 체압 분포 및 심박수 중 적어도 하나와 상기 실험군에 속하는 다수 사용자의 상기 개인 특성 데이터를 상기 독립변수의 카테고리로 정의하고, 상기 실험군에 속하는 다수 사용자에 대해 측정한 상기 근육 이완도를 상기 종속변수의 카테고리로 정의할 수 있다. 또한, 상기 실험군에 속하는 다수 사용자에 대해 측정한 상기 산소 포화도를 상기 독립변수의 카테고리로 더 정의할 수 있다.Preferably, the user characteristic data is an individual image based on physical characteristic data measured for a plurality of users belonging to the experimental group or a specific user belonging to the control group and a questionnaire result of a plurality of users belonging to the experimental group or a specific user belonging to the control group. And personal characteristic data including habits. Here, the body characteristic data includes body pressure distribution, heart rate, oxygen saturation, and muscle relaxation, and includes at least one of the body pressure distribution and heart rate measured for the plurality of users belonging to the experimental group and the individual of the plurality of users belonging to the experimental group. The characteristic data may be defined as a category of the independent variable, and the muscle relaxation measured for a plurality of users belonging to the experimental group may be defined as a category of the dependent variable. In addition, the oxygen saturation measured for a plurality of users belonging to the experimental group may be further defined as a category of the independent variable.
상기 회귀분석 결과는 상기 실험군에 속하는 다수 사용자에 대한 상기 체압 분포 및 심박수 중 적어도 하나와 상기 실험군에 속하는 다수 사용자의 상기 개인 특성 데이터를 포함하는 상기 독립변수를 적용한 상기 선형적 회귀 관계식으로부터 상기 대조군에 속하는 특정 사용자의 상기 근육 이완도를 나타내는 상기 종속변수를 예측한 값일 수 있다.The regression analysis result is obtained from the linear regression equation applying the independent variable including at least one of the body pressure distribution and heart rate of the plurality of users belonging to the experimental group and the personal characteristic data of the plurality of users belonging to the experimental group. The dependent variable representing the muscle relaxation of a specific user belonging to may be a value predicted.
바람직하게, 상기 독립변수의 계수 값을 산출하기 위해, 상기 실험군에 속하는 다수 사용자의 사용자 특성 데이터를 측정하는 단계를 더 포함할 수 있다.Preferably, the method may further include measuring user characteristic data of a plurality of users belonging to the experiment group to calculate coefficient values of the independent variable.
바람직하게, 상기 독립변수의 계수 값을 산출하는 단계는 상기 실험군에 속하는 다수 사용자의 사용자 특성 데이터를 사용자 연령대별로 분리하여 연령대별 사용자 특성 데이터를 산출하고, 상기 산출된 연령대별 사용자 특성 데이터를 각각 사용하여 연령대별로 상기 독립변수의 계수 값을 산출하는 것이다.Preferably, the step of calculating the coefficient value of the independent variable is to separate the user characteristic data of a plurality of users belonging to the experimental group for each user age group to calculate the user characteristic data for each age group, and use the calculated user characteristic data for each age group, respectively By calculating the coefficient value of the independent variable for each age group.
바람직하게, 상기 선형적 회귀 관계식은, 종속변수(y) = 제1 독립변수 계수 값*X1 + 제2 독립변수 계수 값*X2 + 제3 독립변수 계수 값*X3 로 정의되는 다중 회귀 관계식이고, 상기 독립변수의 계수 값은 제1 내지 3 독립변수 계수 값을 포함하며, 상기 독립변수는 상기 대조군에 속하는 특정 사용자의 사용자 특성 데이터에 기반하여 서로 다른 카테고리를 나타내는 X1, X2, 그리고 X3 를 포함할 수 있다.Preferably, the linear regression relation is a multiple regression defined as dependent variable (y) = first independent variable coefficient value * X 1 + second independent variable coefficient value * X 2 + third independent variable coefficient value * X 3 relational expression, and the coefficients of the independent variables are the first to 3 comprises a stand-variable coefficients, the independent variables X 1, X 2 representing different categories based on the user characteristic data of a particular user belonging to the control group. And X 3 .
바람직하게, 매트리스의 강도를 기준으로 제1 내지 N개의 매트리스 모델을 설정하는 단계를 더 포함하며, 상기 제1 내지 N개의 매트리스 모델 중 상기 산출된 회귀분석 결과에 대응되는 적어도 하나의 매트리스 모델을 선정하는 단계를 더 포함할 수 있다.The method may further include setting first to N mattress models based on the strength of the mattress, and selecting at least one mattress model corresponding to the calculated regression analysis result among the first to N mattress models. It may further comprise the step.
본 발명에 따르면, 독립변수와 종속변수 간의 상관관계 분석을 위한 선형적 다중 회귀 관계식을 정의하고, 실험군에 속하는 다수 사용자에 대해 측정한 각 신체특성 데이터(예로써, 체압 분포, 심박수, 산소 포화도)와 그 실험군에 속하는 다수 사용자의 설문 결과에 대한 개인 신상 및 습관을 포함하는 개인특성 데이터가 포함된 일반화된 사용자 특성 데이터를 사용하여 선형적 다중 회귀 관계식의 독립변수에 해당하는 다수 회귀계수 값을 산출하고, 다시 독립변수가 결정된 선형적 다중 회귀 관계식에 원하는 대조군에 속하는 특정 사용자의 특성 데이터를 대입하여 종속변수를 산출함으로써, 하나 또는 그 이상의 매트리스 모델을 선정한다.According to the present invention, a linear multiple regression equation for correlation analysis between independent and dependent variables is defined, and each body characteristic data (for example, body pressure distribution, heart rate, and oxygen saturation) measured for multiple users belonging to the experimental group. Multiple regression coefficient values corresponding to the independent variables of the linear multiple regression equations, using generalized user characteristic data including personal characteristics and habits of the survey results of multiple users in the experimental group. Then, one or more mattress models are selected by substituting the characteristic data of a specific user belonging to the desired control group in the linear multiple regression relationship in which the independent variable is determined, and calculating the dependent variable.
결국, 회귀분석에 근거한 선형적 다중 회귀 관계식은 최적의 매트리스 모델을 선정하기 위한 객관적 기준이 되는 것이며, 그 객관적 기준이 마련됨에 따라 개인별 적합도를 고려한 최상의 매트리스 추천 서비스를 제공해줄 수 있다.As a result, the linear multiple regression relation based on the regression analysis becomes an objective criterion for selecting an optimal mattress model, and as the objective criterion is prepared, it can provide the best mattress recommendation service considering individual suitability.
또한, 고객이 가장 적합한 침대 매트리스를 선택할 수 있도록 도와주기 때문에 고객의 신체적 장애의 유발이 없을 것이며 숙면에 많은 도움을 줄 것이다. In addition, it will help the customer choose the most suitable bed mattress, so there will be no physical disturbance of the customer and it will help a good night's sleep.
도 1은 본 발명에 적용된 제1 내지 N개의 매트리스 모델에 대해 강도 차이를 측정하여, 매트리스 모델에 대해서 강도에 따른 군집 분석을 실시한 예를 나타낸 테이블.
도 2는 본 발명에 따른 회귀분석을 이용한 매트리스 모델 선정 절차를 나타낸 흐름도.1 is a table showing an example in which the strength difference is measured for the first to N mattress models applied to the present invention, and the cluster analysis according to the strength is performed on the mattress model.
2 is a flow chart showing a mattress model selection procedure using the regression analysis according to the present invention.
본 발명의 다른 목적, 특징 및 이점들은 첨부한 도면을 참조한 실시 예들의 상세한 설명을 통해 명백해질 것이다.Other objects, features and advantages of the present invention will become apparent from the detailed description of the embodiments with reference to the accompanying drawings.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예의 구성과 그 작용을 설명하며, 도면에 도시되고 또 이것에 의해서 설명되는 본 발명의 구성과 작용은 적어도 하나의 실시 예로서 설명되는 것이며, 이것에 의해서 상기한 본 발명의 기술적 사상과 그 핵심 구성 및 작용이 제한되지는 않는다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a configuration and an operation of an embodiment of the present invention will be described with reference to the accompanying drawings, and the configuration and operation of the present invention shown in and described by the drawings will be described as at least one embodiment, The technical idea of the present invention and its essential structure and action are not limited.
이하, 첨부한 도면을 참조하여 본 발명에 따른 회귀분석을 이용한 매트리스 모델 선정 방법의 바람직한 실시 예를 자세히 설명한다. Hereinafter, exemplary embodiments of a mattress model selection method using regression analysis according to the present invention will be described in detail with reference to the accompanying drawings.
본 발명에서는 제1 내지 N개의 매트리스 모델을 적용하고, 다음에 설명되는 매트리스 모델 선정 절차의 회귀분석 결과 값에 대응되는 적어도 하나의 매트리스 모델을 제1 내지 N개의 매트리스 모델 중에서 선정한다.In the present invention, the first to N mattress models are applied, and at least one mattress model corresponding to the regression analysis result value of the mattress model selection procedure described below is selected from the first to N mattress models.
또한, 본 발명에서는 회귀분석을 이용한다. 회귀분석은 두 개의 변수가 주어진 경우에 한 변수로부터 다른 변수를 예측하거나 두 변수 사이에 관계를 규명하는데 이용된다. In the present invention, regression analysis is used. Regression analysis is used to predict other variables from one variable or to identify relationships between two variables, given two variables.
특히, 본 발명에서는 다중 회귀분석을 이용하는데, 독립변수와 종속변수 사이의 상관관계에 따른 수학적 모델인 선형적 다중 회귀 관계식을 결정하고, 어떤 독립변수가 주어졌을 때 그에 따른 선형적 다중 회귀 관계식에서의 종속변수를 예측하는 과정을 매트리스 모델 선정에 이용한다.In particular, in the present invention, multiple regression analysis is used. A linear multiple regression equation, which is a mathematical model according to the correlation between independent and dependent variables, is determined, and when a given independent variable is given, the linear multiple regression equation is used. The process of predicting the dependent variable of is used to select the mattress model.
본 발명에서는 독립변수로써 실험군에 속하는 연령대별 다수 사용자에 대한 신체특성 데이터와 그 실험군에 속하는 다수 사용자에 대한 설문한 개인특성 데이터를 이용한다.In the present invention, as an independent variable, physical characteristic data of a plurality of users by age group belonging to an experimental group and personal characteristic data questioned about a plurality of users belonging to the experimental group are used.
예로써, 독립변수로써 체압분포(X1), 심박수(X2), 개인특성(설문 데이터)(X3), 그리고 산소 포화도(X4)를 이용할 수 있으며, 이러한 독립변수를 이용하여 종속변수인 근육 이완도(y)를 예측하는 다중 회귀분석을 사용한다. For example, body pressure distribution (X 1 ), heart rate (X 2 ), personal characteristics (survey data) (X 3 ), and oxygen saturation (X 4 ) can be used as independent variables. Multiple regression analysis is used to predict phosphorus muscle relaxation (y).
상기에서 체압분포(X1)는 신체 특정부위에 대한 압력집중도를 변수로 정의한 것이고, 심박수(X2)와 산소 포화도(X4)와 근육 이완도(y)는 생체신호를 정량화할 수 있는 변수로 정의한 것이고, 개인특성 데이터(X3)는 개인 신상, 매트리스 사용 습관 등 개인특성이나 주관적 만족도를 주관적 변수로 정의한 것으로, 실험군에 속하는 다수 사용자의 설문 결과에 근거한 개인 신상 및 습관을 포함하는 데이터이다. In the above, the body pressure distribution (X 1 ) is defined as the concentration of pressure on a specific part of the body as a variable, heart rate (X 2 ), oxygen saturation (X 4 ) and muscle relaxation (y) is a variable that can quantify the bio-signal The personal characteristic data (X 3 ) is defined as subjective variables such as personal characteristics and subjective satisfaction, such as personal identity and mattress usage habits, and is a data including personal characteristics and habits based on the results of a plurality of users belonging to the experimental group. .
그리고, 본 발명에서는 실험군에 속하는 다수 사용자를 연령별로 구분하고, 각 연령별로 상관관계 분석을 한 결과를 이용한다.In the present invention, a plurality of users belonging to the experimental group are classified by age, and the result of correlation analysis for each age is used.
특히, 상기에서 산소 포화도(X4)를 제외한 나머지 데이터들 즉, 체압분포(X1), 심박수(X2), 그리고 개인특성 데이터(X3)는 근육 이완도(y)와 상관성 특히, 양의 상관관계를 가지고 있다는 상관분석 결과를 이용하여, 체압분포(X1), 심박수(X2) 및 개인특성 데이터(X3)를 기본적인 독립변수로 결정한다.In particular, the above data except for oxygen saturation (X 4 ), namely body pressure distribution (X 1 ), heart rate (X 2 ), and personal characteristic data (X 3 ) correlate with muscle relaxation (y), in particular, Based on the correlation analysis result, the body pressure distribution (X 1 ), heart rate (X 2 ) and personal characteristic data (X 3 ) are determined as basic independent variables.
상세하게, 종속변수인 근육 이완도(y)에 영향력이 있는 체압분포(X1), 심박수(X2), 그리고 개인특성 데이터(X3)를 독립변수로 결정한다. 별도의 예로써, 상기 산소 포화도(X4)는 독립변수에서 제외될 수도 있고 포함될 수도 있는데, 이는 선택적 사항이다.In detail, body pressure distribution (X 1 ), heart rate (X 2 ), and personal characteristic data (X 3 ), which have an influence on the dependent muscle relaxation (y), are determined as independent variables. As another example, the oxygen saturation (X 4 ) may be excluded or included in the independent variable, which is optional.
도 2는 본 발명에 따른 회귀분석을 이용한 매트리스 모델 선정 절차를 나타낸 흐름도이다.2 is a flowchart illustrating a mattress model selection procedure using regression analysis according to the present invention.
도 2를 참조하면, 실험군에 속하는 다수 사용자의 사용자 특성 데이터 중에서 회귀분석을 위한 독립변수와 종속변수를 결정한다(S10). 독립변수와 종속변수는 상관관계 분석을 통해 결정된다.Referring to FIG. 2, independent and dependent variables for regression analysis are determined among user characteristic data of a plurality of users belonging to an experimental group (S10). Independent and dependent variables are determined by correlation analysis.
여기서, 독립변수와 종속변수는 전술된 상관관계 분석을 통해 결정되는데, 본 발명에서는 근육 이완도(y)를 종속변수로 결정하고, 체압분포(X1)와 심박수(X2)와 개인특성 데이터(X3)를 독립변수로 결정한다. 물론 선택적으로 산소 포화도(X4)를 독립변수로 더 결정할 수 있다. Here, the independent variable and the dependent variable are determined through the correlation analysis described above. In the present invention, muscle relaxation (y) is determined as the dependent variable, and the body pressure distribution (X 1 ), heart rate (X 2 ), and personal characteristic data are determined. Determine (X 3 ) as an independent variable. Optionally, of course, the oxygen saturation (X 4 ) can be further determined as an independent variable.
상기 결정된 독립변수와 종속변수 간의 상관관계 분석을 위한 선형적 다중 회귀 관계식을 정의한다(S20).A linear multiple regression relation for the correlation analysis between the determined independent variable and the dependent variable is defined (S20).
본 발명에서, 선형적 다중 회귀 관계식은 아래 식 1과 같이 정의할 수 있다.In the present invention, the linear multiple regression relation may be defined as in
[수학식 1][Equation 1]
종속변수(y) = 제1 독립변수의 계수 값*X1 + 제2 독립변수의 계수 값*X2 + 제3 독립변수의 계수 값*X3 + BDependent variable (y) = coefficient value of the first independent variable * X 1 + coefficient value of the second independent variable * X 2 + coefficient value of the third independent variable * X 3 + B
식 1에서와 같이 독립변수의 계수 값은 제1 내지 3 독립변수 계수 값을 포함하며, 독립변수는 상기 대조군에 속하는 특정 사용자의 사용자 특성 데이터에 기반하여 서로 다른 카테고리를 나타내는 X1, X2, 그리고 X3 를 포함한다. 특히, 제1 내지 3 독립변수 계수 값은 실험군에 속하는 다수 사용자의 사용자 특성 데이터에 의해 산출되며, 독립변수 X1, X2, 그리고 X3 는 종속변수(y)를 예측하기 위해 식 1에 대입되는 대조군에 속하는 특정 사용자의 사용자 특성 데이터에 해당한다.As in
즉, 상기 식 1에서 X1, X2, 그리고 X3는 종속변수(y)를 산출하기 위해 대입되는 값으로써, 대조군에 속하는 특정 사용자의 사용자 특성 데이터에 해당한다. 그리고 X1, X2, 그리고 X3에 기반하여 독립변수의 서로 다른 카테고리를 나타낼 수 있다.That is, in
전술된 바와 같이 상관관계 분석을 통해 X1은 체압분포 X2는 심박수, 그리고 X3는 설문 결과에 따른 개인특성에 대한 각 독립변수의 카테고리를 나타내며, 그에 따라 제1 독립변수 계수 값은 근육 이완도(y)에 대한 체압분포의 상관성을 나타내는 계수 값이고, 제2 독립변수 계수 값은 근육 이완도(y)에 대한 심박수의 상관성을 나타내는 계수 값이고, 제3 독립변수 계수 값은 근육 이완도(y)에 대한 개인특성의 상관성을 나타내는 계수 값이다.As described above, through correlation analysis, X 1 represents the body pressure distribution X 2 represents the heart rate, and X 3 represents the category of each independent variable for the personal characteristics according to the survey results, and accordingly, the first independent variable coefficient value represents muscle relaxation. A coefficient value representing the correlation of the body pressure distribution with respect to the degree (y), the second independent variable coefficient value is a coefficient value representing the correlation of the heart rate with respect to the muscle relaxation (y), and the third independent variable coefficient value is the muscle relaxation degree A coefficient value representing the correlation of personal characteristics with respect to (y).
한편, 전술한 바와 같이 근육 이완도(y)에 대한 산소 포화도의 상관성을 나타내는 제4 독립변수 계수 값과 그 산소 포화도에 대한 독립변수 카테고리 X4를 상기 식 1의 선형적 다중 회귀 관계식에 더 적용할 수도 있다. Meanwhile, as described above, the fourth independent variable coefficient value indicating the correlation of oxygen saturation with respect to muscle relaxation y and the independent variable category X 4 for the oxygen saturation are further applied to the linear multiple regression equation of
본 발명에서 종속변수에 대해 상관성(상관관계)이 높은 독립변수들이 양의 선형관계(positive relationship)가 있다는 점을 이용한다. 여기서, 산소 포화도는 종속변수의 카테고리에 해당하는 근육 이완도와 상관관계가 적게 나타나므로, 독립변수로써 제외될 수도 있는 것이다.In the present invention, the independent variables having a high correlation (correlation) with respect to the dependent variable have a positive linear relationship. Here, the oxygen saturation is less correlated with the muscle relaxation corresponding to the category of the dependent variable, it may be excluded as an independent variable.
또한, 본 발명의 상기 식 1에는 상수 값(B)을 더 적용될 수 있는데, 그 상수 값은 선형적 다중 회귀 관계식에서 종속변수를 예측하기 위해 더해지는 값이다. 즉, 본 발명에 따른 선형적 다중 회귀 관계식은 다른 독립변수들의 항과 함께 상수 항(B)을 포함할 수 있다. In addition, a constant value (B) may be further applied to
한편, 상기 식 1에서 제1 및 3 독립변수 계수 값과 상수(B)는 양의 값을 가지며, 제2 독립변수 계수 값은 음의 값을 갖는다.Meanwhile, in
이어, 상기 결정된 독립변수의 각 계수 값을 산출한다(S30). 여기서, 독립변수의 각 계수 값을 산출하기 위해, 본 발명에서는 실험군에 속하는 다수 사용자의 사용자 특성 데이터를 측정하는데, 그 사용자 특성 데이터는 실험군에 속하는 다수 사용자에 대해 측정한 신체특성 데이터와, 그 실험군에 속하는 다수 사용자에 대한 개인 신상 및 습관(예로써, 수면시간이나 자세 등)을 포함하는 설문 결과에 근거한 개인특성 데이터를 포함한다. 바람직하게, 신체특성 데이터는 체압 분포, 심박수, 산소 포화도 및 근육 이완도를 포함한다.Subsequently, each coefficient value of the determined independent variable is calculated (S30). Here, in order to calculate each coefficient value of the independent variable, in the present invention, the user characteristic data of a plurality of users belonging to the experimental group is measured, the user characteristic data measured for the plurality of users belonging to the experimental group and the experimental group Personal characteristic data based on questionnaire results including personal identification and habits (e.g., sleep time, posture, etc.) for multiple users belonging to. Preferably, the body characteristic data includes body pressure distribution, heart rate, oxygen saturation and muscle relaxation.
상기와 같은 신체특성 데이터는 매트리스 압력 집중도를 측정하는 체압 분포기, 신체 이완도를 측정하는 심박수 측정기 및 산소 포화도 측정기, 또한 허리 근육 이완도를 측정하는 근전도 측정기 등을 사용하여 측정할 수 있다. The physical property data as described above may be measured using a body pressure distribution unit for measuring the mattress pressure concentration, a heart rate monitor for measuring body relaxation, an oxygen saturation meter, and an electromyography monitor for measuring waist muscle relaxation.
한편, 본 발명에서는 독립변수의 계수 값을 산출함에 있어서, 사용자 연령대별로 분리하여 연령대별 사용자 특성 데이터를 산출하고, 그 산출된 연령대별 사용자 특성 데이터를 각각 사용하여 연령대별로 독립변수 계수 값을 산출할 수 있다.In the present invention, in calculating the coefficient value of the independent variable, the user characteristic data for each age group may be calculated by separating user age groups, and the independent variable coefficient value for each age group may be calculated using the calculated user characteristic data for each age group. Can be.
따라서, 상기 식 1은 연령대별로 서로 다른 독립변수 계수 값을 가질 수 있으며, 대조군에 속하는 특정 사용자의 연령을 확인한 후에 그에 맞는 독립변수 계수 값을 적용한 선형적 다중 회귀 관계식을 이용하여 종속변수 값을 예측한다.Therefore,
또한, 도 1의 테이블과 같이, 적용된 제1 내지 N개의 매트리스 모델에 대해 강도 차이를 측정하여, 매트리스 모델에 대해서 강도에 따른 군집 분석을 실시한다. 도 1은 매트리스별 군집 분석의 예를 나타낸 것이다.In addition, as shown in the table of FIG. 1, strength differences are measured for the applied first to N mattress models, and cluster analysis according to the strength is performed on the mattress models. 1 shows an example of cluster analysis by mattress.
도 1에서 제1 매트리스 모델은 1그룹, 제2 및 6 매트리스 모델은 2그룹, 제3 매트리스 모델은 3그룹, 제4 및 5 매트리스 모델은 4그룹, 그리고 제N 매트리스 모델은 5그룹에 해당한다. 결국 각 그룹은 매트리스 강도를 기준으로 분류되며, 강도는 매트리스의 눌림 정도(즉, 특정 기준 압력에 대해 눌린 깊이)에 해당한다.In FIG. 1, the first mattress model corresponds to one group, the second and six mattress models correspond to two groups, the third mattress model corresponds to three groups, the fourth and fifth mattress models correspond to four groups, and the Nth mattress model corresponds to five groups. . Eventually each group is classified on the basis of mattress strength, which corresponds to the degree of depression of the mattress (ie the depth pressed against a particular reference pressure).
한편, 본 발명에서는 신체특성 데이터 및 개인특성 데이터에서 선형적 회귀 관계식의 독립변수와 종속변수에 대한 각 카테고리를 정의한다. 즉, 예로써 측정된 체압 분포와 심박수와 산소 포화도를 개인특성 데이터와 함께 독립변수의 카테고리로 정의하고, 나머지 하나인 근육 이완도를 종속변수의 카테고리로 정의한다.Meanwhile, the present invention defines each category for the independent variable and the dependent variable of the linear regression relation in the body characteristic data and the personal characteristic data. In other words, the measured body pressure distribution, heart rate, and oxygen saturation are defined as categories of independent variables with personal characteristics data, and the other, muscle relaxation, is defined as the category of dependent variables.
이어, 상기에서 언급된 신체특성 데이터 및 개인특성 데이터를 포함하는 실험군의 다수 사용자에 대한 특성 데이터를 사용하여 선형적 회귀 관계식의 다수 회귀계수 값에 해당하는 독립변수의 각 계수 값을 산출한다.Subsequently, each coefficient value of the independent variable corresponding to the multiple regression coefficient value of the linear regression equation is calculated using the characteristic data for the multiple users of the experimental group including the physical characteristic data and the personal characteristic data mentioned above.
마지막으로, 대조군에 속하는 특정 사용자에 대해 측정한 사용자 특성 데이터 즉, 대조군의 신체특성 데이터 및 설문에 근거한 개인특성 데이터를 다수 회귀계수 값을 적용한 선형적 회귀 관계식에 독립변수(X1,X2,X3)로써 대입하여 매트리스 모델을 선정하기 위한 회귀분석 결과를 산출한다(S40,S50).Lastly, the user characteristic data measured for a specific user belonging to the control group, that is, the personal characteristic data based on the control group's body characteristic data and the questionnaire, were used as independent variables (X 1 , X 2 , X 3 ) to calculate the regression analysis results for selecting the mattress model (S40, S50).
상기 산출된 회귀분석 결과는 종속변수에 해당하는 근육 이완도를 나타내는 값으로써, 본 발명에서는 근육 이완도별로 도 1과 같이 분류된 그룹을 미리 설정하고, 실제 산출된 회귀분석 결과가 어느 그룹에 속하는지를 비교하는 과정을 통해 도 1의 제1 내지 N 매트리스 모델 중에서 산출된 회귀분석 결과에 대응되는 적어도 하나의 매트리스 모델을 선정한다.The calculated regression result is a value representing muscle relaxation corresponding to the dependent variable. In the present invention, a group classified as shown in FIG. 1 is preset according to muscle relaxation, and the actual regression analysis result belongs to a group. At least one mattress model corresponding to the regression analysis result calculated from the first to N mattress models of FIG.
다시 말해서, 회귀분석 결과는 실험군에 속하는 다수 사용자에 대한 체압 분포 및 심박수 중 적어도 하나와 또한 실험군에 속하는 다수 사용자의 개인특성 데이터를 포함하는 독립변수를 적용한 선형적 회귀 관계식으로부터 대조군에 속하는 특정 사용자의 근육 이완도를 나타내는 종속변수를 예측한 값이다.In other words, the regression analysis results are based on a linear regression equation applying independent variables including at least one of body pressure distribution and heart rate for multiple users belonging to the experimental group and also personal characteristics data of multiple users belonging to the experimental group. Predicted dependent variable representing muscle relaxation.
이상에서 설명된 본 발명에서는 X1(체압분포), X2(심박수), 그리고 X3(개인특성 데이터)를 독립변수의 카테고리를 나타내는 다중 회귀 관계식을 설명하였다. 그러나 다음의 식 2 및 3과 같이 종속변수(y)인 근육 이완도에 대해 상대적으로 상관성이 낮은 독립변수 카테고리를 제외한 다중 또는 단일 회귀 관계식을 사용할 수도 있다. 식 1을 기준으로 어떤 독립변수 카테고리를 제외시킬 것이냐는 설계자의 선택사항일 수 있다.In the present invention described above, multiple regression equations in which X 1 (body pressure distribution), X 2 (heart rate), and X 3 (personal characteristic data) represent categories of independent variables have been described. However, multiple or single regression equations can be used, except for the less correlated independent variable category for muscle relaxation, the dependent variable (y), as shown in
[수학식 2]&Quot; (2) "
종속변수(y) = 제1 독립변수의 계수 값*X1 + 제2 독립변수의 계수 값*X2 + BDependent variable (y) = coefficient value of the first independent variable * X 1 + coefficient value of the second independent variable * X 2 + B
[수학식 3]&Quot; (3) "
종속변수(y) = 제1 독립변수의 계수 값*X1 + BDependent variable (y) = coefficient value of the first independent variable * X 1 + B
지금까지 본 발명의 바람직한 실시 예에 대해 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성을 벗어나지 않는 범위 내에서 변형된 형태로 구현할 수 있을 것이다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the invention.
그러므로 여기서 설명한 본 발명의 실시 예는 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 상술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함되는 것으로 해석되어야 한다.It is therefore to be understood that the embodiments of the invention described herein are to be considered in all respects as illustrative and not restrictive, and the scope of the invention is indicated by the appended claims rather than by the foregoing description, Should be interpreted as being included in.
Claims (11)
상기 독립변수와 상기 종속변수 간의 상관관계 분석을 위한 선형적 회귀 관계식을 정의하는 단계;
상기 제1 사용자 특성 데이터를 사용하여 상기 선형적 회귀 관계식의 회귀계수 값에 해당하는 상기 독립변수의 계수 값을 산출하는 단계; 및
상기 회귀계수 값을 적용한 상기 선형적 회귀 관계식에 대조군에 속하는 특정 사용자의 제2 사용자 특성 데이터를 상기 독립변수로서 대입하여 매트리스 모델을 선정하기 위한 회귀분석 결과를 산출하는 단계로 이루어지고,
상기 제1 사용자 특성 데이터는 상기 실험군에 속하는 다수 사용자에 대해 측정한 신체특성 데이터와,상기 실험군에 속하는 다수 사용자의 설문 결과에 근거한 개인 신상 및 습관을 포함하는 개인특성 데이터를 포함하고,
상기 제2 사용자 특성 데이터는 상기 대조군에 속하는 특정 사용자에 대해 측정한 신체특성 데이터와, 상기 대조군에 속하는 특정 사용자의 설문 결과에 근거한 개인 신상 및 습관을 포함하는 개인특성 데이터를 포함하며,
상기 신체특성 데이터는 체압 분포, 심박수, 산소 포화도 및 근육 이완도를 포함하되, 상기 실험군에 속하는 다수 사용자에 대해 측정한 상기 체압 분포 및 심박수 중 적어도 하나와 상기 실험군에 속하는 다수 사용자의 상기 개인 특성 데이터를 상기 독립변수의 카테고리로 정의하고, 상기 실험군에 속하는 다수 사용자에 대해 측정한 상기 근육 이완도를 상기 종속변수의 카테고리로 정의하는 것을 특징으로 하는 회귀분석을 이용한 매트리스 모델 선정 방법.Determining independent and dependent variables for regression analysis among first user characteristic data of a plurality of users belonging to the experimental group;
Defining a linear regression equation for correlation analysis between the independent variable and the dependent variable;
Calculating coefficient values of the independent variables corresponding to the regression coefficient values of the linear regression equation using the first user characteristic data; And
Calculating a regression analysis result for selecting a mattress model by substituting second user characteristic data of a specific user belonging to a control group into the linear regression relation to which the regression coefficient value is applied, as the independent variable,
The first user characteristic data includes body characteristic data measured for a plurality of users belonging to the experimental group, and personal characteristic data including personal characteristics and habits based on a result of a questionnaire of the plurality of users belonging to the experimental group.
The second user characteristic data includes body characteristic data measured for a specific user belonging to the control group, and personal characteristic data including personal characteristics and habits based on a survey result of a specific user belonging to the control group.
The body characteristic data includes body pressure distribution, heart rate, oxygen saturation, and muscle relaxation, and includes at least one of the body pressure distribution and heart rate measured for a plurality of users belonging to the experimental group and the personal characteristic data of a plurality of users belonging to the experimental group. Defining a category of the independent variable, and the muscle relaxation measured for a plurality of users belonging to the experimental group to the category of the dependent variable characterized in that the mattress model selection method using the regression analysis.
상기 제2 사용자 특성 데이터를 상기 독립변수로써 상기 선형적 회귀 관계식에 대입하여 산출되는 상기 종속변수 값인 것을 특징으로 하는 회귀분석을 이용한 매트리스 모델 선정 방법.The method of claim 1, wherein the regression analysis result is
And the dependent variable value calculated by substituting the second user characteristic data into the linear regression equation as the independent variable.
상기 실험군에 속하는 다수 사용자에 대한 상기 체압 분포 및 심박수 중 적어도 하나와 상기 실험군에 속하는 다수 사용자의 상기 개인 특성 데이터를 포함하는 상기 독립변수를 적용한 상기 선형적 회귀 관계식으로부터 상기 대조군에 속하는 특정 사용자의 상기 근육 이완도를 나타내는 상기 종속변수를 예측한 값인 것을 특징으로 하는 회귀분석을 이용한 매트리스 모델 선정 방법. The method of claim 1, wherein the regression analysis result is
From the linear regression equation applying the independent variable including at least one of the body pressure distribution and heart rate for the plurality of users belonging to the experimental group and the personal characteristic data of the plurality of users belonging to the experimental group, the specific user belonging to the control group Mattress model selection method using the regression analysis, characterized in that the predicted value of the dependent variable representing the muscle relaxation.
상기 독립변수의 계수 값을 산출하기 위해, 상기 제1 사용자 특성 데이터를 측정하는 단계를 더 포함하는 것을 특징으로 하는 회귀분석을 이용한 매트리스 모델 선정 방법. The method of claim 1,
The method of selecting a mattress model using regression analysis, characterized in that further comprising the step of measuring the first user characteristic data to calculate the coefficient value of the independent variable.
상기 제1 사용자 특성 데이터를 사용자 연령대별로 분리하여 연령대별 사용자 특성 데이터를 산출하고,
상기 산출된 연령대별 사용자 특성 데이터를 각각 사용하여 연령대별로 상기 독립변수의 계수 값을 산출하는 것을 특징으로 하는 회귀분석을 이용한 매트리스 모델 선정 방법. The method of claim 1, wherein calculating a coefficient value of the independent variable comprises:
Calculating the user characteristic data for each age group by separating the first user characteristic data for each user age group,
The method of selecting a mattress model using the regression analysis, characterized in that for calculating the coefficient value of the independent variable for each age group using the calculated user characteristic data for each age group.
종속변수(y) = 제1 독립변수 계수 값*X1 + 제2 독립변수 계수 값*X2 + 제3 독립변수 계수 값*X3 로 정의되는 다중 회귀 관계식이고,
상기 제1 내지 3 독립변수 계수 값은 상기 산출된 독립변수의 계수 값에 해당하며,
상기 X1, X2, 그리고 X3 는 상기 독립변수에 해당하는 것을 특징으로 하는 회귀분석을 이용한 매트리스 모델 선정 방법. The method of claim 1, wherein the linear regression equation,
Is a multiple regression relation defined as the dependent variable (y) = first independent variable coefficient value * X 1 + second independent variable coefficient value * X 2 + third independent variable coefficient value * X 3 ,
The first to third independent variable coefficient values correspond to the calculated coefficient values of the independent variable,
The method of selecting a mattress model using the regression analysis, wherein X 1 , X 2 , and X 3 correspond to the independent variables.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20100067415A KR101197215B1 (en) | 2010-07-13 | 2010-07-13 | method for selecting and recommending mattress using regression analysis |
| PCT/KR2011/000674 WO2012008671A1 (en) | 2010-07-13 | 2011-01-31 | System for selecting mattress model |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20100067415A KR101197215B1 (en) | 2010-07-13 | 2010-07-13 | method for selecting and recommending mattress using regression analysis |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120006766A KR20120006766A (en) | 2012-01-19 |
| KR101197215B1 true KR101197215B1 (en) | 2012-11-02 |
Family
ID=45469644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR20100067415A KR101197215B1 (en) | 2010-07-13 | 2010-07-13 | method for selecting and recommending mattress using regression analysis |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101197215B1 (en) |
| WO (1) | WO2012008671A1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102583318B1 (en) * | 2021-02-23 | 2023-09-26 | 주식회사 카카오 | Method and apparatus of conducting surveys |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100561935B1 (en) | 2002-03-19 | 2006-03-20 | 주식회사 에이스침대 | Method for extracting bed mattress according to characteristics of the human body |
| JP2007125293A (en) | 2005-11-07 | 2007-05-24 | Nishikawa Sangyo Kk | Bedding selection method |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007053150A1 (en) * | 2005-11-07 | 2007-05-10 | Kingsdown, Incorporated | Automatic mattress selection system |
| KR20100048589A (en) * | 2008-10-31 | 2010-05-11 | 안정호 | Network system for selecting and recommending optimal mattress |
-
2010
- 2010-07-13 KR KR20100067415A patent/KR101197215B1/en active IP Right Grant
-
2011
- 2011-01-31 WO PCT/KR2011/000674 patent/WO2012008671A1/en active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100561935B1 (en) | 2002-03-19 | 2006-03-20 | 주식회사 에이스침대 | Method for extracting bed mattress according to characteristics of the human body |
| JP2007125293A (en) | 2005-11-07 | 2007-05-24 | Nishikawa Sangyo Kk | Bedding selection method |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2012008671A1 (en) | 2012-01-19 |
| KR20120006766A (en) | 2012-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Groot | Adaptation and scale of reference bias in self-assessments of quality of life | |
| JP7211717B2 (en) | Image display device, image display program and image display method | |
| CN106092635A (en) | A kind of mattress pressure comfort evaluation methodology | |
| CN106534844A (en) | Three-dimensional display visual fatigue evaluation system and method based on electrocatdiogram and electrooculogram signals | |
| KR101197216B1 (en) | system for selecting and recommending mattress model | |
| WO2012012892A1 (en) | Mattress ranking and selection | |
| CN110337699B (en) | Psychological stress assessment method and equipment | |
| Lokshin et al. | Testing for an economic gradient in health status using subjective data | |
| JP7337484B2 (en) | Image display device, image display system, image display program and image display method | |
| KR101197215B1 (en) | method for selecting and recommending mattress using regression analysis | |
| CN110514373A (en) | A kind of mattress photoelastic evaluation method | |
| CN110070415B (en) | Bed selection system and bed selection method based on cloud server | |
| Volpe et al. | A computational model for early assessment of padded furniture comfort performance | |
| KR20150028082A (en) | Apparatus and method for caring health | |
| Heron et al. | Evaluating the real-world predictive validity of the body image quality of life inventory using ecological momentary assessment | |
| Courtney et al. | Questionnaires and manual methods for assessing breathing dysfunction | |
| Thisera et al. | The impact of emotional labour on emotional exhaustion of female nurses in Sri Lanka | |
| Epstein et al. | Acclimation to heat interpreted from the analysis of heart-rate variability by the multipole method | |
| CZ308153B6 (en) | Method of determining the level of physical fitness | |
| Kim et al. | Measurement of user experience to select a comfortable mattress | |
| Allen et al. | Proximity and gravity: modeling heaped self‐reports | |
| KR101918854B1 (en) | Health machine control system that reflects stress and bio index | |
| Fredericks et al. | Do users desire symmetrical lumbar supports in task seating? | |
| Min et al. | Analysis of human body suitability for mattresses by using the level of psychophysiological relaxation and development of regression model | |
| KR100403827B1 (en) | Method for selecting pillow by body type and system therefor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20151030 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20160929 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20170905 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20181004 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20190812 Year of fee payment: 8 |