코딩게임

생성 Data 적용 #시작하며 지난 포스팅까지 데이터를 좌표간 이동하는 새로운 방법을 통해 생성하는 과정을 진행하였다. 이번 포스팅에서는 생성된 해당 데이터들을 기반으로 나선그리기 정량화를 위해 개발한 알고리즘을 적용하는 과정을 통해 해당 데이터의 사용성을 평가해 볼 것이다. #데이터 적용 데이터 적용에 앞서 먼저 생성한 데이터를 Error의 정도에 따른 구분이 필요했다. 따라서 Error의 정도를 1부터 10까지 정의하였고, 해당 데이터를 알고리즘에 적용하였다. 예상된 결과로는, Error를 1부터 10까지 증가시키며 목표선에서 벗어난 거리를 측정했기 때문에, 결과 distance 역시 Linear한 값이 나와야 정확하게 생성된 알고리즘 또는 데이터라고 할 수 있을 것이다. 데이터 생성 해당 그림은 E..

Data remake #시작하며 지난 시간까지 동일 각도상 이동을 통해 raw data를 구현하였다. 하지만 이는 캡스톤 연구에서 발명한 ED 측정방법의 방식과 동일하여, 같은 방식으로 구해진 data를 통해 발명한 ED 측정 방법의 정확도를 표현하는 것이 맞지 않기 때문에, 동일 각도상이 아닌, 각도를 벗어난 raw data를 구현해 볼 것이다. #Remake 데이터를 새롭게 구현함에 앞서 생각했던 것은, 기존에 사용했던 동일한 각도상에서 Pair의 위치 이동의 틀에서 벗어나 새로운 방법으로 구현을 하는데 중점을 두었다. 그 결과로, Base Line을 기준으로 동일 각도상 이동하는 것이 아닌, x, y좌표 축으로 랜덤하게 이동하여 새로운 Pair를 찾는 방법을 고안하게 되었다. Base Line을 기..

속도 구현 #시작하며 지난 포스팅까지는 데이터를 형성하여 smoothing을 통해 데이터의 이질감을 제거하였다. 이번 과정에서는, 생성한 데이터를 토대로 구성되는 Pair들을 점진적으로 제거함으로, 환자가 실제로 그릴 때 발생하는 그리기 속도를 구현해볼 것이다. #속도 구현 사람이 그린 것과 같은 속도를 표현하려면 어떤 것이 필요할까? 일단 Pair로 구성된 데이터에, 구간을 설정하여 해당 구간마다 상이한 삭제 비율을 설정하여 점진적으로 적용해야 할 것이다. 구간 설정하기 가장 우선적으로 실행해야 할 것은 구간을 설정하는 것이다. 일정하게 설정한 수만큼 구간을 나눈다면, 실제 데이터와 거리감이 생길 수 있기 때문에, 랜덤 하게 구간을 설정하였다. 위 그림은, 구간의 수를 10개로 설정한 뒤에 랜덤 하게 ..

new data #시작하며 이전 시간까지 운동 성분으로 데이터를 표현하고 Error까지 적용시키는 과정을 진행하였다. 이번 포스팅에서는, 지난 글의 마지막에 언급했듯 Base Line부터 코드로서 직접 구현하여 온전하게 코드로서 만들어진 Raw data를 만들어 볼 것이다. 이는 이후 우리가 발명했던 Error Distance를 찾아내는 방법과 타 방법들을 비교 분석하기 위해, 독립된 비교군 Data sample을 구현하기 위해서이다. #Make Base Line 그렇다면 코드로서 어떻게 이상 운동증 환자가 그린 것과 같은 그림을 구현할 수 있을까? 이는 직선의 경우에는 하나의 축이 고정이 되어, 비교적 쉽게 접근할 수 있지만, 나선의 경우 계속해서 x, y값이 달라지고 중심점과의 각도까지 고려해야 되기..