문자 인식에서의 Fuzzy Membership Function

본 논문에서는 문서 자동 인식 시스템에서 다중 카테고리로 모호하게 인식되어 질 수 있는 조합 심볼을 하나의 메타 심볼로 간주하고, 이 심볼을 fuzzy set theory에 기초를 두어 분석을 하였다. 분석 과정에서는 메타 심볼이 갖는 프리미티브들의 기울기와 길이, 프리미티브들간의 연결 및 프리미티브의 위치등의 어트리뷰트들을 이용하였다. 모호성을 내재하고 있는 메타 심볼들을 ACS(Ambiguous Category Set)의 원소로 간주하였으며, ACS의 원소들은 모호성의 원인을 제공하는 부분패턴들을 공동으로 포함하고 있다. 부분패턴을 구성하고 있는 프리미티브를 분리하여 어트리뷰트 값을 측정하고, 정의한 MF(Membership 함수)의 파라메터로 사용하였다. MF에서 얻어진 MFV(Membership Function Value)는 모호한 메타 심볼이 어떤 카테고리로 분류될 수 있는지를 나타내도록 하였다.