Performance Improvement of LVQ Network for Pattern Classification

패턴 분류를 위한 LVQ 네트워크의 성능 개선

In this paper, we propose a learning method of the performance improvement of the LVQ network using the radios of the hypersphere with the n-dimensional input vectors. The proposed method determines the reference vectors using the radius of the hypersphere include n+1 set of input vectors in the same class. In order to verify the effectiveness of the proposed method, we performed experiments on the Fisher's IRIS data. The experimental results showed that the proposed method improves considerably on the performance of the conventional LVQ network.

본 논문에서는 LVQ 네트워크의 패턴 분류 성능을 향상시키기 위하여 n차원 입력 벡터로 형성되는 초구면(hypersphere)에서의 반지름을 LVQ 네트워크의 학습 방식을 제안한다. 제안한 방식은 동일한 클래스에서 n+1개의 입력 벡터를 포함하는 초구면을 구성하여 반지름을 계산한다. 계산된 반지름을 이용하여 기준 벡터(reference vector)를 조정하는 방법이다. 제안한 방식의 유용성을 확인하기 위하여 Fisher의 IRIS 꽃의 분류 문제에 적용하여 기존의 LVQ 방식보다 우수한 분류 성능을 확인하였다.