초록
유전자 알고리즘을 이용한 다양한 특징의 분석이 필요한 퍼지 분류기의 설계방법을 제안한다. 본 논문에서 제안한 퍼지 분류기의 퍼지 논리를 이용한 분류 부분과 우전자 알고리즘을 이용한 규칙생성부분으로 구성된다. 유전자 알고리즘을 이용한 규칙 생성 부분에서는 최적의 퍼지 멤버쉽 함수를 결정하고, 각 특징이 규칙에 포함되는지 포함되지 않는지의 여부도 결정하게 된다. 또한 특정 대상에 대한 인식률을 분석하여 큰 오인식률을 갖는 부분에 세부 특징을 추가하는 방법과 문자열과 population의 최소크기, 인식률 개선을 위한 반복적 분석 방법을 사용한다. 제안된 퍼지 분류기의 적용 예로서, 아이리스 테이터와 갑상선 종양 세포, 그리고 필기된 숫자와 인쇄된 숫자의 인식을 든다. 필기된 숫자와 인쇄된 숫자의 인식을 위해서 각 숫자를 구조적인 정보가 동일한 그룹으로 분류한다. 본 논문에서 제안한 퍼지 분류기는 아이리스 데이터에 대해 98.67%의 인식률을 갑상선 종양 세포에 대해서 98.25%의 인식률을 필기된 숫자와 인쇄된 숫자에 대해서 96.3%의 인신룩을 얻었다.
A fuzzy classifier which needs various analyses of features using genetic algorithms is proposed. The fuzzy
classifier has a simple structure, which contains a classification part based on fuzzy logic theory and a rule generation
ation padptu sing genetic algorithms. The rule generation part determines optimal fuzzy membership functions and
inclusior~ or exclusion of each feature in fuzzy classification rules. We analyzed recognition rate of a specific object,
then added finer features repetitively, if necessary, to the object which has large misclassification rate. And we introduce
repetitive analyses method for the minimum size of string and population, and for the improvement of recognition
rates. This classifier is applied to three examples of the classification of iris data, the discrimination of thyroid
gland cancer cells and the recognition of confusing handwritten and printed numerals. In the recognition of
confusing handwritten and printed numerals, each sample numeral is classified into one of the groups which are
divided according to the sample structure. The fuzzy classifier proposed in this paper has recognition rates of 98.
67% for iris data, 98.25% for thyroid gland cancer cells and 96.3% for confusing handwritten and printed
numeral!;.
