Journal of the Korea Institute of Information and Communication Engineering (한국정보통신학회논문지)

The Korea Institute of Information and Commucation Engineering (한국정보통신학회)
권호 표지
DOI QR코드

DOI QR Code

Image Recognition by Fuzzy Logic and Genetic Algorithms

퍼지로직과 유전 알고리즘을 이용한 영상 인식

  • Published : 2007.05.31
Download PDF
⟨ Previous Next ⟩

Abstract

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 part using genetic algorithms. The rule generation part determines optimal fuzzy membership functions and inclusion 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 two examples of the recognition of iris data and the recognition of Thyroid Gland cancer cells. The fuzzy classifier proposed in this paper has recognition rates of 98.67% for iris data and 98.25% for Thyroid Gland cancer cells.

유전자 알고리즘을 이용한 다양한 특징의 분석이 필요한 퍼지 분류기의 설계 방법을 제안한다. 본 논문에서 제안한 퍼지 분류기는 퍼지 논리를 이용한 분류 부분과 유전자 알고리즘을 이용한 규칙 생성 부분으로 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 최소 크기, 인식률 개선을 위한 반복적 분석 방법을 사용한다. 제안된 퍼지 분류기의 적용 예로서, 아이리스 데이터와 갑상선 종양 세포의 식별을 든다. 본 논문에서 제안한 퍼지 분류기는 아이리스 데이터에 대해 98.67%의 인식률을, 갑상선 종양 세포에 대해서 98.25%의 인식률을 얻었다.

Keywords

References

  1. Sing-Tze Bow, Pattern Recognition and Image Preprocessing, Marcel Dekker, NewYork, 1992
  2. A. Khotanzad and R. Kashyap, 'Feature Selection for Texture Recognition Based on Image Systhesis', IEEE Trans. on Systems, Man, and Cybernetics, vol. SMC-17, pp. 1087-1095, Nov.,1987 https://doi.org/10.1109/TSMC.1987.6499322
  3. W. Galvraith, et, al., ' Studies on Papanicolaou Staining,' Analytical and Quantitative Cytology, vol. 1, No. 3,pp. 160-169, 1979
  4. G. W. Gill, K. A. Miller, ' In Compendium on Cytopreparatory Techniques,' Edited by C.M. Keebler, Tutorials of Cytology, vol. 9, No.25, 1974
  5. J. C. Bezdek and S. K. Pal, Fuzzy Models for Pattern Recognition, IEEE Press, 1992
  6. R. J. Marks II, FuzzyLogic Technology and Applications, Technical Activities Boards, 1994
  7. D. E. Goldberg, Genetic Algorithms in Search Optimization and Machine Learning, Addison Wesley, 1989
  8. M. Yamamura, H. Satoh, and S. Kobayashi, 'An Analysis of Crossover's Effect in Genetic Algorithms', Proceedings of The 1st IEEE Conference on Evolutionary Computation, pp.613-618,1994
  9. J. Stender, Parallel Genetic Algorithms: Theory and Applications, lOS Press,1993
  10. Cheol-Hun Na et, al., 'Cancer Cell Recognition by Fuzzy Logic in Medical Images', GSPx 2005, Santa Clara, CA, U.S.A., 2005
  11. Ishibuchi, K. Nozaki, N. Yamamoto and H. Tanaka, 'Construction of fuzzy classification systems with rectangular fuzzy rules using genetic algorithms', Fuzzy Sets and Systems, vol. 65, pp. 237-253, 1994 https://doi.org/10.1016/0165-0114(94)90022-1