• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권1호
• /
• pp.64-72
• /
• 2001

결정트리 생성은 일련의 특징값으로 기술된 사례들로부터 분류 지식을 추출하는 학습 방법중의 하나이다. 현장에서 수집되는 사례들은 관측 오류, 주관적인 판단, 불확실성 등으로 인해서 애매하게 주어지는 경우가 많다. 퍼지숫자나 구간값을 사용함으로써 이러한 애매한 데이타의 수치 속성은 쉽게 표현될 수 있다. 이 논문에서는 수치 속성은 보통값 뿐마아니라 퍼지숫자나 구간값을 갖을 수 있고, 비수치 속서은 보통값을 가지며, 데이터의 클래스는 확신도를 기자는 학습 데이터들로 부터, 분류 규칙을 마이닝하기 위한 퍼지 결정트리 생성 방법을 제안한다. 또한 제안한 방법에 의해 생성된 퍼지 결정트리를 사용하여, 새로운 데이터에 대한 클래스를 결정하는 추론 방법을 소개한다. 한편, 제안된 방법의 유용성을 보이기 위해 수행한 실험의 결과를 보인다.

• 한국음향학회지
• /
• 제12권4호
• /
• pp.47-56
• /
• 1993

본 논문은 다구간 등분할법과 퍼지추론으로 단어인식을 행하는 패턴매칭법을 제안한다. 패턴매칭시 발생되는 시간변동은 발성순서에 따라 등간격으로 다구간 분할함으로써 해결하고, 주파수변동은 구간의 차수별로 정해진 퍼지관계로부터 패턴간의 퍼지추론이 행해짐으로써 흡수한다. 추론에 사용된 삼각형 맴버쉽 함수의 중심값과 변동폭은 패턴의 평균값과 분산값으로 대응되도록 작성한다. 20대 남성 2인이 발성한 데이터를 사용하여, 제안된 방법으로 DDD지역명 28개를 구간수와 변동폭을 달리하여 인식실험한 결과, 8구간과 4배의 변동폭을 가질 때 92%의 인식을 얻었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.235-238
• /
• 2007

본 논문에서는 기존의 클러스터 기반 퍼지 모델트리에서 트리의 깊이에 따른 over-fitting으로 인한 훈련 및 검증데이터의 일관성 문제점을 해결하기 위해 상호 노드간의 정보를 고려하는 방법을 제안하고자 한다. 제안된 방법은 우선 입력과 출력변수의 속성을 고려한 퍼지 클러스터링에 의해 중심벡터를 계산한 후, 중심벡터들과 입력 속성간의 소속도를 이용하여 구간 분할된 영역별로 각각의 선형모델을 구축한다. 예측 단계에서는 입력된 데이터가 잎노드에 도달하는 노드간의 중심벡터와 입력 데이터간의 거리값에 따른 소속도를 계산한 후 최종적으로 무게 중심법을 이용하여 출력값을 예측하게 된다. 제안된 방법의 우수성을 보이기 위해 다양한 벤치마크 데이터를 대상을 실험한 결과, 기존의 클러스터 기반 퍼지 모델트리보다 향상된 성능을 보임을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.608-615
• /
• 2006

본 논문에서는 퍼지 클러스터 기법을 이용하여 구간 분할된 퍼지 모델트리의 제안과 이를 이용한 데이터 모델링 기법을 다룬다. 제안된 방법은 먼저 입력과 출력변수의 속성을 고려한 퍼지 클러스터링에 의해 중심벡터를 계산한 후, 중심벡터들과 입력속성간의 소속도를 이용하여 구간 분할된 영역별로 각각의 선형모델을 구축한다. 노드의 확장은 부모노드(parent node)에서 만들어진 모델에서 계산된 오차값과 자식노드(child node)에서 계산된 오차값을 비교하여 이루어진다. 출력값 예측 단계에서는 입력된 데이터와 잎노드에서 계산된 클러스터 중심값과 비교하여 소속도가 높은 선형모델을 선택하여 데이터에 대한 출력값을 예측하게 된다. 제안된 방법의 우수성을 보이기 위해 다양한 데이터를 대상으로 실험한 결과, 기존의 모델트리방식 및 뉴럴 네트워크 기반의 신경회로망 보다 향상된 성능을 보임을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제19권4호
• /
• pp.545-549
• /
• 2009

마이크로어레이 데이터는 수천가지 유전자의 발현정보를 포함할 수 있으며, 여기에서 의미있는 패턴을 추출하여 추가적인 분석을 위한 목적으로 활용되고 있다. 다수의 샘플 또는 실험에 대해서 마이크로어레이 데이터가 수집된 경우에 분석자가 관심을 갖는 유전자들이나 샘플들을 효과적으로 검색하는 것이 필요한 경우가 있다. 이 논문에서는 단순한 조건뿐만 아니라 복잡한 조건을 정의하여 원하는 특성을 만족하는 유전자나 샘플을 추출하는 방법으로 퍼지 시그너쳐 집합을 활용하는 방법을 제안한다. 퍼지 시그너쳐는 벡터값을 값을 갖는 퍼지 집합을 확장한 것으로, 벡터의 각 요소가 다시 벡터가 되는 것을 허용하는 재귀적인 구조이다. 퍼지 시그너쳐 집합은 단말 원소가 구간 [0,1] 사이에서 정의된 퍼지집합이라는 것을 제외하면 퍼지 시그너쳐와 같은 구조를 가진다. 이 논문에서는 각 내부 노드에 대해서 명시적으로 결합 연산자를 지정하도록 하고, 결합 연산을 위해 비교연산자를 사용할 수 있도록 확장한 퍼지 시그너쳐 집합을 소개한다. 또한 확장된 퍼지 시그너쳐 집합을 마이크로어레이 데이터 검색을 위해 사용하는 방법과 이를 사용한 예를 보인다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권2호
• /
• pp.227-234
• /
• 2012

의학진단을 위해 여러 증상과 질병 사이의 거리를 이용하는 연구가 많이 진행되고 있다. 그러나 거리들이 비슷한 값을 가지는 경우가 많이 발생하며, 이들 거리의 차이값은 정규분포 또는 카이제곱분포 등과 같은 일반적인 통계분포를 따르지 않는다. 본 연구에서는 의학진단에 사용되는 해밍 거리들의 차이값에 대한 분포적 특성에 대해 살펴보고, 이 차이값의 유의성 검정에 대해 탐색해보고자 한다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.41-47
• /
• 2008

클러스터 기반 퍼지 모델트리에서 훈련 데이터의 과잉 적응은 검중 데이터의 성능을 저하시키는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위한 방법으로 본 논문에서는 상호 노드간의 정보를 고려하는 방법을 제안하고자 한다. 제안된 방법은 우선 입력과 출력변수의 속성을 고려한 퍼지 클러스터링에 의해 중심벡터를 계산한 후, 중심벡터들과 입력 속성간의 소속도를 이용하여 구간 분할된 영역별로 각각의 선형모델을 구축한다. 예측 단계에서는 입력된 데이터가 잎노드에 도달하기까지 경유하게 되는 노드들의 중심벡터들과 입력 데이터간의 거리값에 따른 소속도를 계산한 후 최종적으로 각 노드의 선형모델들과 계산된 소속도를 이용하여 출력값을 예측하게 된다. 제안된 방법의 우수성을 보이기 위해 다양한 벤치마크 데이터를 대상을 실험한 결과, 기존의 클러스터 기반 퍼지 모델트리보다 향상된 성능을 보임을 알 수 있었다.

• 한국컴퓨터산업학회논문지
• /
• 제5권4호
• /
• pp.491-502
• /
• 2004

본 논문은 화자 독립의 단독어 인식에 관한 연구로써, FSVQ(first section vector quantization), 퍼지 이론 및 이중 스펙트럼 특징을 이용한 HMM(hidden Markov model) 모델을 제안한다. 제안된 연구 방법에서, 이중 특징 파라메타로써 LPC ？스트럼과 LPC 스트럼의 회귀 계수를 사용한다. 학습 데이터는 몇 개의 구간으로 나누어지며, 첫 번째 구간의 코드북(codebook)을 만든 후, 첫 번째 구간의 코드북으로 부터, 퍼지 개념을 도입하여 확률 값이 큰 순서에 의해 다중 관측열을 구한다. 그 다음, 첫 번째 구간의 관측열을 학습시키고, 같은 방법으로 확률 값을 얻은 단어가 인식되어 진다. 제안된 방법에 의한 인식 실험을 수행하는 것 이외에도 비교를 위하여 다른 방법의 인식 실험을 같은 조건하에서 같은 데이터로 수행하였다. 실험 결과, 본 연구에서 제안한 방법이 다른 방법들보다 인식률이 우수함을 입증하였다. 입증하였다.

• 한국지능시스템학회논문지
• /
• 제23권4호
• /
• pp.304-309
• /
• 2013

본 논문은 소나 방정식내의 성능지수를 판단하는 지능형 접근방법을 제안한다. 알 수 없는 수중표적의 거리와 고정적이지 않은 신호초과량은 추적과정에 대해 불확실성을 증가시킨다. 탐지거리와 연관된 신호 초과량의 입력 데이터들을 이용하여, 퍼지집합의 규칙을 세우고, 소나의 수신기로부터 얻어지는 데이터를 퍼지화 된 데이터 집합으로 변화시킨다. 알 수 없는 데이터들에 의해 발생되는 오차값들을 감소시키기 위하여 퍼지 집합으로 변환된 새로운 데이터를 이용한다. 구간별 최소값, 최대값 그리고 평균값이 계산되어, 수중 표적의 거리를 추정하는데 사용된다. 데이터들의 증감에 대한 분석을 통해 표적의 위치와 기동특성을 예측할 수 있다. 제안된 기법의 성능과 효과를 보여주기 위하여 몇 가지 예를 보였다.

• 대한전자공학회논문지SP
• /
• 제40권6호
• /
• pp.90-97
• /
• 2003

본 논문은 FSVQ(first section vector quantization)와 퍼지 개념을 이용한 HMM(hidden Markov model)에 기초를 둔 음성인식을 제안한다. 제안된 연구 방법에서는 첫 번째 구간의 코드북(codebook)을 만든 후, 첫 번째 구간의 코드북으로부터, 퍼지 개념을 도입하여 확률값이 큰 순서에 의해 다중 관측열을 구한다. 그 다음, 코드북으로부터 첫 번째 구간의 관측열을 학습시키고 인식할 때에도 같은 개념으로 첫 번째 구간에서의 확률 값이 가장 높은 단어를 인식된 단어로 선택한다. 인식 대상 어휘로는 전철역명을 선택하였으며, 특징 파라메타로는 LPC ？스트럼을 사용하였다. 제안된 방법에 의한 인식 실험을 수행하는 것 이외에도 비교를 위하여 이전에 실험한 몇 가지 방법의 인식 실험을 같은 조건하에서 같은 데이터로 수행한다. 실험 결과, 본 연구에서 제안한 FSVQ와 퍼지 개념을 이용한 HMM에 기초를 둔 방법이 다른 음성 인식방법들보다 인식률이 우수함을 입증하였다.