• Korean Journal of Logic
• /
• v.17 no.2
• /
• pp.349-358
• /
• 2014

Human being has attempted to solve the problem of imperfect knowledge for a long time. In 1982 Pawlak proposed the rough set theory to manipulate the problem in the area of artificial intelligence. The rough set theory has two interesting properties: one is that a rough set is considered as distinct sets according to distinct knowledge bases, and the other is that distinct rough sets are considered as one same set in a certain knowledge base. This leads to a significant philosophical interpretation: a concept (or an event) may be understood as different ones from different perspectives, while different concepts (or events) may be understood as a same one in a certain perspective. This paper claims that such properties of rough set theory produce a mathematical model to support critical realism and theory ladenness of observation in the philosophy of science.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.03a
• /
• pp.11-15
• /
• 1998

일반적으로 러프집합은 지식베이스 시스템에서 근사공간을 이용한 불확실한 데이터의 분류, 추론 및 의사결정 등에 사용된다. 지식베이스 시스템의 데이터 중에서 연속적인 구간 특성을 갖는 정량적 속성값이 불연속적일 때 중복 또는 불일치 등의 불확실성이 발생된다. 본 논문은 러프집합의 정량적 속성값들의 정성적 속성으로 변환시킬 때 식별 불가능 영역에 있는 정량적 속성값들을 명확한 경계를 갖는 보조구간으로 분리하여 불확실성을 제거함으로써 러프집합의 분류능력을 향상시키는 방법을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.12a
• /
• pp.37-40
• /
• 2001

본 논문에서는 전문가 시스템에서 지식에 대한 규칙을 감소시키기 위해 러프 집합을 이용한 지식 감축 방법을 제안한다. 또한, 속성 항을 클래스로 분류하여 각 클래스와 이웃하는 클래스의 항들을 비교하여 리덕트와 코어를 구하여 최소화하였다. 이러한 방법은 방대한 양의 규칙을 최소화함으로써 의사결정 시간을 단축시킬 수 있다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.9 no.4
• /
• pp.375-383
• /
• 1999

사용자가 최소의 이해와 수정 노력으로 적합한 컴포넌트를 선택할수 있는 방안이 요구된다, 따라서 본 논문에서는 컴포넌트의 재사용도 측정을 위한 혼합적 척도를 제안한다. 현업에서의 연구와 경험을 통해서 증명된 객관성 있는 척도들을 측정인자로 설정한다. 러프집합을 이용하여 각측정인자들이 컴포넌트 재상요에 미치는 영향의 정도를 평가하고 각 측정인자들의 상대적 중요도를 구한다, Sugeno의 퍼지적분을 이용하여 측정인자들의 중요도와 측정값들을 종합함으로써 컴포넌트들의 재사용도를 측정한다. 마지막으로 제안된 ordinal scale과 ratio scale에 따름을 보여준다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.2
• /
• pp.141-147
• /
• 2001

소프트웨어의 측정값에 근거하여 소프트웨어 품질에 관한 의사결정을 할 때, 동치관계의 요구조건인 추이적(transitive) 특성이 항상 만족되는 것은 아니다. 순환수(cyclomatic number)가 거의 비슷한 프로그램에서, 하나의 \"구조적인\" 프로그램 범주에 속하고 또 다른 하나는 \"비구조적인\" 프로그램 범주에 속한다고 명확히 분류할 수 있는가하는 점이다. 따라서, 본 연구에서는 동치관계보다는 허용적 관계를 만족하는 허용적 러프집합에 근거한 소프트웨어 분류기준을 제시하고자 한다. 분류기준을 생성하기 위한 실험 데이터 집합을 수집하고, 집합 내의 각 원소에 관한 허용적 클래스들을 생성한 후, 각 허용적 클래스들의 중심값을 클러스터링하여 분류기준을 생성한다. 생성된 분류기준을 또 다른 실험 집합에 적용하여 비교 분석한 결과 생성된 분류기준이 타당함을 보여준다.생성된 분류기준이 타당함을 보여준다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.307-310
• /
• 2000

소프트웨어의 측정값에 근거하여 소프트웨어 품질에 관한 의사결정을 할 때, 동치관계의 요구조건인 추이적(transitive) 특성이 항상 만족되는 것은 아니다. 순환수(cyclomatic number)가 거의 비슷한 프로그램에서, 하나는 "구조적인" 프로그램 범주에 속하고 또 다른 하나는 비구조적인 프로그램 범주에 속한다고 명확히 분류 할 수 있는가하는 점이다. 따라서, 본 연구에서는 동치관계보다는 허용적 관계를 만족하는 허용적 러프집합에 근거한 소프트웨어 분류 기준 제시하고자 한다. 분류기준을 생성하기 위한 실험 데이터 집합을 수집하고, 집합 내의 각 원소에 관한 허용적 클래스들을 생성한 후, 각 허용적 클래스들의 중심값을 클러스터링하여 분류기준을 생성한다. 생성된 분류기준을 또 다른 실험 집합에 적용하여 비교 분석하여 생성된 분류기준이 타당함을 보여준다.

• Journal of Digital Convergence
• /
• v.12 no.6
• /
• pp.223-229
• /
• 2014

In an attempt to retrieve useful information for an efficient decision in the large knowledge system, it is generally necessary and important for a refined feature selection. Rough set has difficulty in generating optimal reducts and classifying boundary objects. In this paper, we propose quick reduction algorithm generating optimal features by rough entropy analysis for condition and decision attributes to improve these restrictions. We define a new conditional information entropy for efficient feature extraction and describe procedure of feature selection to classify the significance of features. Through the simulation of 5 datasets from UCI storage, we compare our feature selection approach based on rough set theory with the other selection theories. As the result, our modeling method is more efficient than the previous theories in classification accuracy for feature selection.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1776-1777
• /
• 2011

인간의 감각 중 후각에 해당하는 가스 센서들에 관한 연구가 현재 상당히 이루어지고 있다. 본 논문에서는 32개의 가스 센서들로 부터 측정된 각각의 값들과 GA를 이용하여, 4개의 센서로 구성되는 8개의 센서그룹을 결정한 후 각각의 그룹에서 나타나는 측정값들의 패턴과 러프집합이론을 이용하여 1차 식별 규칙을 생성하였다. 그 다음 8개 가스 그룹의 식별 패턴을 분석하여 다시 러프집합을 통한 2차 식별 규칙을 생성함으로써 보다 효율적이면서도 판단의 정확성을 높일 수 있는 식별 모델을 설계하는 방법을 다룬다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.10a
• /
• pp.327-330
• /
• 1997

패턴인식중에서 가장 기본적인 문제인 판별문제를 대상으로 러프집합을 이용한 판별분석을 행하는 신경망의 학습알고리즘을 제안한다. 어떤군에 속할 것인가의 경계영역을 명확히 하는 것을 목적으로 한다. 2군 판별의 문제를 각 데이터가 각 군에 속한 정도를 표현하는 소속함수(membership function)을 이용하며, 경계영역에 대한 문제는 소속함수를 구간치 함수로 확장하여 가능성과 필연성을 동시에 표현할 수 있는 학습 알고리즘을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.145-148
• /
• 2004

규칙 기반 추론 시스템에서 규칙의 속성 감축은 다양한 방법으로 제안되어 왔다. 규칙의 속성 감축은 퍼지 추론 시스템을 구현하는데 있어서 처리 시간을 단축시킬 수 있으나 규칙의 종속성 및 상관성을 고려하지 않을 경우 예상하지 못한 추론 결과를 얻을 수 있다. 따라서, 본 논문에서는 복합속성을 가진 규칙의 속성 감축과 상관성을 고려하기 위하여 러프집합의 특성 중 식별가능 행렬과 식별가능 함수를 이용하였다. 그리고 속성 감축에 사용된 규칙은 복합속성(composite attribute)을 가지는 감성 데이터를 이용하였다.