• Proceedings of the Society of Korea Industrial and System Engineering Conference
• /
• 2002.05a
• /
• pp.45-50
• /
• 2002

퍼지 균등화(fuzzy equalization)는 어의론적으로(semantically) 의미있고, 실험적으로 (experimentally) 의미있는 언어라벨(linguistic labels)을 붙이도록 하는 조건이다. 지금까지 발표된 퍼지 균등화조건을 갖는 퍼지분할을 생성하는 알고리듬은 주어진 데이터에 대하여, 오직 하나의 퍼지분할만을 생성할 수 있다. 만일 생성된 퍼지 분할이 더 이상 유용하지 못한 것으로 판명되면, 이 알고리듬은 주어진 데이터에 대한 퍼지 균등화조건을 갖는 퍼지분할을 생성할 수 없다. 이는 생성된 퍼지분할을 사용하여 탐색적 발견을 수행하는 데이터마이닝인 경우 더 이상 프로세스가 진행되지 못함을 의미한다. 본 연구에서는 주어진 데이터에 대한 퍼지 균등화조건을 갖는 서로 다른 두 퍼지분할이 존재한다면, 어떠한 관계가 있는지를 증명하고, 위치적 특성을 서술하였다. 이 특성은 추후 퍼지 균등화조건을 갖는 퍼지분할을 원하는 만큼 생성할 수 있는 알고리듬을 만드는데 유용하게 사용 될 수 있다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.25 no.6
• /
• pp.54-58
• /
• 2002

퍼지 균등화는 어의론적으로 의미있고, 실험적으로 의미있는 언어레이블을 붙이도록 하는 조건이다. 지금까지 발표된 퍼지 균등화조건을 갖는 퍼지분할을 생성하는 알고리듬은 주어진 데이터에 대하여, 오직 하나의 퍼지분할만을 생성할 수 있었다. 만일 생성된 퍼지 분할이 더 이상 유용하지 못한 것으로 판명되면, 이 알고리듬은 주어진 데이터에 대한 퍼지 균등화조건을 갖는 또 다른 퍼지분할을 생성할 수 없다. 이는 생성된 퍼지분할을 사용하여 탐색적 발견을 수행하는 데이터마이닝의 경우 더 이상 프로세스가 진행되지 못함을 의미한다. 본 연구에서는 주어진 데이터에 대한 퍼지 균등화조건을 갖는 서로 다른 두 퍼지분할이 존재한다면, 어떠한 관계가 있는지를 증명하고, 이를 위치적 특성으로 서술한다. 또한 이 특성을 이용하여 퍼지 균등화조건을 갖는 퍼지분할을 원하는 만큼 생성할 수 있는 알고리듬을 제시하고, 예를 들어 설명한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.05a
• /
• pp.121-125
• /
• 2001

본 논문에서는 자동적인 퍼지 규칙 생성을 위해 퍼지 균등화(Fuzzy Equalization)와 유전알고리즘(Genetic Algorithm)을 이용한 TSK 퍼지 시스템의 구축을 다룬다. Pedrycz에 의해 제안된 퍼지 균등화 방법은 수치적인 데이터로부터 확률분포함수를 구축한 후 전체공간상에서 이들을 적절히 표현할 수 있는 소속함수를 생성한다. 이렇게 구축된 각 입력에 대한 소속함수는 유전알고리즘에 의해 입력공간이 분할되며 결론부 파라미터는 최소자승법에 의해 추정되어 진다. 제안된 방법은 그리드 분할로 인해 규칙의 수가 증가하는 문제를 해결하고 학습데이터와 검증데이터에 의해 타당한 입력공간분할과 퍼지 규칙을 생성할 수 있다. 시뮬레이션의 예로서 Box-Jenkins의 가스로 데이터의 모델링에 적용하여 제안된 방법의 유용성을 알 수 있다.

• Journal of Ocean Engineering and Technology
• /
• v.21 no.6
• /
• pp.115-119
• /
• 2007

Inference rules of the knowledge base, generated by experts or optimization, may be often inconsistent and incomplete. This paper suggests a systematic and automatic method which extracts inference rules not from experts' subject but from data. First, input/output linguistic variables are partitioned into several properties by the fuzzy equalization algorithm and each combination of their properties comes to premise of inference rule. Then, the conclusion which is the mast suitable for the premise is selected by evaluating consistent measure. This method, automatically from data, derives inference rules from experience. It is shown through application that extracts new inference rules between hull dimensions and hull performance.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.3
• /
• pp.194-202
• /
• 2000

In this paper, an efficient fuzzy rule generation scheme for Adaptive Network-based Fuzzy Inference System(ANFIS) using the conditional fuzzy-means(CFCM) and fuzzy equalization(FE) methods is proposed. Usually, the number of fuzzy rules exponentially increases by applying the gird partitioning of the input space, in conventional ANFIS approaches. Therefore, CFCM method is adopted to render the clusters which represent the given input and output fuzzy and FE method is used to automatically construct the fuzzy membership functions. From this, one can systematically obtain a small size of fuzzy rules which shows satisfying performance for the given problems. Finally, we applied the proposed method to the truck backer-upper control and Box-Jenkins modeling problems and obtained a better performance than previous works.

• Journal of Korea Multimedia Society
• /
• v.11 no.4
• /
• pp.462-470
• /
• 2008

This study applies fuzzy functions to improve image quality under the assumption that uncertainty of image information due to low contrast is based on vagueness and ambiguity of the brightness pixel values. To solve the problem of low contrast images whose brightness distribution is inclined, we use the k-means algorithm as a parameter of the fuzzy function, through which automatic critical points can be found to differentiate objects from background and contrast between bright and dark points can be improved. The fuzzy function is presented at the three main stages presented to improve image quality: fuzzification, contrast enhancement and defuzzification. To measure improved image quality, we present the fuzzy index and entropy index and in comparison with those of histogram equalization technique, it shows outstanding performance.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.5
• /
• pp.527-532
• /
• 2005

In this paper, we proposed an adaptive fuzzy sliding control for unknown nonlinear systems using estimation of bounds for approximation errors. Unknown nonlinearity of a system is approximated by the fuzzy logic system with a set of IF-THEN rules whose consequence parameters are adjusted on-line according to adaptive algorithms for the purpose of controlling the output of the nonlinear system to track a desired output. Also, using assumption that the approximation errors satisfy certain bounding conditions, we proposed the estimation algorithms of approximation errors by Lyapunov synthesis methods. The overall control system guarantees that the tracking error asymptotically converges to zero and that all signals involved in controller are uniformly bounded. The good performance of the proposed adaptive fuzzy sliding mode controller is verified through computer simulations on an inverted pendulum system.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.9
• /
• pp.777-781
• /
• 2001

This paper presents an image contrast enhancement technique for improving the low contrast images using the improved IAFC(Integrated Adaptive Fuzzy Clustering) model. The low pictorial information of a low contrast image is due to the vagueness or fuzziness of the multivalued levels of brightness rather than randomness. Fuzzy image processing has three main stages, namely, image fuzzification, modification of membership values, and image defuzzification. Using a new model of automatic crossover point selection, optimal crossover point is selected automatically. The problem of crossover point selection can be considered as the two-category classification problem. The improved IAFC model is used to classify the image into two classes. The proposed method is applied to several experimental images with 256 gray levels and the results are compared with those of the histogram equalization technique. We utilized the index of fuzziness as a measure of image quality. The results show that the proposed method is better than the histogram equalization technique.

• Journal of the Institute of Electronics Engineers of Korea TE
• /
• v.39 no.4
• /
• pp.414-422
• /
• 2002

In this paper, we propose a new method of adaptive neuro-fuzzy control using CFCM(Conditional Fuzzy c-means) clustering and fuzzy equalization method to deal with adaptive control problem. First, in the off-line design, CFCM clustering performs structure identification of adaptive neuro-fuzzy control with the homogeneous properties of the given input and output data. The parameter identification are established by hybrid learning using back-propagation algorithm and RLSE(Recursive Least Square Estimate). In the on-line design, the premise and consequent parameters are tuned to RLSE with forgetting factor due to a characteristic of time variant. Finally, we applied the proposed method to the water temperature control system and obtained better results than previous works such as fuzzy control.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2846-2849
• /
• 2002

본 논문은 뉴로-퍼지 시스템에서의 규칙 선택 및 모델 학술에 대하여 EM 알고리즘을 기반으로 하는 구조 동정을 제안한다. 뉴로-퍼지 모델링에서의 초기 파라미터가 학습과정에서의 모델 성능에 큰 영향을 주고 있다. 주어진 데이터에 근거한 파라미터 추정에는 다양한 방법들이 소개되고 응용되어져 왔는데 이전 연구들에서 볼 수 있는 HCM, FCM 등은 데이터와의 유클리디언 거리를 최소화하는 중심점을 파라미터로 선택하는 등의 방법과 퍼지 균등화 등은 데이터의 확률 밀도함수를 이용하여 파라미터를 추정하였다. 제안된 방법에서는 데이터에서의 Maximum Likelihood Estimator를 기반으로 하는 방법으로 EM 알고리즘을 이용하였다. 초기 파라미터의 결정에서 EM 알고리즘을 이용하여 뉴로-퍼지 모델의 전제부 소속함수 파라미터 추정을 실시한다. EM 알고리즘을 이용한 퍼지 모델의 특징으로는 전제부가 클러스터링에 의하여 생성되므로 입력의 차원이나 소속함수의 수가 증가하여도 규칙의 수는 증가하지 않는다. 이를 자동차 MPG 예제를 통하여 제안된 방법의 유용성을 보이고자 한다.