• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.449-451
• /
• 2003

패턴 분류 문제에서 수치적 속성일 경우 퍼지 적용은 효과적인 결과를 보인다는 것은 많은 연구를 통해 알려졌다. 하지만 퍼지를 적용한 패턴분류의 결과는 소속함수의 모양과 개수에 따라 크게 영향을 받는다는 문제점을 가지고 있다. 따라서 이러한 문제점은 퍼지를 쉽게 응용분야에 적용시키지 못하는 원인이 된다. 따라서 본 논문에서는 자동으로 소속함수를 정의할 수 있는 소속함수 학습 방법을 제안한다. 제안한 방법1)은 Penalty연산과 Reward연산을 통해 소속함수가 학습되고 Coverage연산을 통해 소속함수 개수가 학습된다. 제안된 방법의 가능성을 확인하기 위해 벤치마크 데이터 중 Iris, Appendicitis, Breast Cancer를 사용하여 기존 방법과 비교한다.

• 한국지능시스템학회논문지
• /
• 제12권4호
• /
• pp.373-378
• /
• 2002

기존의 대부분의 퍼지 제어기는 퍼지 추론시 [0, 1]의 소속도를 갖는 퍼지 소속함수들의 실수연산으로 인하여 연산수행 속도가 저하되는 문제를 가지고 있다 따라서 본 논문에서는 실수연산으로 인하여 야기되었던 속도 저하문제를 해결하기 위한 새로운 퍼지연산 기법으로 실수 값을 갖는 퍼지 소속함수 값을 정수형 격자(pixel)에 매핑시켜 정수형 퍼지 소속 함수값만을 가지고 연산함으로써 기존의 퍼지제어기에 비해 매우 빠른 연산을 수행 할 수 있는 고속 퍼지제어기를 제안한다. 또한 퍼지 제어시스템 설계시에 퍼지 입출력 변수들의 퍼지항들을 입력시킬 수 있는 GUI(Graphic User Interface)를 제공하여 소속함수의 수정 및 퍼지 값 입력시 사용자에게 보다 편리한 환경을 제공한다

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.216-218
• /
• 2010

본 논문에서는 기존의 퍼지 필터링 알고리즘의 문제점을 개선한 퍼지 필터링 기법을 제안한다. 제안된 퍼지 필터링 알고리즘은 컬러 영상에서 R, G, B 채널을 각각 분리한다. 분리된 각 채널에서 마스크 정보를 추출하여 채널에 대한 평균값과 중간값의 명암도를 제안된 퍼지 기법의 소속 함수에 적용하여 소속도를 구한 뒤, 추론 규칙에 적용한다. 그리고 R, G, B 각각의 소속도 값을 이용하여 잡음 가능성 여부를 판별한다. 제안된 퍼지 기법에서 소속 함수 구간은 세 개 구간으로 설정하였다. 잡음이라고 판단되는 경우에는 그 잡음 정도에 따라 중간값이나 평균값을 해당 픽셀 값으로 설정하여 잡음을 제거한다. 제안된 기법을 컬러 영상에 적용한 결과, 제안된 기법이 기존의 퍼지 필터링 기법보다 잡음 제거에 있어서 효과적인 것을 확인할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 추계학술대회 학술발표 논문집
• /
• pp.301-304
• /
• 2000

본 논문에서는 디지털 영상에서 얼굴 영상 검출을 위해 픽셀의 퍼지 소속도를 이용하여 신경망으로 학습하는 퍼지 신경망을 이용한 얼굴영상 검출을 제안한다. 입력 영상의 피라미드 영상에서 추출된 20$\times$20 윈도우 템플릿 영상안의 각 픽셀의 소속도로 얼굴 영상 패턴을 학습하여 얼굴 영상을 검출하는 방법은 단순히 영상의 픽셀 값 하나씩만을 고려해서 각 픽셀의 소속도를 고려하여 수행하는 얼굴 영상 분할보다 얼굴 영상을 훨씬 더 정확하고 인식률이 높게 검출해 낼 수 있다.

• 한국지능시스템학회논문지
• /
• 제11권1호
• /
• pp.39-44
• /
• 2001

본 논문에서는 디지털 영상에서 얼굴 영상 검출을 위해 픽셀의 퍼지 소속도를 이용하여 신경망으로 학습하는 퍼지 신경망을 이용한 얼굴영상 검출을 제안한다. 입력 영상의 피라미드 영상에서 추출된 20$\times$20 윈도우 영상 안의 각 픽셀의 소속도로 얼굴 영상 패턴을 학습하여 얼굴 영상을 검출하는 방법은 단순히 영상의 픽셀 값 하나씩만을 고려해서 각 픽셀의 소속도를 고려하여 수행하는 얼굴 영상 분할보다 얼굴 영상을 더 정확하고 인식률이 높게 검출해 낼 수 있다.

• 컴퓨터교육학회논문지
• /
• 제7권2호
• /
• pp.77-84
• /
• 2004

본 논문에서는 학습자 스스로가 학습 능력을 조절하고 학습 능력과 시험 능력을 객관적으로 판단할 수 있는 자기 주도적 학습 능력 및 시험 능력 평가 방법을 제안하였다. 제안된 자기 주도적 학습 능력 및 시험 능력 평가 방법은 삼각형 타입의 소속 함수와 퍼지 논리를 이용하여 학습 능력과 시험 능력의 소속도를 계산하고 각각에 대해 퍼지 등급도를 부여하였다. 학습 능력의 소속도와 시험 능력의 소속도에 대해서 퍼지 관계의 연산 및 합성에 의해 최종 소속도를 계산하고 퍼지 등급도를 결정하여 학습자가 학습 능력의 소속도와 시험 능력의 소속도 및 최종 퍼지 등급도를 분석하여 스스로 학습을 조정할 수 있도록 하였다. 그리고 제안된 연구 내용을 인터넷 정보 검색사 필기 과목에 적용하여 구현하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.90-93
• /
• 1998

입？출력 데이터 쌍만을 이용하여 규칙 및 소속 함수를 자동적으로 결정하는 자기 학습 퍼지 알고리즘 중에서, 가장 이해하기 용이하고 퍼지 규칙 및 소속 함수 생성이 빠른 방법으로 기울기 강하를 이용한 방법들이 있다. 기울기 강하를 이용한 방법중에서 가장 대표적인 Araki가 제안한 방법은 퍼지 조건부가 퍼지 집합 형태이고 결론부는 단일값으로 구성된 알고리즘으로써 입력 퍼지 공간을 세분화하면서 시스템을 규명해나가는 간단하면서도 효율적인 알고리즘이다. 그러나 이 방법은 퍼지 입력 변수가 증가하면 퍼지 공간이 세분화 되면서 소속 함수 및 규칙 생성 개수가 급격히 제곱배로 증가하는 문제점을 가지고 있다. 따라서, 본 논문에서는 퍼지 입력 변수가 증가함에 따라 급격히 퍼지 규칙 및 소속 함수의 수가 증가하는 Araki 알고리즘의 문제점을 분석하여 소속 함수 및 규칙 수의 급격한 증가를 억제하고 Araki 방법에 비해 학습속도가 현저히 향상된 새로운 방안을 제안한다. 연구 결과, Arki 방법이 입력 변수의 개수가 증가 할수록 규칙 수가 기하 급수적으로 많이 필요하였던 것에 비해 제안한 방법은 훨씬 적은 규칙 수로 우수한 성능을 얻을 \ulcorner 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.811-813
• /
• 2004

본 논문에서는, 고유 얼굴 분포를 기반으로 하여 퍼지 이론을 이용한 얼굴 인식 기법을 제안한다 고유 얼굴의 가중치값들에 대해 각각의 분포를 이용한 소속도 함수가 계산되며. 소속도 함수를 통해 계산된 소속도는 신경망을 통해 학습된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.513-515
• /
• 2015

본 논문에서는 다양한 영상에서 객체들의 정보 손실을 최소화한 상태에서 영상을 이진화하기 위해 ${\alpha}-cut$을 동적으로 설정하는 개선된 퍼지 이진화 방법을 제안한다. 제안된 퍼지 이진화 방법은 평균 밝기 값을 기준으로 가장 어두운 픽셀 값과 가장 밝은 픽셀 값의 거리를 계산하여 소속 함수의 구간을 설정한다. 그리고 소속 함수에서 소속도를 구한 후, 영상을 이진화 하기 위해 최대 밝기 값에서 중간 밝기 값을 나눈 값을 ${\alpha}-cut$값으로 설정한 후에 구간 임계치를 이용하여 영상을 이진화 한다. 제안된 퍼지 이진화 방법의 효율성을 확인하기 위해 다양한 영상을 대상으로 실험한 결과, 기존의 퍼지 이진화 방법보다 객체와 배경 사이의 명암도가 한쪽에 치우친 분포를 가진 영상과 넓게 분포된 영상에서 모두 객체들의 정보의 손실이 적은 상태에서 이진화되는 것을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제7권5호
• /
• pp.853-862
• /
• 2003

본 논문에서는 퍼지 이론을 이용한 학습 평가 방법을 제안하였다. 제안된 학습 평가 방법은 정보처리 데이터베이스 과목에 대한 기출문제의 출제 빈도수를 3등급으로 분류하고 이것을 중요도라 정의하였다. 학습 중요도에 따른 학습 횟수에 대한 퍼지 소속도와 형성평가 점수에 대한 퍼지 소속도를 각각 9개의 퍼지 추론 규칙에 적용하여 학습 이해도를 평가하였다. 최종적인 학습 평가는 각 장별 학습 이해도에 대한 퍼지 등급과 총괄평가 점수에 대한 소속도를 이용하여 퍼지 추론규칙에 적용하고 비퍼지화하여 평가하였다. 제시된 퍼지 이론을 이용한 학습 평가 방법은 학습자가 스스로 학습한 내용을 진단 할 수 있도록 도와주며, 학습목표의 성취여부를 종합적이고 객관적으로 판단할 수 있는 방법을 제공한다.