• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.4
• /
• pp.373-378
• /
• 2002

In fuzzy inferencing, most of conventional fuzzy controllers have problems of speed down in floating point operations of fuzzy membership functions in (0,1) as compared with integer operations. Therefore, in this paper, we propose a high-speed fuzzy controller with only integer operations. In this, for fast fuzzy computations, we use a scan line conversion algorithm to convert lines of each fuzzy linguistic term to the set of the closest integer pixels. We also implement a GUI (Graphic User Interface) application program for the convenient environments to modify and input fuzzy membership functions.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2010.05a
• /
• 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.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.11a
• /
• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• 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.

• The Journal of Korean Association of Computer Education
• /
• v.7 no.2
• /
• pp.77-84
• /
• 2004

In this thesis, We propose the self-directed learning and test-performing abilities assessment method to evaluate the learning and the test-performing abilities in which learners can not only control their own learning abilities for themselves, but also judge objectively learning and test-performing abilities. This method shows the membership degree of learning and test-performing abilities by using both the triangle-type membership function and the fuzzy logic. In addition, it gives the fuzzy grades to each item. The final membership degrees are calculated and the fuzzy grades are decided by the operation and composition of fuzzy relations on the membership degrees of learning and test-performing abilities. In this method, which is applicable to a writing subject for information searchers, learners are asked to analyse the membership degrees of the learning and test-performing abilities and the final fuzzy grades and to adjust a learning process for themselves.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• 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.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.10a
• /
• 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.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.5
• /
• pp.853-862
• /
• 2003

With the data base subject of first grade paper test of information handling technician, We proposed special method of evaluating learning ability directivity to judge that student can understand the contents of each chapter exactly or not, using assigned function and fuzzy deduction in this thesis. Using fuzzy logic, the proposed method of evaluating learning ability is dividing the presenting frequency of setting questions for examination about the subject of database into three rank and we can define this as the important. We applied the fuzzy assigned rate about the number of times of studying through the important of studying and the fuzzy assigned rate about formative evaluation to each of nine fuzzy deduction theories and than evaluated comprehension rate of learning. With the fuzzy grade about learning comprehension of each chapter and assigned rate about the score of generalized evaluation; We applied these two thing to the deduction rule of fuzzy and made it as defuzzifier and finally evaluated learning. We made that the result of eventual evaluating learning is very useful for learners to diagnosis learned contents by themselves and also it can be great material to judge that learners can get the goal of learning or not synthetically.