• Journal of KIISE:Software and Applications
• /
• v.31 no.6
• /
• pp.784-791
• /
• 2004

In this study, we deal with face recognition using fuzzy-based Fisherface method. The well-known Fisherface method is more insensitive to large variation in light direction, face pose, and facial expression than Principal Component Analysis method. Usually, the various methods of face recognition including Fisherface method give equal importance in determining the face to be recognized, regardless of typicalness. The main point here is that the proposed method assigns a feature vector transformed by PCA to fuzzy membership rather than assigning the vector to particular class. In this method, fuzzy membership degrees are obtained from FKNN(Fuzzy K-Nearest Neighbor) initialization. Experimental results show better recognition performance than other methods for ORL and Yale face databases.

• The KIPS Transactions:PartB
• /
• v.11B no.6
• /
• pp.717-722
• /
• 2004

This paper presents fuzzy rules to predict diagnosis of Wisconsin breast cancer using neural network with weighted fuzzy membership functions (NNWFM). NNWFM is capable of self-adapting weighted membership functions to enhance accuracy in prediction from the given clinical training data. n set of small, medium, and large weighted triangular membership functions in a hyperbox are used for representing n set of featured input. The membership functions are randomly distributed and weighted initially, and then their positions and weights are adjusted during learning. After learning, prediction rules are extracted directly from the enhanced bounded sums of n set of weighted fuzzy membership functions. Two number of prediction rules extracted from NNWFM outperforms to the current published results in number of rules and accuracy with 99.41%.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.523-528
• /
• 2002

기존의 자기 주도적 학습 평가들은 대부분의 선다형 또는 단답형 문항에 대해서 학습평가가 시험 점수로 제공되고, 학습 평가의 정도를 객관적으로 평가 할 수 얼어 학습의 효율성에 대해서 부정적인 시각도 있다. 본 논문에서는 학습자 스스로가 학습 능력 평가를 객관적으로 평가하기 위해 퍼지 이론의 삼각형 타입 소속 함수를 이용한 자기 주도적 학습 평가 방법을 제안한다. 제안된 자기 주도적 학습 평가 방법은 학습에 대해 시험 결과를 세 개의 퍼지 등급으로 분류하여 소속도를 계산하고 퍼지 등급표를 적용하여 최종 퍼지 등급도에 따라 시험 결과를 평가하는 방법을 제시한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.10a
• /
• pp.473-476
• /
• 2015

본 논문에서는 영상의 명암도 분포도를 효과적으로 조정하기 위해 개선된 퍼지 스트레칭 기법을 제안하여 적용한다. 개선된 퍼지 스트레칭이 적용된 영상에서 소벨 마스크를 이용하여 에지를 추출한다. 추출된 에지영상에 퍼지 추론 기법을 적용하여 흠집 크기에 대한 소속도와 중심과 흠집간의 거리에 대한 소속도를 구한 후에 퍼지 추론 기법을 적용하여 흠집이 눈에 미치는 영향 정도를 분석한다. 본 논문에서 제안된 방법의 성능을 평가하기 위해 CHEMI, MID, HL, HM와 같은 시력 보정용 렌즈 영상을 대상으로 실험한 결과, 제안된 방법이 기존 렌즈 흠집 추출 방법보다 흠집 영역이 정확히 추출되고 눈에 미치는 영향을 효과적으로 분석할 수 있는 가능성을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.15-17
• /
• 1999

사례 기반 추론(Case-Based Reasoning)은 새로운 문제를 해결하기 위해 유사한 기존 문제를 추출하여 그 해결과정을 사용한다. 그러므로, 기존의 문제와의 유사성을 얼마만큼 잘 판별하는가가 매우 중요한 관건이다. 연구된 유사성 판단 방법으로는 퍼지 소속 함수(Fuzzy membership function)를 이용하여 사례마다 각 클래스에 대한 소속 함수 값을 주는 방법이 있다. 이 방법은 퍼지 소속 함수를 어떻게 주는가에 따라 성능이 달라진다. 본 논문에서는 적당한 퍼지 소속 함수를 주기 위하여 Fuzzy C-Means를 사용하는 방법을 제안하였다. 이 방법은 각 클래스에 대한 소속 함수 값을 결정하는데 있어서 좀 더 전체적인 데이터 분포 정보를 이용할 수 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.18 no.5
• /
• pp.19-23
• /
• 2013

TIn this paper, we propose a novel fuzzy stretching method that adopts a triangle type fuzzy membership function to control the highest and lowest brightness limit dynamically. As an essential procedure to enhance the brightness contrast, stretching is an important procedure in color image processing. While popular Ends-in Search stretching method should be provided fixed minimum and maximum brightness threshold from experience, our proposed method determines them dynamically by fuzzy membership functions. The minimum and maximum limit is determined by computing the lowest and highest pixel value according to the membership degree of our designed triangle type membership function. The experiment shows that the proposed method result in far less skewed histogram than those of Ends-in Search stretching thus successfully verifies its effectiveness.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.384-389
• /
• 1998

본 논문은 특정 응용에 적합한 퍼지 제어기의 최적 설계 파라메터(퍼지 규칙과 소속 함수)를 찾는데 역전파 학습 과정과 유전 알고리즘을 결합한 Lamarckian 상호적응 기법을 이용한 뉴로-퍼지 제어기의 새로운 설계 방법을 제안한다. 설계 파라메타들은 진화에 의한 전역적 탐색을 통해 높은 포함값과 유용한 퍼지 규칙들을 갖는 규칙 베이스와 작은 근사화 오차와 좋은 제어 성능을 갖는 소속 함수들을 얻도록 제어기간 파라메타 조절을 수행하며, 학습에 의한 국부적 탐색을 통해 각 퍼지 제어기가 원하는 제어 결과를 나타내도록 제어기내 파라메타 조절을 수행한다. 제안한 상호적응 설계 방법은 유전 알고리즘의 모든 세대에서 역전파 학습이 이루어지므로 보다 좋은 근사화 능력을 나타나고, 사용한 무게 중심 비퍼지화기가 정확한 비퍼지화값을 계산하므로 보다 좋은 제어 성능을 가지며, 퍼지 규칙 베이스와 소속 함수들의 최적화 탐색 과정이 입출력 공간의 같은 퍼지 분할 상에서 통합된 적응 함수에 의하여 동시에 수행되므로 탐색을 위한 작업 공간이 아주 작아지는 장점이 있다. 시뮬레이션 결과는 Lamarckian 상호 적응에 의해 얻어진 FLC가 퍼지 규\ulcorner 수, 근사화 능력, 제어 성능등 모든면에서 다른 방법에 의해 얻어진 FLC보다 가장 우수함을 보여준다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• 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.

• Annual Conference on Human and Language Technology
• /
• 1991.10a
• /
• pp.300-306
• /
• 1991

본 논문에서는 온라인 한글 인식을 위하여 퍼지소속함수를 사용하였다. 획의 오인식으로 인한 문자의 오인식 문제를 해결하기 위하여 인식 시스템 내에서 획을 퍼지집합으로 표현하며, 자모를 인식하는데 사용되는 획의 중심점들 간의 방향은 퍼지소속 함수로 정의하여 추론한다. 본 논문에서 제시하는 퍼지추론 방법은 같은 획으로 시작되는 모든 자소에 대하여 적용되며, 애매모호한 상황하에서도 인식을 수행한다. 따라서 퍼지소속함수를 사용한 시스템은 종래에 오인식 되었던 애매한 글자들을 정확하게 인식할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.527-530
• /
• 2001

영상이 시각적인 해석을 위해 처리될 때, 퍼지 이론이 영상 대비 강화에 많이 사용되고 있다. 적응적 퍼지 클러스터링 기법을 사용하여 자동적으로 영상의 명암도에 대한 다중 클래스를 형성하고 여기에 각각의 명암도를 속성 공간으로 전환시키는 퍼지함수를 사용하여 각 픽셀의 명암도에 부합하는 퍼지 소속도를 구한다. 영상 대비 향상을 위하여 구한 퍼지 소속도에 강화 연산자를 반복적 적용한다. 본 논문에서 제안한 방법을 히스토그램 평활화와 비교하기 위해 흑백 영상에 적용하였다.