• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.757-759
• /
• 2003

암의 치료법은 같은 종류의 암이라 해도 그 하부 클래스에 따라 매우 다르기 때문에 암의 클래스를 예측하는 것은 그 정확한 치료를 위하여 매우 중요하다. 유전자 발현 데이터를 이용한 암의 분류에 있어 기존의 연구들은 각 데이터를 하나의 클러스터에 소속시키는 하드 분할(hard partition)에 의한 분할 방식을 사용하는 하드 클러스터링을 사용하였다. 하지만 일반적으로 유전자 발현 암 데이터와 같은 실세계의 데이터는 쉽게 나뉘어지기 힘들거나 클러스터 간의 경계가 분명하지 않기 때문에 하드 클러스터링 기법은 주어진 데이터의 성질을 손실시킬 수 있는데 반해, 퍼지 클러스터링 기법은 각 데이터가 소속 정도에 따라 여러 개의 클러스터에 속할 수 있도록 분할하기 때문에 이러한 손실을 최소화할 수 있다. 따라서 본 논문에서는 퍼지 클러스터링의 대표적인 방법인 fuzzy c-means 클러스터링을 적용하여 암의 클래스를 예측하고, 다양한 하드 클러스터링 방법과 비교함으로써 퍼지 클러스터링의 성능을 검증하였다.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.9
• /
• pp.3029-3036
• /
• 2000

Image segmentation is one of the important processes in the image information extraction for computer vision systems. The fuzzy clustering methods have been extensively used in the image segmentation because it extracts feature information of the region. Most of fuzzy clustering methods have used the Fuzzy C-means(FCM) algorithm. This algorithm can be misclassified about the different size of cluster because the degree of membership depends on highly the distance between data and the centroids of the clusters. This paper proposes a fuzzy clustering algorithm using the Average Intracluster Distance that classifies data uniformly without regard to the size of data sets. The Average Intracluster Distance takes an average of the vector set belong to each cluster and increases in exact proportion to its size and density. The experimental results demonstrate that the proposed approach has the g

• Proceedings of the Korean Society for Information Management Conference
• /
• 2003.08a
• /
• pp.95-103
• /
• 2003

목차 및 권말색인과 같은 인쇄형태의 정보내용에 대한 구조화된 접근방식에서 착안하여 전자 문서의 내용에 대한 새로운 형태의 접근방식을 개발할 수 있는데, 이를 위한 방안으로 용어 자동분류 기법이 있다. 본 연구에서는 용어의 의미모호성 문제를 해결하는 동시에 용어간 계층관계 표현이 가능한 자동분류 기법으로 퍼지 클러스터링 기법을 제안하고, 대표적인 퍼지 클러스터링 알고리즘인 퍼지 c-means 기법에 대해 분석하고자 한다.

• The KIPS Transactions:PartB
• /
• v.9B no.2
• /
• pp.202-214
• /
• 2002

In this paper, we propose a modified FCM (MFCM) algorithm to solve the problems of the FCM algorithm and the fuzzy clustering algorithm using an average intracluster distance (FCAID). The MFCM algorithm grants the regular grade of membership in the small size of cluster. And it clears up the convergence problem of objective function because its objective function is designed according to the grade of membership of it, verified, and used for clustering data. So, it can solve the problem of the FCM algorithm in different size of cluster and the FCAID algorithm in the convergence problem of objective function. To verify the MFCM algorithm, we compared with the result of the FCM and the FCAID algorithm in data clustering. From the experimental results, the MFCM algorithm has a good performance compared with others by classification entropy.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.367-368
• /
• 2012

Possibilistic c-means (PCM) 알고리즘은 fuzzy c-means (FCM) 의 노이즈 민감성을 극복하기 위해 제안 되었다. 하지만, PCM 은 사용되는 시스템 파라미터들의 초기화와 coincident 클러스터링 문제로 인하여 그 성능이 민감하다. 본 논문에서는 이러한 문제점들을 극복하기 위해 개미군집 알고리즘(Ant colony algorithm)을 이용한 퍼지 클러스터링(fuzzy clustering) 알고리즘을 제안한다. 먼저, 개미군집 알고리즘을 통해 PCM 의 클러스터 개수 및 중심 값 파라미터를 최적화 하고, 미리 분류된 화소 정보를 이용하여 PCM 의 coincident 클러스터링 문제를 해결하였다. 제안된 알고리즘의 효율성을 의료 영상 분할 문제에 적용하여 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2513-2515
• /
• 2004

본 논문에서는 주어진 데이터를 나누어 부분공간으로 구성하여 특성을 구분하거나 또다른 모델의 입력 파라미터로 제공하는 방법 중 하나의 클러스터링의 성능 개선과 이를 이용하여 퍼지 모델링을 실시하였다. 일반적인 클러스터링에서 볼 수 있는 초기 파라미터 결정 문제와 알고리즘의 수렴 문제에 대하여 문제점을 개선하였으며 클러스터링에 의하여 추정된 파라미터를 퍼지 모델에 적용하였다. 또한 일반적인 퍼지 모델의 경우 각 입력의 차원이 서로 독립적으로 구성되어 있어 데이터에서 존재하는 입력간의 상관관계를 고려하지 않았다. 제안된 퍼지 모델에서는 클러스터링에서 추정된 입력간의 상관관계(공분산)까지 고려하여 모델의 성능을 개선하였다. 제안된 논문의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.262-264
• /
• 2004

퍼지 클러스터링 방법은 일반적인 클러스터링 방법과는 달리 하나의 샘플이 다수의 집단에 속할 수 있으며 그 속하는 정도를 표현하여 보다 유연한 클러스터 분할의 분석을 가능하게 한다. 유전자 발현 데이터는 노이즈가 많고 공통된 기능을 가진 유전자들의 집단이 존재하기 때문에 퍼지 클러스터링을 사용하면 더욱 효율적으로 분석할 수 있다. 이러한 퍼지 클러스터링 방법에 있어서 중요한 것은 얼마나 분할이 정확하게 이루어졌으며 실제 데이터가 가지고 있는 분할과 결과가 얼마나 유사한가이다. 본 논문에서는 효과적인 유전자 클러스터의 평가를 위하여 베이지안 검증 방법을 제시하고, 결정트리로 생성된 규칙에 의하여 각 데이터의 특성에 따라 유연하게 검증하는 방법을 제안한다. 다양한 유전자 발현 데이터를 퍼지 c-means 알고리즘을 이용하여 클러스터링하고 제안하는 방법으로 검증한 결과, 그 유용성을 확인할 수 있었다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.5 no.4
• /
• pp.224-231
• /
• 2012

In this paper, we introduce a fuzzy inference systems based on fuzzy c-means clustering algorithm for fuzzy modeling of nonlinear process. Typically, the generation of fuzzy rules for nonlinear processes have the problem that the number of fuzzy rules exponentially increases. To solve this problem, the fuzzy rules of fuzzy model are generated by partitioning the input space in the scatter form using FCM clustering algorithm. The premise parameters of the fuzzy rules are determined by membership matrix by means of FCM clustering algorithm. The consequence part of the rules is expressed in the form of polynomial functions and the coefficient parameters of each rule are determined by the standard least-squares method. And lastly, we evaluate the performance and the nonlinear characteristics using the data widely used in nonlinear process.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2953-2955
• /
• 2000

본 논문에서는 전문가의 지식이 없는 상황에서 자동적으로 최적의 퍼지 제어기를 설계하는 방법에 대해 연구한다. 먼저 퍼지 제어기의 규칙 설정을 위해 기존의 PID 제어기의 입출력 데이터를 클러스터링한다. 군집된 데이터들로부터 클러스터의 수를 파악하고 이를 바탕으로 퍼지 제어를 위한 규칙의 수를 결정한다. 둘째로 퍼지 제어기의 여러 파라미터들은 유전자 알고리즘을 적용하여 최적화한다. GA를 이용한 최적화 과정에서는 성능평가 기준으로 기준입력에 대한 시스템 응답간의 오차와 오버슈트의 크기를 사용하여 응답이 빠르고 안정적인 제어기를 설계하도록 진화방향을 설정한다. 이렇게 만들어진 퍼지 제어기의 성능을 기존의 PID 제어기와 비교 평가한다

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2567-2569
• /
• 2003

본 논문은 비선형 시스템의 퍼지모델을 위해 정보 Granules 기반 퍼지추론 시스템 모델의 최적화를 제시한다. 퍼지모델은 주로 경험적 방법에 의해 추출되기 때문에 보다 구체적이고 체계적인 방법에 의한 동정 및 최적화 될 필요성이 요구된다. 제안된 규칙베이스 퍼지모델은 HCM 클러스터링 방법, 컴플렉스 알고리즘 및 퍼지추론 방법을 이용하여 시스템 구조와 파라미터 동정을 수행한다. 두 가지 형태의 퍼지모델 추론 방법은 간략추론, 선형추론에 의해 시행된다. 본 논문에서는 퍼지모델의 입력변수와 퍼지 입력 공간 분할 및 입출력 데이타의 중심값을 구해서 후반부 다항식함수에 의한 정보 Granules 기반 구조 동정과 파라미터 동정을 통해 비선형 시스템을 표현한다. 전반부 파라미터의 동정에는 HCM 클러스터링 방법과 컴플렉스 알고리즘을 사용하고, 후반부는 표준 HCM 클러스터링과 표준 최소자승법을 사용하여 동정한다. 그리고 학습 및 테스트 데이타의 성능견과의 상호균형을 얻기 위한 하중값을 가진 성능지수를 제시함으로써 근사화와 예측성능의 향상을 꾀한다. 제안된 비선형 모델의 성능평가를 통해 그 우수성을 보인다.