• Proceedings of the Korean Society for Information Management Conference
• /
• 1994.12a
• /
• pp.15-18
• /
• 1994

본 연구에서는 불논리검색의 단점을 보완하기 위한 가장 강력한 검색 모형인 퍼지검색과 확률검색의 효율을 불논리검색과 상호비교하였다. 실험데이터로 정보학 분야의 한국어 test collection인 KT Test Set을 이용하였고 색인어와 색인어의 문헌내 출현빈도를 바탕으로 퍼지시소러스를 생성하여 시소러스의 NT, BT로 탐색식을 확장한 다음 각각에 대해 3가지 검색을 행하고 검색효율을 평균재현율과 평균정확률로 측정하였다. 실험결과 검색효율은 재현율에서는 확률검색, 불논리검색, 퍼지검색 순으로. 정확률에서는 퍼지검색, 확률검색, 불논리검색 순으로 나타났다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2009.01a
• /
• pp.25-30
• /
• 2009

패턴 인식에서 분류기 모형으로 많이 사용되는 퍼지 가중치 평균 분류기는 가중치를 적절히 설정함으로써 뛰어난 분류 성능을 얻을 수 있다는 장점이 있다. 그러나 일반적으로 가중치는 인식 문제 분야의 특성이나 해당 전문가의 지식이나 주관적 경험을 기반으로 설정되므로 설정된 가중치의 일관성과 객관성을 보장하기가 어려운 문제점을 갖고 있다. 따라서 이 논문에서는 퍼지 가중치 평균 분류기의 가중치를 설정하기 위한 객관적 기준을 제시하기 위하여 특징값들 간의 통계적 정보를 이용한 가중치 설정 기법들을 제안하였다. 제안한 기법들을 이용하여 UCI machine learning repository 사이트에서 제공되는 표준 데이터들 중의 하나인 Iris 데이터 세트를 이용하여 실험하고 그 결과를 비교, 분석하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.5
• /
• pp.517-524
• /
• 2004

The fuzzy set theory has been wide used in clustering of machine learning with data mining since fuzzy theory has been introduced in 1960s. In particular, fuzzy C-means algorithm is a popular fuzzy clustering algorithm up to date. An element is assigned to any cluster with each membership value using fuzzy C-means algorithm. This algorithm is affected from the location of initial cluster center and the proper cluster size like a general clustering algorithm as K-means algorithm. This setting up for initial clustering is subjective. So, we get improper results according to circumstances. In this paper, we propose a cluster merging using enhanced density based fuzzy C-means clustering algorithm for solving this problem. Our algorithm determines initial cluster size and center using the properties of training data. Proposed algorithm uses grid for deciding initial cluster center and size. For experiments, objective machine learning data are used for performance comparison between our algorithm and others.

• 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

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.7
• /
• pp.9-15
• /
• 2009

The fuzzy weighted mean classifier is one of the most common classification models and could achieve high performance by adjusting the weights. However, the weights were generally decided based on the experience of experts, which made the resulting classifiers to suffer the lack of consistency and objectivity. To resolve this problem, in this paper, a weight deciding method based on the statistics of the data is introduced, which ensures the learned classifiers to be consistent and objective. To investigate the effectiveness of the proposed methods, Iris data set available from UCI machine learning repository is used and promising results are obtained.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• pp.76-81
• /
• 2001

전자교통신호등은 차량이 교차로에 많을 때에는 교통신호주기를 연장할 수 있고, 교차로에 차량이 적을 경우에는 교통신호주기를 단축할 수 있다. 그러나, 요즈음과 같이 교통체증이 많아서 평균주행속도가 10Km-20Km일 때에는 전자신호등의 기능을 수행할 수 없다. 본 논문에서는 퍼지 규칙을 이용하여 최단경로검색 및 최적 녹색시간 알고리즘을 제안한다. 컴퓨터 모의실험결과 앞 막힘 현상이 발생하는 경우에는 평균 승용차 대기시간 및 평균주행속도를 10%-32% 가량 개선시킬 수 있음을 입증하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.166-169
• /
• 2005

질적인 속성을 양적인 계열로 전환하여 측정하는 방법으로서 설문의 최소 문항으로서 최대의 효과를 나타내기 위하여 한 항목을 k번 측정하여 평균과 $95\%$ 신뢰구간을 퍼지수로 한 데이터들을 리커트 척도로 활용하여 내분비방법에 의하여 검정을 하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.265-268
• /
• 2007

다기준 의사결정 문제에서 요인간의 가중치 계산과 계산된 요인의 평가값 종합화는 매우 중요하다. 본 연구는 다기준 의사결정 문제에 있어서 의사결정자의 의사전략 결합기법을 도출하고 다기준의사결정 문제로 적용하였다. 복잡한 환경에서 의사결정을 할 때 발생되는 모호함을 해결하기 위해 주관적 의견을 결합한 퍼지지합 이론을, 다기준 문제의 요인을 퍼지값으로 계층화하기 위해 계층분석법을 적용하였다. 또한, 의사결정자의 의사전략을 결합하기 위해 순위 가중치평균법을 이용하였다. 순위가 있는 가중치 평균방법은 퍼지집합의 orness 특성을 이용하여 의사결정자의 주관적 의지를 반영할 수 있는 기법으로, 순위가중치평균(OWA) 연산자에 따른 낙관적 혹은 비관적인 정도에 따라 주관적인 의도를 반영할 수 있는 방법이다. 다기준의사결정 문제의 적용사례로서 해상교통안전을 위한 대기정박지의 위치분석 문제를 본 연구에서 제시한 방법에 따라 적용하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1998.11a
• /
• pp.214-218
• /
• 1998

칼라 영상은 단색조의 영상에 비해 인간의 시각을 크게 향상시킨다. 따라서 칼라 영상 처리에 관한 연구는 매우 중요하다. 칼라 영상은 센서 잡음이나 채널 전송 에러에 의해 생기는 잡음에 의해 자주 오염되어진다. 이러한 칼라 잡음을 제거하기 위해 여러 형태의 필터들이 개발되어 왔는데 혼합된 잡음에서 벡터 $\alpha$-trimmed 평균 필터는 우수한 성능을 보였다. 그러나, 벡터 $\alpha$-trimmed 평균 필터는 필터링 과정이 영상의 전 영역에 걸쳐 균일하게 적용되어지기 때문에 윤곽선 이동이 일어나 blurring 현상이 심하게 나타나는 문제점이 있다. 이러한 문제점을 개선하기 위해 본 논문에서는 윤곽선 영역과 smooth 영역을 구분한 뒤 각 영역에 적합한 선택적인 필터링을 하는 조건적인 퍼지 클러스터 필터를 제안하였고 제안된 조건적인 퍼지 클러스터 필터는 기존의 벡터 $\alpha$-trimmed 평균 필터에 비해 혼합된 잡음에서 우수한 성능을 보였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.46 no.3
• /
• pp.1-7
• /
• 2009

An approach for the classification of music genres using a Fuzzy c-Means(FcM) with divergence-based kernel is proposed and presented in this paper. The proposed model utilizes the mean and covariance information of feature vectors extracted from music data and modelled by Gaussian Probability Density Function (GPDF). Furthermore, since the classifier utilizes a kernel method that can convert a complicated nonlinear classification boundary to a simpler linear one, he classifier can improve its classification accuracy over conventional algorithms. Experiments and results on collected music data sets demonstrate hat the proposed classification scheme outperforms conventional algorithms including FcM and SOM 17.73%-21.84% on average in terms of classification accuracy.