• 한국정보관리학회:학술대회논문집
• /
• 한국정보관리학회 1994년도 제1회 학술대회 논문집
• /
• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• 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.

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.517-524
• /
• 2004

1960년대 퍼지 이론이 소개된 이후 데이터 마이닝을 포함한 기계 학습 분야의 군집화 작업에서 퍼지 이론이 폭넓게 사용되었다. 퍼지 C-평균 알고리즘은 가장 많이 사용되는 퍼지 군집화 알고리즘이다. 이 알고리즘은 하나의 데이터 개체가 서로 다른 소속 정도를 가지고 각 군집에 할당될 수 있도록 한다. 퍼지 C-평균 알고리즘도 K-평균 알고리즘과 같은 일반적인 군집화 알고리즘과 마찬가지로 초기 군집수와 군집 중심의 위치에 의해 최종 군집 결과의 성능 차이가 나타난다. 군집화를 위한 이러한 초기 설정은 주관적이며 이 때문에 적절치 못한 결과를 얻게 될 수도 있다. 본 논문에서는 이 문제를 해결할 수 있는 방법으로 주어진 학습 데이터의 속성을 기반으로 한 초기 군집수와 군집 중심을 결정하는 개선된 밀도 기반의 퍼지 C-평균 알고리즘을 제안하였다. 제안 방법은 격자를 사용하여 초기 군집 중심의 위치와 군집수를 결정하였다. 기존에 많이 이용되었던 객관적인 기계 학습 데이터를 이용하여 제안 알고리즘의 성능비교를 수행하였다.

• 한국정보처리학회논문지
• /
• 제7권9호
• /
• pp.3029-3036
• /
• 2000

영상분할은 컴퓨터비전 시스템에서 영상정보추출의 중요한 과정 중의 하나이다. 이중에서 퍼지 클러스터링 방법은 영상분할에 광범위하게 사용되고 있다. 대부분의 퍼지 클러스터링 방법으로는 FCM 알고리즘이 사용된다. 그러나 FCM 알고리즘은 클러스터의 중심과 데이터간의 거리에 의존하기 때문에 클러스터 크기가 다를 경우에는 데이터가 오분류될 수 있다. 본 논문에서는 클러스트 크기에 상관없이 데이터를 분류할 수 있는 평균내부거리를 이용한 퍼지 클러스터링 알고리즘을 제안하였다. 평균내부거리는 각 데이터로부터 해당 클러스터 중심까지의 거리를 평균한 값으로 클러스터의 크기와 밀도에 비례한다. 실험 결과를 통하여 제안된 방법이 분류 엔트로피와 적합도 함수에 의해서 좋은 결과를 보여주고 있음을 증명하였다.

• 한국컴퓨터정보학회논문지
• /
• 제14권7호
• /
• pp.9-15
• /
• 2009

퍼지 가중치 평균 분류기는 가중치를 적절히 설정함으로써 뛰어난 분류 성능을 얻을 수 있다는 장점이 있다. 그러나 일반적으로 가중치는 인식 문제 분야의 특성이나 해당 전문가의 지식과 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 특정값들 간의 통계적 정보를 이용한 가중치 설정 기법들을 제안하였다. 제안한 기법들의 효과를 조사하기 위하여 UCI machine learning repository 사이트에서 제공되는 표준 데이터들 중의 하나인 Iris 데이터 세트를 이용하여 실험하였으며, 그 결과 우수한 성능을 확인 할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제11권1호
• /
• 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.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 춘계학술대회 학술발표 논문집 제15권 제1호
• /
• 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.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2007년도 춘계학술대회 학술발표 논문집 제17권 제1호
• /
• 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.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1998년도 추계종합학술대회
• /
• 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.

• 전자공학회논문지CI
• /
• 제46권3호
• /
• pp.1-7
• /
• 2009

본 논문은 효율적인 음악 데이터의 분류를 위한 방법으로 분산커널 기반의 퍼지 c-평균을 이용한 분류기 모델을 제안한다. 분산 커널 기반의 퍼지 c-평균은 주어진 오디오 데이터에서 추출된 특징벡터의 평균과 공분산 정보를 동시에 이용하여 기존의 평균값만을 사용하는 방식에 비해 성능을 월등히 향상시킬 수 있는 장점이 있다. 사용된 방식은 확률적 분포로 주어지는 데이터 사이의 거리를 분산거리척도로 측정하고, 복잡한 분류 경계를 단순화 시키는데 효율적인 커널 개념을 사용함으로서 분류의 정확도를 극대화 시킬 수 있는 장점이 있다. 제안하는 분류기의 성능을 평가하기 위하여 고전음악, 컨트리음악, 힙합, 재즈의 4개의 장르 음악데이터를 총 1200개 수집하여 실험을 진행하였다. 실험의 결과 제안된 분산커널 기반의 퍼지 c-평균을 이용하는 분류기는 기존의 방식과 비교하여 분류정확도에서 평균적으로 17.73%-21.84%의 성능향상을 보여준다.