• Journal of information and communication convergence engineering
• /
• 제6권1호
• /
• pp.94-99
• /
• 2008

Segmentation for the region of nucleus in the image of uterine cervical cytodiagnosis is known as the most difficult and important part in the automatic cervical cancer recognition system. In this paper, the region of nucleus is extracted from an image of uterine cervical cytodiagnosis using the HSI model. The characteristics of the nucleus are extracted from the analysis of morphemetric features, densitometric features, colormetric features, and textural features based on the detected region of nucleus area. The classification criterion of a nucleus is defined according to the standard categories of the Bethesda system. The fuzzy C-means clustering algorithm is employed to the extracted nucleus and the results show that the proposed method is efficient in nucleus recognition and uterine cervical Pap-Smears extraction.

• Journal of information and communication convergence engineering
• /
• 제5권1호
• /
• pp.35-41
• /
• 2007

In this paper, a modified Fuzzy C-Means (MFCM) algorithm is presented for nonlinear blind channel equalization. The proposed MFCM searches the optimal channel output states of a nonlinear channel, based on the Bayesian likelihood fitness function instead of a conventional Euclidean distance measure. In its searching procedure, all of the possible desired channel states are constructed with the elements of estimated channel output states. The desired state with the maximum Bayesian fitness is selected and placed at the center of a Radial Basis Function (RBF) equalizer to reconstruct transmitted symbols. In the simulations, binary signals are generated at random with Gaussian noise. The performance of the proposed method is compared with that of a hybrid genetic algorithm (GA merged with simulated annealing (SA): GASA), and the relatively high accuracy and fast searching speed are achieved.

• 전자공학회논문지SC
• /
• 제49권3호
• /
• pp.82-89
• /
• 2012

본 논문에서는 기동표적의 위치오차에서 구해지는 가속도를 보상하는 지능형 추적 알고리즘을 소개한다. 관측치와 예상위치와의 차이값은 가속도와 순수잡음으로 분리된다. 이때, 최적의 가속도를 얻기 위하여 퍼지 c-means 클러스터링 기법과 예상명중위치기법이 이용되었다. 분리된 가속도와 잡음에 대한 퍼지 이론의 멤버쉽 함수를 결정되고, 이에 따라 기동표적의 기동특성이 인식되어진다. 분리된 가속도와 잡음은 추적 알고리즘 내에서 추정된 오차값을 보상하는데 이용된다. 표적의 추정값을 계산하는 일련의 과정중 필터링 과정은 기동표적의 비선형성을 선형성으로 인식하게 된다. 이것은 필터가 위치오차에서 가속도를 추출하여 남겨진 잡음만을 인식하기 때문이다. 필터링 과정 이후 추출된 가속도를 보상하여 표적의 추정값을 구해낸다. 제안된 기법은 퍼지 시스템의 멤버쉽 함수에서 파라미터를 조절하여 적응성과 강인성을 향상 시켰다. 제안된 시스템의 효율성을 극대화하기 위하여 제안된 기법을 다중모델 구조로 형성한다. 또한 제안된 기법은 온라인 시스템으로서의 수행이 가능하다. 마지막으로 제안된 알고리즘의 효율성을 보여주기 위하여 몇 가지 예를 추가하였다.

• 전기학회논문지
• /
• 제61권5호
• /
• pp.744-752
• /
• 2012

In this study, the Polynomial-based Radial Basis Function Neural Networks is proposed as an one of the recognition part of overall face recognition system that consists of two parts such as the preprocessing part and recognition part. The design methodology and procedure of the proposed pRBFNNs are presented to obtain the solution to high-dimensional pattern recognition problems. In data preprocessing part, Principal Component Analysis(PCA) which is generally used in face recognition, which is useful to express some classes using reduction, since it is effective to maintain the rate of recognition and to reduce the amount of data at the same time. However, because of there of the whole face image, it can not guarantee the detection rate about the change of viewpoint and whole image. Thus, to compensate for the defects, Linear Discriminant Analysis(LDA) is used to enhance the separation of different classes. In this paper, we combine the PCA&LDA algorithm and design the optimized pRBFNNs for recognition module. The proposed pRBFNNs architecture consists of three functional modules such as the condition part, the conclusion part, and the inference part as fuzzy rules formed in 'If-then' format. In the condition part of fuzzy rules, input space is partitioned with Fuzzy C-Means clustering. In the conclusion part of rules, the connection weight of pRBFNNs is represented as two kinds of polynomials such as constant, and linear. The coefficients of connection weight identified with back-propagation using gradient descent method. The output of the pRBFNNs model is obtained by fuzzy inference method in the inference part of fuzzy rules. The essential design parameters (including learning rate, momentum coefficient and fuzzification coefficient) of the networks are optimized by means of Differential Evolution. The proposed pRBFNNs are applied to face image(ex Yale, AT&T) datasets and then demonstrated from the viewpoint of the output performance and recognition rate.

• International Journal of Control, Automation, and Systems
• /
• 제4권6호
• /
• pp.705-713
• /
• 2006

For the analysis of multiunit extracellular neural signals as multiple spike trains, neural spike sorting is essential. Existing algorithms for the spike sorting have been unsatisfactory when the signal-to-noise ratio(SNR) is low, especially for implementation of fully-automated systems. We present a novel method that shows satisfactory performance even under low SNR, and compare its performance with a recent method based on principal component analysis(PCA) and fuzzy c-means(FCM) clustering algorithm. Our system consists of a spike detector that shows high performance under low SNR, a feature extractor that utilizes projection pursuit based on negentropy maximization, and an unsupervised classifier based on Gaussian mixture model. It is shown that the proposed feature extractor gives better performance compared to the PCA, and the proposed combination of spike detector, feature extraction, and unsupervised classification yields much better performance than the PCA-FCM, in that the realization of fully-automated unsupervised spike sorting becomes more feasible.

• 한국농공학회:학술대회논문집
• /
• 한국농공학회 2003년도 학술발표논문집
• /
• pp.163-166
• /
• 2003

In this study, a grouping of particle-size distributions(PSDs) by means of the fuzzy c-means clustering method(FCM) was presented. The classification was performed with the whole and the major soil series representing pedological origin. In case of the major soil series, PSDs were clustered as $2{\sim}4$ groups and the characteristics of clustering results were quite different between the soil series. It was found that the characteristics of PSDs at center of each class can be explained by formation process of each soil series. In case of whole soil data, PSDs were classified to 8 classes in which 4 classes were single mode and 4 classes were bimode distributions. Through this study, it is concluded that pedogenetic process is a plausible explanation for grain size distribution of soils.

• 대한의용생체공학회:의공학회지
• /
• 제20권2호
• /
• pp.149-154
• /
• 1999

자기공명영상은 다른 의료영상에 비해서 보다 정확한 해부학적인 진단 정보를 제공해 주므로 널리 이용되고 있다. 본 논문에서는 이차원 축단면 뇌 자기총명영상을 분할하는 자동화 알고리즘과 병별에 의해서 손상된 슬라이스를 검출하는 알고리즘을 제안하였다. 영상분활 과정은 두단계로 구성되어 있는데, 첫 단계에서는 이진화와 형태학적 연산을 이용하여 대뇌영역을 추출하고, 둘째 단계에서는 FCM(Fuzzy C-means)알고리즘을 이용하여 추출된 대뇌 내부의 각 조직을 분할하였다. FCM알고리즘은 분할하는 조직의 수가 증가할수록 급격하게 많은 실행시간을 요구하므로 제안하는 두단계 영상분할 과정을 통하여 실행시간을 향상시켰다. 병변 인식은 해부학적지식과 패턴매칭을 이용하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.261-263
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 각 노드의 후반부 파라미터들은 최소자승법을 이용하여 최적화 하였다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.

• 정보처리학회논문지B
• /
• 제12B권5호
• /
• pp.587-594
• /
• 2005

본 논문은 전이 영역에서 퍼지 클러스터링 알고리즘을 이용한 multi-level thresholding 방법을 제안한다. 대부분의 임계치 기반 영상 분할은 영상의 히스토 그램 분포를 기반으로 임계치를 결정한다. 그러므로 많은 처리시간과 기억공간을 요구할 뿐만 아니라 복잡하고 무분별한 히스토 그램 분포를 가지는 실영상에서의 임계치 결정에는 어려움이 있다. 본 논문에서는 영상의 대표적인 성분들로 구성된 전이 영역을 추출한 후 퍼지 클러스터링 알고리즘에 의해 최적의 임계치를 결정한다. 전이 영역을 추출하기 위해 이용되는 지역적 엔트로피는 잡음에 강건하며 영상에 내재된 정보를 잘 표현한다는 특성을 가진다. 그리고 퍼지 클러스터링 알고리즘은 복잡하고 무분별한 분포의 실영상에 대해서도 정확히 임계치를 설정할 수 있으며 multi-level thresholding으로 쉽게 확장이 가능하다. 다양한 실영상을 대상으로 실험한 결과, 제안한 방법이 기존의 방법보다 향상된 성능을 가짐을 보였다.

• 전기학회논문지
• /
• 제63권4호
• /
• pp.526-533
• /
• 2014

In this study, we introduce design methodology to develop a guidance for issuing heavy rainfall warning by using both RBFNNs(Radial basis function neural networks) and SVR(Support vector regression) model, and then carry out the comparative studies between two pattern classifiers. Individual classifiers are designed as architecture realized with the aid of optimization and pre-processing algorithm. Because the predictive performance of the existing heavy rainfall forecast system is commonly affected from diverse processing techniques of meteorological data, under-sampling method as the pre-processing method of input data is used, and also data discretization and feature extraction method for SVR and FCM clustering and PSO method for RBFNNs are exploited respectively. The observed data, AWS(Automatic weather wtation), supplied from KMA(korea meteorological administration), is used for training and testing of the proposed classifiers. The proposed classifiers offer the related information to issue a heavy rain warning in advance before 1 to 3 hours by using the selected meteorological data and the cumulated precipitation amount accumulated for 1 to 12 hours from AWS data. For performance evaluation of each classifier, ETS(Equitable Threat Score) method is used as standard verification method for predictive ability. Through the comparative studies of two classifiers, neuro-fuzzy method is effectively used for improved performance and to show stable predictive result of guidance to issue heavy rainfall warning.