• 한국통신학회논문지
• /
• 제29권5C호
• /
• pp.700-705
• /
• 2004

Autoencoder와 Fuzzy c-Means 알고리즘을 이용하여, 불완전한 데이터의 군집화를 위한 알고리즘이 본 논문에서 제안되었다. 본 논문에서 제안된 Optimal Completion Autoencoder Fuzzy c-Means (OCAEFCM)은 손상되어 불완전한 데이터의 최적 복원과 데이터의 군집화를 위해 Autoencoder Neural Network (AENN) 과 Gradient-based FCM (GBFCM)을 이용하였다. OCAEFCM 의 성능평가를 위해 IRIS 데이터와 금융기관에서 취득한 실제 데이터를 사용하였다 기존의 Optimal Completion Strategy FCM (OCSFCM)과 비교했을 때, 제안된 OCAEFCM 이 OCSFCM 보다 18％-20％의 성능 향상을 보여준다.

• 한국지능시스템학회논문지
• /
• 제13권5호
• /
• pp.600-605
• /
• 2003

주성분 분석은 공정의 모니터링과 고장진단을 위한 유용한 방법으로 알려져 있으며 일반적으로 잔차와 주성분의 해석을 통하여 고장의 원인을 분류하고 있다. 대규모 공정에서는 이러한 방법이 적용상의 한계를 가지고 있다. 본 논문에서는 보다 향상된 고장진단을 위해 주성분 분석에 FCM-기반 고장 진단 알고리즘을 결합하였고 Two-tank 시스템을 이용하여 주성분 분석을 이용한 FCM-기반 고장진단 알고리즘의 구현하여 적용하였다.

• 한국경영과학회지
• /
• 제23권4호
• /
• pp.203-212
• /
• 1998

본 논문에서는 FCM을 이용하여 의사결정의 질을 높일 수 있는 추론방법을 제시한다. 이를 위하여 FCM의 추론의 질을 저하시키는 문제중의 하나인 동기화 문제(synchronizatinon Problem)를 설명하고. 이를 해결하기 위한 방안으로서 FCM 계층화(levelization) 알고리즘을 제시한다. 본 논문에서 제안된 계층화된 FCM을 이용한 추론절차를 제시하고, 그 활용예를 설명한다.

• 한국통신학회논문지
• /
• 제29권7C호
• /
• pp.931-936
• /
• 2004

GPDF(Gaussian Probability Density Function)을 효율적으로 군집화할 수 있는 GBFCM(DM)(Gradient Based Fuzzy c_means with Divergence Measure) 알고리즘이 본 논문에서 제안되었다. 제안된 GBFCM(DM)은 데이터 사이의 거리 척도로 발산거리(Divergence measure)를 적용한 새로운 형태의 FCM으로, 기존의 GBFCM에 기반을 두는 알고리즘이다. 본 논문에서는 MPEG VBR 비디오 데이터를 GPDF형태의 다차원 데이터로 변형시켜 모델링 하고, 모델링 한 MPEG VBR 비디오 데이터를 영화 또는 스포츠 형태로 분류하는데 응용되었다. 본 논문의 실험에서 기존의 FCM, GBFCM과 새롭게 제안된 GBFCM(DM)을 사용하여 모델링 및 분류결과를 상호 비교하였다. 비교결과 GBFCM(DM)이 오분류율의 기준에서 기존의 다른 알고리즘들에 비해 약 5∼l5%의 향상된 성능을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.94-96
• /
• 2016

본 논문에서는 기존의 백내장 추출 방법을 개선하기 위해 FCM(Fuzzy C_Means) 알고리즘을 적용하여 백내장을 추출하고 분석하는 방법을 제안한다. 제안된 방법은 애견 안구 영상에서 ROI 영역을 추출한다. 추출된 ROI 영역에서 Fuzzy Stretching 기법을 적용하여 픽셀의 상한 값과 하한 값을 조정한다. 퍼지 스트레칭 기법이 적용된 ROI 영역에 Max-Min 기반 평균 이진화 기법을 적용하여 ROI 영역을 이진화한다. 그리고 퍼지 스트레칭 기법이 적용된 ROI 영역에 FCM 알고리즘을 적용하여 양자화한 후에 양자화된 ROI 영역에서 밝기 평균 이진화 기법을 적용하여 이진화한다. 따라서 Max-Min 기반 이진화 기법을 적용하여 이진화된 ROI 영역과 밝기 평균 이진화 기법을 적용하여 이진화된 ROI 영역을 AND 연산을 적용하여 백내장의 후보 영역을 추출한다. 추출된 백내장의 후보 영역에서 침식, 팽창 기법을 적용하여 ROI 영역의 픽셀 크기를 확대 또는 축소하고 타원 형태를 가진 객체 중에서 ROI의 전체 영역의 크기가 1/5보다 적은 객체를 잡음으로 간주하여 제거한다. 잡음이 제거된 백내장의 후보 영역에서 크기가 3/5이상인 영역을 백내장 영역으로 추출한다. 제안된 방법의 성능을 분석하기 위하여 기존의 백내장 추출 방법과 제안된 백내장 추출 방법을 15개의 백내장 영상을 대상으로 실험한 결과, 제안된 방법이 기존의 백내장 추출 방법보다 백내장 추출률이 개선된 것을 확인하였다.

• 인지과학
• /
• 제14권1호
• /
• pp.10-10
• /
• 2003

본 논문은 Gabor 웨이브렛 변환을 이용하여 무표정을 포함한 표정영상에서 얼굴의 주요 요소들의 경계선을 추출한 후, FCM 군집화 알고리즘을 적용하여 무표정 영상에서 저차원의 대표적인 특징점을 추출한다. 무표정 영상의 특징점들은 표정영상의 특징점들을 추출하기 위한 템플릿으로 사용되어지며, 표정영상의 특징점 추출은 무표정 영상의 특징점과 동적 연결모형을 이용하여 개략적인 정합과 정밀한 정합 과정의 두단계로 이루어진다. 본 논문에서는 Gabor 웨이브렛과 FCM 군집화 알고리즘을 기반으로 동적 연결모형을 이용하여 표정영상에서 특징점들을 자동으로 추출할 수 있음을 제시한다. 본 연구결과는 자동 특징추출을 이용한 차원모형기반 얼굴 표정인식[1]에서 얼굴표정의 특징점을 자동으로 추출하는 데 적용되었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.158-161
• /
• 2004

Fuzzy Kernel C-Means(FKCM) 알고리즘은 커널 함수를 통하여 구형의 데이터뿐만 아니라 Fuzzy C-Means(FCM)에서는 분류하기 힘든 복잡한 형태의 분포를 갖는 데이터를 분류할 수 있다. 하지만 FCM과 같이 노이즈에 대해서는 민감한 성질을 가진다 이처럼 노이즈(noise)에 민감한 성질을 보완하기 위해서 본 논문에서는 Possibllistic C-Means 알고리즘에 커널 함수를 적용하였다. 본 논문에서 제안된 Kernel Possibilistic C-Means(KPCM) 알고리즘은 일반적인 데이터에 대해 FKCM과 같은 성능의 클러스터링 수행이 가능하며 노이즈가 있는 데이터에 대해서는 FKCM보다 더욱 정확한 클러스터링을 수행할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1857-1858
• /
• 2008

본 논문에서는 FCM 기반 RBF 뉴럴네트워크(FCM-RBFNN) 구조를 제안하고 PSO를 이용한 FCM-RBFNN의 구조 및 파라미터의 최적화 방법을 제시한다. 클러스터링 알고리즘은 퍼지 뉴럴 네트워크에서 멤버쉽함수의 중심점과 반경 등을 결정하는 학습에 일반적으로 사용된다. 제안된 FCM-RBFNN서는 방사기저함수로써 가우시안, 삼각형 타입 등의 정해진 형태를 사용하지 않고 데이터들 사이의 거리에 관계된 계산을 수행하는 FCM에 의해 결정된다. 기존의 RBFNN에서 후반부는 상수형태로써 방사기저함수의 선형결합으로써 표현되는 반면에 제안된 FCM-RBFNN의 후반부는 상수형, 선형, 2차식 등의 다양한 형태의 다항식으로 표현될 수 있으며 다항식의 계수는 WLSE를 이용하여 추정한다. FCM 기반 RBF 뉴럴 네트워크의 성능은 퍼지규칙의 수, 후반부 다항식의 차수 FCM의 퍼지화 계수에 의하여 결정기 때문에 FCM-RBFNN의 구조와 파라미터의 최적화가 요구된다. 본 논문에서는 PSO를 이용하여 FCM-RBFNN의 구조에 관련된 퍼지 규칙의 수, 후반부 다항식의 차수와 파라미터에 관련된 퍼지화 계수를 최적화한다. 또한 후반부 다항식의 계수는 WLSE를 사용하여 추정한다.

• 한국멀티미디어학회논문지
• /
• 제15권6호
• /
• pp.761-769
• /
• 2012

본 논문에서는 슈퍼픽셀과 FCM을 이용한 클러스터 초기값 설정방법과 이를 사용한 칼라영상분할을 연구한다. 클러스터링을 이용한 대표적인 칼라영상분할 방법으로 Fuzzy C-menas (FCM) 알고리즘을 많이 사용한다. FCM은 하나의 데이터가 각 클러스터에 서로 다른 소속도를 갖도록 한다. 그러나 FCM은 초기값 설정에 따라 국부적인 수렴문제가 발생한다. 따라서 초기값 설정문제는 매우 중요한데 본 연구에서는 슈퍼픽셀을 이용하여 클러스터의 초기값을 구하는 방법을 제안한다. 슈퍼픽셀은 원 영상에서 특성이 비슷한 화소들의 묶음으로 표현되는데 먼저 원 영상으로부터 슈퍼픽셀을 구하고 이를 $La^*b^*$ 칼라특징공간에 투영하여 클러스터 초기값을 구한다. 제안방법에서 슈퍼픽셀의 수는 원영상의 화소 수보다 일반적으로 매우 적어서 클러스터 초기값 설정을 위한 고속처리가 가능하다. 제안된 알고리즘의 성능평가를 위해 다양한 칼라영상을 사용하여 컴퓨터 모의실험을 수행하였으며 실험결과 제안방법이 기존방법에 비해 영상분할 성능이 우수함을 알 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1343-1344
• /
• 2015

본 연구에서는 증분형 FCM(Incremental Fuzzy C-Means: Incremental FCM) 클러스터링 알고리즘을 기반으로 방사형 기저함수 신경회로망(Radial Basis Function Neural Networks: RBFNN) 패턴 분류기를 설계한다. 방사형 기저함수 신경회로망은 조건부에서 가우시안 함수 또는 FCM을 사용하여 적합도를 구하였지만, 제안된 분류기에서는 빅 데이터간의 적합도를 구하기 위해 증분형 FCM을 사용한다. 또한, 빅 데이터를 학습하기 위해 결론부에서 재귀최소자승법(Recursive Least Square Estimation: RLSE)을 사용하여 다항식 계수를 추정한다. 마지막으로 추론부에서는 증분형 FCM에서 구한 적합도와 재귀최소자승법으로 구한 다항식을 이용하여 최종 출력을 구한다.