• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.237-238
• /
• 2008

퍼지 RBFNN의 설계에 있어 가장 중요한 과정인 Radial Basis Function의 결정은 퍼지 RBFNN의 모델링 성능을 좌우한다. 기존에는 FCM을 이용하여 Radial Basis Function의 초기 위치를 결정하고 오류 역전파 알고리즘과 같은 최적화 알고리즘을 이용하여 최적의 Radial Basis Function을 결정하였다. 근래에는 Conditional FCM을 이용하여 출력공간에 정의된 정보입자의 정보를 이용하여 입력공간상에서 Radial Basis Function의 위치를 결정하여 퍼지 RBFNN의 성능을 개선시키고자 하는 연구 수행되어졌다. 그러나 출력공간상에서 얻은 정보입자를 입력공간상으로 정보 손실없이 전달할 수 없어서 기대한 만큼의 성능 개선을 이룰 수 없었다. 이를 개선하기 위해 출력 공간예서 정의된 정보 입자를 정보 손실없이 입력 공간에 투영하기 위하여 퍼지 kNN기법을 도입하여 새로운 퍼지 RBFNN 설계 방법을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.235-238
• /
• 2003

Fuzzy C-Means(FCM) 알고리즘은 초기 군집 중심의 개수와 위치에 따라 군집 결과의 성능차이가 많이 나타난다. 하지만 일반적인 경우에 군집 중심의 개수는 분석가의 주관에 의해 결정되고, 임의적으로 결정되기 때문에 원래 데이터의 구조와는 무관하게 수행되어 최적화된 군집화 수행을 실행하지 못하는 경우가 발생하게 된다. 따라서 본 논문에서는 원래의 데이터의 구조에 좀더 근접한 퍼지 군집화를 수행하기 위하여 격자를 바탕으로 한 데이터의 밀도를 이용한 FCM을 제안하고, 이러한 밀도 기반 FCM에 의해 결정된 군집의 합병 기법을 제안하였다. N-차원의 데이터 공간을 N-차원의 격자로 나누고, 초기 군집 중심의 개수와 위치는 각 격자의 밀도를 바탕으로 결정된다. 초기화 이후에 각 격자 내부에서 FCM을 이용하여 군집화를 수행하고, 계속해서 이웃 격자의 군집결과에 대하여 군집간의 유사도 측도를 이용하여 군집 합병을 수행함으로써 데이터의 자연적인 구조에 근접한 군집화를 수행하였다. 제안된 군집화 합병 기법의 향상된 성능은 UCI Machine Learning Repository 데이터를 이용하여 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.10a
• /
• pp.93-95
• /
• 2016

본 논문에서는 초음파 영상에서 결절종을 추출하는 방법을 제안한다. 명암 대비가 낮은 초음파 영상에서도 정확히 추출하기 위해 퍼지 스트레칭 기법을 개선하여 명암 대비를 강조한 후에 ROI 영역을 추출한 후, 추출된 ROI 영역에 대해 FCM 알고리즘을 적용하여 양자화 한다. 양자화된 ROI 영역에서 8방향 윤곽선 추적 알고리즘을 적용하여 결절종의 후보 영역을 추출한다. 추출된 결절종의 후보 영역 중에서 면적이 가장 크거나 타원 형태를 가진 영역을 라벨링 기법을 적용하여 최종적으로 결절종 영역을 추출한다. 제안된 방법을 결절종 초음파 영상을 대상으로 실험한 결과, 기존의 결절종 추출 방법보다 제안된 방법이 결절종 영역이 비교적 정확히 추출되는 것을 실험을 통하여 확인하였다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.8 no.3
• /
• pp.185-191
• /
• 2007

Remote sensing images are multispectral image data collected from several band divided by wavelength ranges. The classification of remote sensing images is the method of classifying what has similar spectral characteristics together among each pixel composing an image as the important algorithm in this field. This paper presents a pattern classification method of remote sensing images by applying a possibilistic fuzzy c-means (PFCM) algorithm. The PFCM algorithm is a hybridization of a FCM algorithm, which adopts membership degree depending on the distance between data and the center of a certain cluster, combined with a PCM algorithm, which considers class typicality of the pattern sets. In this proposed method, we select the training data for each class and perform supervised classification using the PFCM algorithm with spectral signatures of the training data. The application of the PFCM algorithm is tested and verified by using Landsat TM and IKONOS remote sensing satellite images. As a result, the overall accuracy showed a better results than the FCM, PCM algorithm or conventional maximum likelihood classification(MLC) algorithm.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.9
• /
• pp.33-38
• /
• 2014

The FCM based hybrid RBF network is a heterogeneous learning network model that applies FCM algorithm between input and middle layer and applies Max_Min algorithm between middle layer and output. The Max-Min neural network uses winner nodes of the middle layer as input but shows inefficient learning in performance when the input vector consists of too many patterns. To overcome this problem, we propose a dynamic learning rate control based on fuzzy logic. The proposed method first classifies accurate/inaccurate class with respect to the difference between target value and output value with threshold and then fuzzy membership function and fuzzy decision logic is designed to control the learning rate dynamically. We apply this proposed RBF network to the character recognition problem and the efficacy of the proposed method is verified in the experiment.

• The KIPS Transactions:PartB
• /
• v.19B no.1
• /
• pp.19-26
• /
• 2012

The rapid increase of information imposes new demands of content management. The purpose of automatic audio segmentation and classification is to meet the rising need for efficient content management. With this reason, this paper proposes a high-accuracy algorithm that segments audio signals and classifies them into different classes such as speech, music, silence, and environment sounds. The proposed algorithm utilizes support vector machine (SVM) to detect audio-cuts, which are boundaries between different kinds of sounds using the parameter sequence. We then extract feature vectors that are composed of statistical data and they are used as an input of fuzzy c-means (FCM) classifier to partition audio-segments into different classes. To evaluate segmentation and classification performance of the proposed SVM-FCM based algorithm, we consider precision and recall rates for segmentation and classification accuracy for classification. Furthermore, we compare the proposed algorithm with other methods including binary and FCM classifiers in terms of segmentation performance. Experimental results show that the proposed algorithm outperforms other methods in both precision and recall rates.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.7
• /
• pp.889-894
• /
• 2004

The fuzzy kernel c-means (FKCM) algorithm, which uses a kernel function, can obtain more desirable clustering results than fuzzy c-means (FCM) for not only spherical data but also non-spherical data. However, it can be sensitive to noise as in the FCM algorithm. In this paper, a kernel function is applied to the possibilistic c-means (PCM) algorithm and is shown to be robust for data with additive noise. Several experimental results show that the proposed kernel possibilistic c-means (KPCM) algorithm out performs the FKCM algorithm for general data with additive noise.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.10a
• /
• pp.145-147
• /
• 2014

대부분 이진화 알고리즘은 임계치를 결정하기 위해 히스토그램을 사용하여 밝기 분포를 분석한다. 배경과 물체의 명암 차이가 큰 경우는 분할을 위해 양봉 히스토그램으로 표현하여 최적의 임계치를 찾기 위해 히스토그램 골짜기를 선택하는 것으로도 양호한 임계치를 찾을 수 있지만 배경과 물체의 밝기 차이가 크지 않거나 밝기 분포가 양봉 특성을 보이지 않을 때는 히스토그램 분석만으로 적절한 임계치를 얻기 어렵다. 이 문제점을 개선하기 위해 삼각형 타입의 소속 함수를 적용하여 임계치를 동적으로 설정하고 영상을 이진화 하는 퍼지 이진화 방법이 제안되었다. 퍼지 이진화 방법은 소속 함수에 적용된 소속도를 a-cut에 적용하여 영상을 이진화 한다. 그러나 기존의 퍼지 이진화 방법은 a-cut값을 경험적으로 설정하기 때문에 다양한 영상을 이진화하는 과정에서 정보 손실이 많이 발생하는 문제점이 있다. 따라서 본 논문에서는 FCM 클러스터링 알고리즘을 이용하여 퍼지 이진화 방법의 a-cut값을 동적으로 설정하여 이진화하는 방법을 제안한다. 제안된 방법을 다양한 영상에 적용한 결과, 배경과 물체의 명암도 차이가 크게 나지 않는 영상의 경우에는 기존의 퍼지 이진화 방법보다 정보 손실이 적은 상태로 이진화되는 것을 확인하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.22 no.6
• /
• pp.735-740
• /
• 2012

In this paper, we introduce design methodologies of polynomial radial basis function neural network classifier with the aid of Principal Component Analysis(PCA) and Linear Discriminant Analysis(LDA). By minimizing the information loss of given data, Feature data is obtained through preprocessing of PCA and LDA and then this data is used as input data of RBFNNs. The hidden layer of RBFNNs is built up by Fuzzy C-Mean(FCM) clustering algorithm instead of receptive fields and linear polynomial function is used as connection weights between hidden and output layer. In order to design optimized classifier, the structural and parametric values such as the number of eigenvectors of PCA and LDA, and fuzzification coefficient of FCM algorithm are optimized by Artificial Bee Colony(ABC) optimization algorithm. The proposed classifier is applied to some machine learning datasets and its result is compared with some other classifiers.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.10a
• /
• pp.35-36
• /
• 2012

The generation of fuzzy rules is inevitable in order to construct fuzzy modeling and in general, has the problem that the number of rules increases exponentially with increasing dimension. To solve this problem, we introduce the system that generate the fuzzy rules and make a inference based on FCM clustering algorithm that partition the input space in the scatter form. The parameters in the premise part of the fuzzy rules is determined as membership matrix by the FCM clustering algorithm and the consequence part of the fuzzy rules is are expressed as a polynomial function. Proposed model evaluated using the numerical data.