• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.248-249
• /
• 2015

클러스터링은 대표적인 비교사 학습 방법의 하나로 균일한 특성을 가지는 데이터를 클러스터로 묶기 위해 사용된다. 하지만 클러스터링은 기본적으로 클러스터의 중심에서 데이터까지의 거리에 기반하고 있으므로 클러스터의 중심이 밀도가 높은 클러스터 쪽으로 쏠리는 현상이 발생한다. 이 논문에서는 클러스터의 중심을 가능한 멀리 떨어져 있도록 하는 항을 Fuzzy C-Means의 목적함수에 추가함으로써 클러스터 사이의 밀도 차이가 심한 데이터의 클러스터링 문제에서 정확한 결과를 얻을 수 있는 클러스터링 방법을 제안한다. 제안한 방법은 FCM에 비해 실제 클러스터 중심으로 수렴하는 경우가 더 많으며 수렴 속도 역시 FCM 보다 빠른 것을 실험 결과를 통해 확인할 수 있다.

• 대한전자공학회논문지SP
• /
• 제47권6호
• /
• pp.146-153
• /
• 2010

무선 네트워크 기반 실내 측위는 측위를 위한 특수 장비를 필요로 하지 않고, Fingerprinting 방식은 무선 네트워크 기반 측위를 위한 기술 중에서 가장 정확도가 높기 때문에 무선 네트워크 Fingerprinting 방식이 가장 적당한 실내 측위 방법이다. Fingerprinting 방식에서 KNN은 WLAN 기반 실내 측위에 가장 많이 적용되고 있지만 KNN의 성능은k개의 이웃 수와 RP의 수에 따라 민감하다. 논문에서는 KNN 성능을 향상시키기 위해 PFCM 군집화를 적용한 KNN과 PFCM을 혼합한 알고리즘을 제안하였다. 제안한 알고리즘은 신호잡음비 데이터를 KNN 방법에 적용하여k개의 RP을 선택한 후 선택된 RP의 신호잡음비를 PFCM에 적용하여k개의 RP를 군집하여 분류한다. 실험 결과에서는 위치 오차가 2m 이내에서 KNN/PFCM 알고리즘이 KNN과 KNN/FCM 알고리즘보다 성능이 우수하다.

• 대한전자공학회논문지SP
• /
• 제48권2호
• /
• pp.125-133
• /
• 2011

WLAN 환경하에서 알고리즘 기반의 패턴 매칭을 위해 training 단계에서는 여러 개의 AP에서 신호 잡음비의 특성값을 데이터베이스에 만들어 활용하고 estimation 단계에서는 단말기(MU)의 2차원 좌표값을 단말기로부터 새롭게 얻은 SNR과 데이터베이스에 저장된 fingerprint을 비교함으로써 추정한다. Fingerprinting 방식에서 KNN은 WLAN 기반 실내 측위에 가장 많이 적용되고 있지만 KNN의 성능은 k 개의 이웃 수와 RP의 수에 따라 민감하다. 논문에서는 KNN 성능을 향상시키기 위해 PFCM 군집화를 적용한 KNN과 PFCM을 혼합한 알고리즘을 제안하였다. 제안한 알고리즘은 신호잡음비 데이터를 KNN 방법에 적용하여 k개의 RP을 선택한 후 선택된 RP의 신호잡음비를 PFCM에 적용하여 k개의 RP를 군집하여 분류한다. 실험 결과에서는 위치 오차가 2m 이내에서 KNN/IFCM 알고리즘이 KNN, KNN/FCM, KNN/PFCM 알고리즘보다 성능이 우수하다.

• 한국멀티미디어학회논문지
• /
• 제13권1호
• /
• pp.47-57
• /
• 2010

객체 검출은 영상에서 객체의 식별, 위치정보, 상황인식 등을 위해서 필수적이다. 본 논문에서는 강인한 객체 검출 시스템을 제안한다. Principal Component Analysis (PCA)를 이용하여 배경 영상에서 수집한 학습데이터를 주성분으로 선형변환 한다. 객체와 배경에 대하여 판별 능력이 우수한 주성분을 선별하여 Eigen-background를 구성한다. Fuzzy-C-Means (FCM)은 Eigen-background의 정보를 입력 차원으로 하여 영상을 Clustering하고 객체와 배경으로 분류한다. 고정된 카메라에서 배경변화에 적용 가능한 시스템을 구현하기 위해 동일한 시점에서 움직이는 객체가 포함된 영상을 학습데이터로 사용하였다. 제안하는 시스템은 인위적인 한 프레임을 배경으로 정의하여 사용하는 과정이 필요 없이 입력 영상에서 잡음이 제거된 객체와 배경으로 분류하였고, 또한 객체의 부분적인 움직임도 효과적으로 검출하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1317-1340
• /
• 2024

With the rapid development of information technology, people's demands on precise indoor positioning are increasing. Wireless sensor network, as the most commonly used indoor positioning sensor, performs a vital part for precise indoor positioning. However, in indoor positioning, obstacles and other uncontrollable factors make the localization precision not very accurate. Ultra-wide band (UWB) can achieve high precision centimeter-level positioning capability. Inertial navigation system (INS), which is a totally independent system of guidance, has high positioning accuracy. The combination of UWB and INS can not only decrease the impact of non-line-of-sight (NLOS) on localization, but also solve the accumulated error problem of inertial navigation system. In the paper, a fused UWB and INS positioning method is presented. The UWB data is firstly clustered using the Fuzzy C-means (FCM). And the Z hypothesis testing is proposed to determine whether there is a NLOS distance on a link where a beacon node is located. If there is, then the beacon node is removed, and conversely used to localize the mobile node using Least Squares localization. When the number of remaining beacon nodes is less than three, a robust extended Kalman filter with M-estimation would be utilized for localizing mobile nodes. The UWB is merged with the INS data by using the extended Kalman filter to acquire the final location estimate. Simulation and experimental results indicate that the proposed method has superior localization precision in comparison with the current algorithms.

• ETRI Journal
• /
• 제36권3호
• /
• pp.333-342
• /
• 2014

Most hyper-ellipsoidal clustering (HEC) approaches use the Mahalanobis distance as a distance metric. It has been proven that HEC, under this condition, cannot be realized since the cost function of partitional clustering is a constant. We demonstrate that HEC with a modified Gaussian kernel metric can be interpreted as a problem of finding condensed ellipsoidal clusters (with respect to the volumes and densities of the clusters) and propose a practical HEC algorithm that is able to efficiently handle clusters that are ellipsoidal in shape and that are of different size and density. We then try to refine the HEC algorithm by utilizing ellipsoids defined on the kernel feature space to deal with more complex-shaped clusters. The proposed methods lead to a significant improvement in the clustering results over K-means algorithm, fuzzy C-means algorithm, GMM-EM algorithm, and HEC algorithm based on minimum-volume ellipsoids using Mahalanobis distance.

• Journal of Electrical Engineering and Technology
• /
• 제10권4호
• /
• pp.1910-1914
• /
• 2015

Human posture recognition is an attractive and challenging topic in computer vision due to its promising applications in the areas of personal health care, environmental awareness, human-computer-interaction and surveillance systems. Human posture recognition in video sequences consists of two stages: the first stage is training and evaluation and the second is deployment. In the first stage, the system is trained and evaluated using datasets of human postures to ‘teach’ the system to classify human postures for any future inputs. When the training and evaluation process is deemed satisfactory as measured by recognition rates, the trained system is then deployed to recognize human postures in any input video sequence. Different classifiers were used in the training such as Multilayer Perceptron Feedforward Neural networks, Self-Organizing Maps, Fuzzy C Means and K Means. Results show that supervised learning classifiers tend to perform better than unsupervised classifiers for the case of human posture recognition.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 IWAIT
• /
• pp.217-222
• /
• 2009

In this paper, a new approach is proposed for the segmentation of Computed Tomography (CT) head images. The approach consists of two-stage segmentation with each stage contains two different segmentation techniques. The ultimate aim is to segment the CT head images into three classes which are abnormalities, cerebrospinal fluid (CSF) and brain matter. For the first stage segmentation, k-means and fuzzy c-means (FCM) segmentation are implemented in order to acquire the abnormalities. Whereas for the second stage segmentation, modified FCM with population-diameter independent (PDI) and expectation-maximization (EM) segmentation are adopted to obtain the CSF and brain matter. The experimental results have demonstrated that the proposed system is feasible and achieve satisfactory results.

• 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
• /
• 제63권5호
• /
• pp.676-682
• /
• 2014

In this paper, precipitation echo(PRE) and non-precipitaion echo(N-PRE)(including ground echo and clear echo) through weather radar data are identified with the aid of neuro-fuzzy algorithm. The accuracy of the radar information is lowered because meteorological radar data is mixed with the PRE and N-PRE. So this problem is resolved by using RBFNN and judgement module. Structure expression of weather radar data are analyzed in order to classify PRE and N-PRE. Input variables such as Standard deviation of reflectivity(SDZ), Vertical gradient of reflectivity(VGZ), Spin change(SPN), Frequency(FR), cumulation reflectivity during 1 hour(1hDZ), and cumulation reflectivity during 2 hour(2hDZ) are made by using weather radar data and then each characteristic of input variable is analyzed. Input data is built up from the selected input variables among these input variables, which have a critical effect on the classification between PRE and N-PRE. Echo judgment module is developed to do echo classification between PRE and N-PRE by using testing dataset. Polynomial-based radial basis function neural networks(RBFNNs) are used as neuro-fuzzy algorithm, and the proposed neuro-fuzzy echo pattern classifier is designed by combining RBFNN with echo judgement module. Finally, the results of the proposed classifier are compared with both CZ and DZ, as well as QC data, and analyzed from the view point of output performance.