• 한국지능시스템학회논문지
• /
• 제23권4호
• /
• pp.354-359
• /
• 2013

본 논문을 통해서 우리는 최적화 알고리즘인 binary harmony search (BHS) 알고리즘을 이용하여 unsupervised nonlinear classifier를 구현하는 방안을 제시하였다. 패턴인식을 위한 기계학습이나 뇌파 신호의 분석 과정과 같이 벡터로 표현되는 특징들을 분류하는데 있어 다양한 알고리즘들이 제시되었다. 교사 학습기반의 분류 방식으로는 support vector machine과 같은 기법이 사용되어왔고, 비교사 학습 방법을 통한 분류 기법으로는 fuzzy c-mean (FCM)과 같은 알고리즘들이 사용되어 왔다. 그러나 기존에 사용해 왔던 분류 방법들은 비선형 데이터 분류에 적용하기 힘들거나 교사 학습을 적용하기 위해서 사전정보를 필요로 하는 문제점이 있다. 본 논문에서는 경험적 접근을 통해 공간상에 분포된 벡터 사이의 기하학적 거리를 최소로 만드는 벡터 집합을 선택하고 이를 하나의 클래스로 간주하는 방법을 적용한 분류법을 제시하였다. 비교 대상으로 FCM과 artificial neural network (ANN) 기반의 self-organizing map (SOM)을 제시하였다. 시뮬레이션에는 KEEL machine learing dataset을 사용하였고 그 결과, 제안된 방식이 기존 알고리즘에 비해 더 나은 우수성을 지니고 있음을 확인하였다.

• 전자공학회논문지SC
• /
• 제42권5호
• /
• pp.27-34
• /
• 2005

심실세동은 심장의 무질서한 전기적 활동으로 인해 심근 수축이 동시에 이뤄지지 않게 되어 급성심장사에 이르게 하는 부정맥이다. 본 연구에서는 이러한 심실세동 검출을 위해 적은 양의 학습 데이터만으로 좋은 분류 성능을 보이는 SVM(Support Vector Machine) 분류기 기반의 심실세동 검출 알고리즘을 제안하였다. 심전도 신호로부터 SVM 분류기에 입력할 입력 특징을 추출하기 위하여 웨이브렛 변환기반의 대역통과 필터링, R점 검출, 입력 특징 추출구간 설정의 전처리 과정을 수행하였으며 입력 특징으로는 리듬 기반의 정보 및 웨이브렛 변환 계수를 선택하였다. SVM 다원분류기는 정상리듬(NSR) 분류기, 심실 세동과 유사한 심실빈맥(VT) 분류기, 심실세동(VF) 분류기 그리고 그 외 부정맥 분류기로 구성하였다. SVM 분류기의 파라미터 C값과 ${\alpha}$값은 실험을 통하여 최고 성능을 나타내는 C=10, ${\alpha}=1$을 선택하였다. SVM 다원 분류기를 통한 정상리듬, 심실빈맥 심실세동의 검출 평균값은 98.39%, 96.92%, 99.88%의 우수한 검출 성능을 나타냈다. 본 연구에서 제안된 동일 입력특징을 사용하여 SVM 분류기의 심실세동 검출 결과와 다층퍼셉트론 신경망 및 퍼지추론 방법에 의한 결과를 비교하였으며 SVM 분류기가 비슷하거나 우수한 결과를 보였다. 또한 기존 다른 알고리즘에 비하여도 우수한 결과를 보임으로써 제안된 입력 특징을 통한 SVM 분류기 기반의 심실세동 검출이 유용함을 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제19B권1호
• /
• pp.19-26
• /
• 2012

최근 멀티미디어 정보가 급증함에 따라 콘텐츠 관리에 대한 요구도 함께 증가되고 있다. 이에 오디오 분할 및 분류는 멀티미디어 콘텐츠를 효과적으로 관리할 수 있는 대안이 될 수 있다. 따라서 본 논문에서는 동영상에서 취득한 오디오 신호를 분할하고, 분할된 오디오 신호를 음악, 음성, 배경 음악이 포함된 음성, 잡음이 포함된 음성, 묵음(silence)으로 분류하는 정확도가 높은 오디오 분할 및 분류 알고리즘을 제안한다. 제안하는 알고리즘은 오디오 분할을 위해 서포트 벡터 머신(support vector machine, SVM)을 이용하였다. 오디오 신호의 분류를 위해서는 분할된 오디오 신호의 특징을 추출하고 이를 퍼지 클러스터링 알고리즘(fuzzy c-means, FCM)의 입력으로 사용하여 각 계층으로 오디오 신호를 분류하였다. 제안하는 알고리즘의 평가는 분할과 분류에 대해 각각 그 성능을 평가하였으며, 분할 성능 평가는 정확도율(precesion rate)과 오차율(recall rate)을 이용하였으며, 분류 성능 평가는 정확성(classification accuracy)을 사용하였다. 또한 오디오 분할의 경우는 이진 분류기와 퍼지 클러스터링을 이용한 기존의 알고리즘과 그 성능을 비교하였다. 모의 실험 결과, 제안한 알고리즘의 분류 성능이 기존 알고리즘 보다 정확도율과 오차율 면에서 모두 우수하였다.

• 비파괴검사학회지
• /
• 제17권1호
• /
• pp.11-22
• /
• 1997

원자력발전소 압력용기 및 배관은 많은 용접부를 포함하고 있으며 용접부내 결함은 크기, 위치 및 형태에 따라 압력용기 및 배관의 건전성에 커다란 영향을 미친다. 따라서 주요 압력용기와 배관의 용접부에 대해서는 가동 전 중 검사시 초음파 탐상시험을 실시하여 그 건전성을 확인하고 있다. 초음파 결함 신호로부터의 결함 분류는 비파괴 평가에 있어 매우 중요하며 초음파 형상 인식 방법이 적당하다. 본 논문에서는 탄소강 압력용기 용접부에 내재하는 결함으로부터 얻어진 초음파 결함 신호의 형상 인식을 위한 절차로써 데이터 수집, 특징 추출, 특징 선택 및 결함 분류를 하였으며, 결함 분류에 있어 결함의 종류를 크게 선형(linear)과 체적(volumetric)의 두 종류로 분류함에 있어 퍼지이론을 적용하여 퍼지이론을 적용한 초음파 형상 인식 기법의 가능성 및 효율성을 제시하였고 그 결과 기존의 분류기(classifier)들에 비해 보다 우수한 결과를 얻을 수 있었다.

• 한국지능시스템학회논문지
• /
• 제26권1호
• /
• pp.56-63
• /
• 2016

본 연구에서는 퍼지 RBFNNs과 증분형 주성분 분석법으로 실현된 숫자인식 시스템의 설계를 소개한다. 주성분 분석법은 차원축소를 위해 사용되는 알고리즘으로 학습데이터의 차원 수가 고차원이거나 데이터의 양이 많을 때 특징 추출을 위한 많은 계산 시간을 필요로 한다. 따라서 고차원 데이터의 효율적인 차원축소와 점진적인 학습을 위해 증분형 주성분분석법을 적용하는 방법을 제안한다. 방사형 기저함수 신경회로망의 구조는 조건부, 결론부, 추론부의 3가지 기능적 모듈로서 구분이 가능하다. 조건부에서는 FCM 클러스터링 알고리즘의 도움으로 실현된 퍼지 클러스터링의 사용으로 입력 공간을 분할한다. 또한 가우시안 함수 대신 FCM(Fuzzy C-Means)클러스터링 알고리즘의 멤버쉽 값을 사용함으로써 입력 데이터의 특성을 좀 더 잘 반영할 수 있도록 개선하였으며, 결론부에서 연결가중치는 상수항에서 일차식과 이차식, 그리고 변형된 이차식과 같은 다항식의 형태로 확장하여 사용한다. 실험 결과는 공인 숫자 데이터인 MNIST 필기체 숫자 데이터를 사용하여 제안된 숫자 인식 시스템의 효율성을 다른 연구와의 비교를 통해 입증한다.

• 한국지능시스템학회논문지
• /
• 제10권2호
• /
• pp.94-102
• /
• 2000

본 논문에서는 미지의 비선형 계통에 대한 동적 퍼지모델 기반 고장 검출 및 진단(FDI) 계통 설계 기법을 제시한다. 비선형 계통에 대한 일반적인 모델 기반 FDI 계통에서는 선형화된 모델을 이용하고 있다 이러한 방법은 계통에 대한 정확한 수학적 모델을 요구하게 되어 복잡한 비선형 계통에의 적용시 많은 어려움이 있다 제안되는 FDI계통에서는 미지의 비선형 계통을 다수의 선형 모델을 갖는 동적 퍼지모델 형태로 식별한다. 잔차벡터는 온라인 알고리즘에 의해 추정되는 파라미터의 변동치와 비선형 계통의 동작 영역을 나타내는 퍼지 규칙들의 소속값들로 구성된다. 계통의 고장 검출 및 진단은 잔차벡터와 고장종류간의 관계를 학습한 신경망 분류기에 의해 수행된다. 제안된 FDI 계통 설계법을 이용하여 2 탱크 계통에 대한 FDI 계통을 설계하고 시뮬레이션 연구를 통하여 그 유용성을 보였다.

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.878-882
• /
• 2004

본 논문에서는 유도전동기 고장진단을 위하여 계층적인 하이브리드 뉴럴네트웍을 제안하였다. 시스템의 입출력 데이터에 근거하여 패턴을 분류할 때 단계별 변환 및 분류 기법을 이용하였다. 제안된 방법에서는 실험에 측정된 전류값을 주기별로 주성분분석(PCA) 기법을 이용하여 입력차원을 축소한 후 이를 조건부 FCM으로 방사기저함수의 초기치를 최적화하는데 사용하였다. 이는 주성분분석이 가지는 특성을 이용하여 데이터의 특징을 나누었으며 이를 뉴럴네트웍의 학습 기능을 이용하여 고장검출 모델의 최종 성능을 개선하는 것이다. 이를 실제 계측된 유도전동기 데이터를 이용하여 실험한 결과 제안된 방법의 성능이 기존의 방법들에 비하여 우수함을 알 수 있었다.

• 정보처리학회논문지A
• /
• 제17A권1호
• /
• pp.33-44
• /
• 2010

본 논문에서는 생체 모방 로봇을 이용한 관로 모니터링 시스템에 대하여 제안한다. 생체 모방 로봇은 관로를 이동하며 온도, 습도, 진동 등 다양한 정보를 획득한다. 관로를 이동하기 위하여 기본적으로 갖추어야 할 기능은 로봇이 이동하여야 할 관로의 형태를 인식하는 것이다. 관로의 형태 인식을 위한 센서로 적외선 거리 측정 센서를 사용하며, 모터에 연결된 센서는 회전 운동을 하며 측정된 각도 및 거리 정보 데이터를 이용하여 관로의 형태, 각도 등을 인식한다. 관로의 형태 인식은 모터에 의해 회전 운동하는 적외선 거리 측정 센서에 의해 감지되는 관로의 개수와 위치에 의한다. 한번 스캔된 데이터에서 감지되는 관로의 수에 따라 별도의 퍼지 분류기를 이용하여 형태 및 관로의 휘어진 각도 등을 추정하며, 다양한 형태의 관로에 대해 실제 측정된 데이터를 통하여 제안된 시스템이 효율적임을 확인한다.

• Journal of Electrical Engineering and Technology
• /
• 제9권3호
• /
• pp.1060-1071
• /
• 2014

Signals of the Electroencephalogram (EEG) can reflect the electrical background activity of the brain generated by the cerebral cortex nerve cells. This has been the mostly utilized signal, which helps in effective analysis of brain functions by supervised learning methods. In this paper, an approach for improving the accuracy of EEG signal classification is presented to detect epileptic seizures. Moreover, Independent Component Analysis (ICA) is incorporated as a preprocessing step and Short Time Fourier Transform (STFT) is used for denoising the signal adequately. Feature extraction of EEG signals is accomplished on the basis of three parameters namely, Standard Deviation, Correlation Dimension and Lyapunov Exponents. The Artificial Neural Network (ANN) is trained by incorporating Levenberg-Marquardt(LM) training algorithm into the backpropagation algorithm that results in high classification accuracy. Experimental results reveal that the methodology will improve the clinical service of the EEG recording and also provide better decision making in epileptic seizure detection than the existing techniques. The proposed EEG signal classification using feed forward Backpropagation Neural Network performs better than to the EEG signal classification using Adaptive Neuro Fuzzy Inference System (ANFIS) classifier in terms of accuracy, sensitivity, and specificity.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권3호
• /
• pp.175-184
• /
• 2008

To construct user profiles automatically, an extraction method for representative keywords from a set of documents is needed. In our previous works, we suggested such a method and showed its usefulness. Here, we apply it to the classification problem and observe how much it contributes to performance improvement. The method can be used as a linear document classifier with few modifications. So, we first evaluate its performance for that case. The method is also applicable to some non-linear classification methods such as GIS (Generalized Instance Set). In GIS algorithm, generalized instances are built from training documents by a generalization function and then the K-NN algorithm is applied to them, where the method can be used as a generalization function. For comparative works, two famous linear classification methods, Rocchio and Widrow-Hoff algorithms, are also used. Experimental results show that our method is better than the others for the case that only positive documents are considered, but not when negative documents are considered together.