• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2004년도 학술발표회
• /
• pp.1280-1284
• /
• 2004

본 논문에서는 월 댐유입량을 예측하는데 있어서 뉴로-퍼지 시스템의 적용성을 검토하였다. 뉴로-퍼지 알고리즘으로 퍼지이론과 신경망이론의 결합형태인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 이용하여 모형을 구성하였다. ANFIS의 공간분야에 의한 제어규칙의 선정에 있어 퍼지변수가 증가함에 따라 제어규칙이 기하급수적으로 증가하는 단점을 해결하기 위해 퍼지 클러스터링(Fuzzy flustering)방법 중 하나인 차감 클러스터링(Subtractive Clustering)을 사용하였다. 또한 본 연구에서는 기후인자들을 인력으로 하여 모형을 구성하였으며 각각 학습기간과 검정기간으로 나누어 학습기간에는 모형의 매개변수 최적화를, 검정기간에는 최적화된 모형의 매개변수를 검정하는 순으로 연구를 수행하였다. 예측 길과, ANFIS는 댐유입량 예측시 입력자료의 종류가 많아질수록 예측능력 더욱 정확한 것으로 판단된다.

• 한국지능시스템학회논문지
• /
• 제15권1호
• /
• pp.6-11
• /
• 2005

본 논문에서는 지능형 시스템의 초기 구조 및 파라미터 최적화에 필요한 개선된 성능의 퍼지 클러스터링 방법을 제안한다. 일반적인 클러스터링의 유용한 특성을 유지하면서 시스템의 구성을 적응적으로 변화시켜 전체 시스템의 학습과 성능을 개선할 수 있도록 하였다. 특히, 클러스터링 과정에서 발생하는 초기 파라미터 결정 문제와 최적화 문제를 동시에 만족하면서 일정한 구조로 수련하는 제안된 방법의 특성을 이용하여 지능형 모델에서 필요로 하는 조건이나 패턴의 구조를 자율적으로 추정하였다. 실험에서는 제안된 클러스터링 방법을 기존의 연구된 알고리즘과 비교하여 제안된 방법의 우수성을 보였다.

• 한국멀티미디어학회논문지
• /
• 제10권4호
• /
• pp.441-449
• /
• 2007

영상 분할을 위한 클러스터링에서는 방대한 계산량과 전형적인 분할 오류가 중요한 문제점으로 지적되어 왔다. 본 연구에서는 이러한 문제들을 최소화하기 위한 새로운 기법을 제안한다. 마커-제어 유역변환(marker- controlled watershed transform)에서 마커는 영역 확장의 시작점이므로, 분할된 각 영역을 대표하는 성질을 가진다. 따라서 마커 화소로 제한하는 클러스터링으로 계산 복잡도를 줄일 수 있다. 제안한 기법에서는 가보 필터(gabor filter)의 질감 에너지에서 마커를 선택하고, FCM(fuzzy c-means) 클러스터링으로 마커의 군집을 형성하며, 유역변환에서 생성된 영역들을 마커의 군집정보를 이용하여 병합한다. Brodatz 영상 조합에 대한 성능 실험에서 클러스터링 특유의 얼룩(blob) 분할 오류를 현저하게 개선하였으며, 영상 분할 소요 시간 비교에서 기존의 FCM 클러스터링 알고리즘보다 소요 시간이 적었다. 또한, 전체적으로 일정한 분할 소요시간을 보여주었다.