• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제3권1호
• /
• pp.44-51
• /
• 2003

Knowledge acquisition is a bottleneck in knowledge-based system implementation. Decision tree induction is a useful machine learning approach for extracting classification knowledge from a set of training examples. Many real-world data contain fuzziness due to observation error, uncertainty, subjective judgement, and so on. To cope with this problem of real-world data, there have been some works on fuzzy classification rule learning. This paper makes a survey for the kinds of fuzzy classification rules. In addition, it presents a fuzzy classification rule learning method based on decision tree induction, and shows some experiment results for the method.

• 대한의용생체공학회:의공학회지
• /
• 제31권1호
• /
• pp.40-49
• /
• 2010

A rule weight -based fuzzy classification model is proposed to analyze the patterns of admission-discharge of patients as a previous research for differential diagnosis of dyspnea. The proposed model is automatically generated from a labeled data set, supervised learning strategy, using three procedure methodology: i) select fuzzy partition regions from spatial distribution of data; ii) generate fuzzy membership functions from the selected partition regions; and iii) extract a set of candidate rules and resolve a conflict problem among the candidate rules. The effectiveness of the proposed fuzzy classification model was demonstrated by comparing the experimental results for the dyspnea patients' data set with 11 features selected from 55 features by clinicians with those obtained using the conventional classification methods, such as standard fuzzy classifier without rule weights, C4.5, QDA, kNN, and SVMs.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 하계종합학술대회 논문집(5)
• /
• pp.273-276
• /
• 2002

This paper has design of ECG pattern classification system using decision of fuzzy IF-THEN rules and neural network. each fuzzy IF-THEN rule in our classification system has antecedent lingustic values and a single consequent class. we use a fuzzy reasoning method based on a single winner rule in the classification phase. this paper in, the MIT/BIH arrhythmia database for the source of input signal is used in order to evaluate the performance of the proposed system. From the simulation results, we can effectively pattern classification by application of learned from neural networks.

• 제어로봇시스템학회논문지
• /
• 제6권8호
• /
• pp.710-718
• /
• 2000

In this paper we described an approach to automation of visual inspection of solder joint defects of SMC(Surface Mounted Components) on PCBs(Printed Circuit Board) by using neural network and fuzzy rule-based classification method. Inherently the surface of the solder joints is curved tiny and specular reflective it induces difficulty of taking good image of the solder joints. And the shape of the solder joints tends to greatly vary with the soldering condition and the shapes are not identical to each other even though the solder joints belong to a set of the same soldering quality. This problem makes it difficult to classify the solder joints according to their qualities. Neural network and fuzzy rule-based classification method is proposed to effi-ciently make human-like classification criteria of the solder joint shapes. The performance of the proposed approach is tested on numerous samples of commercial computer PCB boards and compared with the results of the human inspector performance and the conventional Kohonen network.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.417-422
• /
• 1998

This paper presents a method of object classification from dynamic image based on fuzzy inference algorithm which is suitable for low speed such as, conveyor, uninhabited transportation. At first, by using feature parameters of moving object, fuzzy if - then rule that can be able to adapt the wide variety of surroundings is developed. Secondly, implication function for fuzzy inference are compared with respect the proposed algorithm. Simulation results are presented to testify the performance and applicability of the proposed system.

• 한국지능시스템학회논문지
• /
• 제18권6호
• /
• pp.814-820
• /
• 2008

최근, 패턴분류에 온톨로지를 이용하려는 연구가 다양한 분야에서 시도되고 있다. 그러나 대부분의 이러한 연구에서는 패턴분류 관련 지식을 표현한 온톨로지지가 패턴분류 과정에서 단순히 참조되는 수준에 머물고 있다. 본 논문에서는 퍼지 규칙기반 분류기를 확장한 온톨로지 기반 퍼지 분류기를 제안한다. 이를 위해 퍼지규칙 기반 패턴분류 방법을 개념화하여 온톨로지를 구성하고, 패턴분류를 위한 온톨로지 추론 규칙을 생성한다. 그리고 IRIS 데이터집합의 패턴분류 실험을 통해 온톨로지 기반 퍼지 분류기의 타당성을 보인다.

• 인터넷정보학회논문지
• /
• 제8권3호
• /
• pp.109-118
• /
• 2007

본 논문에서는 퍼지규칙 기반 시스템에서 규칙 내에 포함된 불완전한 속성을 제거하여 보다 간략화 된 규칙으로도 분류할 수 있는 방법을 제안하였다. 제안한 방법에서는 규칙 내에 포함된 불완전한 속성을 제거하기 위해 러프집합을 이용하였고 보다 명확한 분류를 위해 출력부 소속함수의 적합도가 최대인 속성들을 추출하였다. 또한 모의실험에서는 제안된 방법의 타당성을 검증하기 위해 rice taste data를 기반으로 규칙 감축 전 퍼지 max-product 결과와 규칙 감축 후 퍼지 max-product 결과를 비교하였다. 그 결과, 규칙 감축 전 max-product 결과와 규칙 감축 후 max-product 결과가 정확히 일치함을 볼 수 있었고, 보다 객관적인 검증을 위해 비퍼지화 된 실수 구간을 비교하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.663-667
• /
• 2004

This paper presents new pruning and learning methods for the fuzzy rule-based classifier. The structure of the proposed classifier is framed from the fuzzy sets in the premise part of the rule and the Bayesian classifier in the consequent part. For the simplicity of the model structure, the unnecessary features for each fuzzy rule are eliminated through the iterative pruning algorithm. The quality of the feature is measured by the proposed correctness method, which is defined as the ratio of the fuzzy values for a set of the feature values on the decision region to one for all feature values. For the improvement of the classification performance, the parameters of the proposed classifier are finely adjusted by using the gradient descent method so that the misclassified feature vectors are correctly re-categorized. The cost function is determined as the squared-error between the classifier output for the correct class and the sum of the maximum output for the rest and a positive scalar. Then, the learning rules are derived from forming the gradient. Finally, the fuzzy rule-based classifier is tested on two data sets and is found to demonstrate an excellent performance.

• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.360-366
• /
• 2008

퍼지 규칙기반 분류 시스템에서 초기의 퍼지 분할은 주어진 데이터가 가진 속성들의 도메인을 고려함으로서 결정되어지고, 최적의 분류 경계면은 초기에 정의된 퍼지 분할의 파라미터들을 조정함으로서 찾을 수 있다. 본 논문에서는 학습과정들을 사용하지 않고 패턴분류의 성능을 최대화하기 위해 통계적 정보에 기반을 둔 퍼지 분할의 선택방법을 제안한다. 제안된 방법에서 통계적 정보는 주어진 수치적인 데이터로부터 각 입력 속성의 '불확실성 영역', 즉 패턴분류문제에서 분류 경계면이 결정되는 영역을 추출하기 위해 사용되었다. 또한 통계적인 정보에 의해서 생성된 퍼지 분할구간에 대응하는 후보 규칙들을 추출하기 위한 방법과 그 후보 규칙들 간의 커플링 문제를 최소화하기 위한 방법도 추가적으로 논의하였다. 실험에서는 제안된 방법의 효용성을 보이기 위해 IRIS와 New Thyroid Cancer 데이터를 사용한 기존 패턴분류 방법들과의 분류 정확성을 비교하였고, 그 결과들로부터 제안된 방법이 기존의 방법들보다 더 좋은 분류 정확성을 제공함을 확인할 수 있었다.

• 지능정보연구
• /
• 제15권3호
• /
• pp.151-165
• /
• 2009

퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는ANFIS (Adaptive Network-based Fuzzy Inference System)모형을 기반으로 하는 분류모형을 설계하고 기존의 분류기법(C5.0 의사결정나무)과 비교하여 분류 정확성 관점에서 평가한다. ANFIS 추론의 경우, 최종 결과값이 계급값이 아닌 연속형 변수값을 취하게 되므로 산출된 결과값을 이용하여 적절한 계급값을 할당하는 과정이 필요하다. 본 연구에서는 의사결정나무기법을 이용하여 계급값을 할당하는 방식과 군집분석을 이용하여 계급값을 할당하는 두 가지 방식을 제안하고 두 가지 데이터 세트에 적용하여 ANFIS를 기반으로 한 분류모형의 정확도를 평가하였다.