• The Journal of the Acoustical Society of Korea
• /
• 제16권1E호
• /
• pp.64-74
• /
• 1997

In many decision making systems, rule-based approaches are used to solve complex problems in the areas of pattern analysis and computer vision. In this paper, we present methods for generating fuzzy IF-THEN rules automatically from training data for pattern classification and high-level computer vision. The rules are generated by construction minimal approximate fuzzy aggregation networks and then training the networks using gradient descent methods. The training data that represent features are treated as linguistic variables that appear in the antecedent clauses of the rules. Methods to generate the corresponding linguistic labels(values) and their membership functions are presented. In addition, an inference procedure is employed to deduce conclusions from information presented to our rule-base. Two experimental results involving synthetic and real are given.

• 한국정보통신학회논문지
• /
• 제4권3호
• /
• pp.611-618
• /
• 2000

This paper presents a shape classification method of dynamic image based on adaptive fuzzy inference. It describes the design scheme of fuzzy inference algorithm which makes it suitable for low speed systems such as conveyor, uninhabited transportation. In the first Discrete Wavelet Transform(DWT) is utilized to extract the motion vector in a sequential images. This approach provides a mechanism to simple but robust information which is desirable when dealing with an unknown environment. By using feature parameters of moving object, fuzzy if - then rule which can be able to adapt the variation of circumstances is devised. Then applying the implication function, shape classification processes are performed. Experimental results are presented to testify the performance and applicability of the proposed algorithm.

• International Journal of Control, Automation, and Systems
• /
• 제2권1호
• /
• pp.118-124
• /
• 2004

This paper proposes an approach to deriving a fuzzy classifier based on evolutionary supervised clustering, which identifies the optimal clusters necessary to classify classes. The clusters are formed by multi-dimensional weighted Euclidean distance, which allows clusters of varying shapes and sizes. A cluster induces a Gaussian fuzzy antecedent set with unique variance in each dimension, which reflects the tightness of the cluster. The fuzzy classifier is com-posed of as many classification rules as classes. The clusters identified for each class constitute fuzzy sets, which are joined by an "and" connective in the antecedent part of the corresponding rule. The approach is evaluated using six data sets. The comparative results with different classifiers are given.are given.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권7호
• /
• pp.2683-2702
• /
• 2015

A Content-based Image Retrieval (CBIR) system employs visual features rather than manual annotation of images. The selection of optimal features used in classification of images plays a key role in its performance. Category proliferation problem has a huge impact on performance of systems using Fuzzy Artmap (FAM) classifier. The proposed CBIR system uses a modified version of FAM called Non-Proliferation Fuzzy Artmap (NPFAM). This is developed by introducing significant changes in the learning process and the modified algorithm is evaluated by extensive experiments. Results have proved that NPFAM classifier generates a more compact rule set and performs better than FAM classifier. Accordingly, the CBIR system with NPFAM classifier yields good retrieval.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.792-798
• /
• 2007

본 논문에서는 학습기법을 사용하지 않고 패턴분류의 성능을 최대화하면서 규칙의 수를 줄일 수 있는 통계적 정보기반 계층적 퍼지-러프 분류방법을 제안한다. 제안된 방법에서 통계적 정보는 계층적 퍼지-러프 분류 시스템에서 각 계층의 입력부 퍼지집합의 분할 구간을 추출하기 위해서 사용되었고, 러프집합은 통계적 정보로부터 추출된 분할 구간들과 연관된 퍼지 if-then 규칙의 수를 최소화하기 위해서 사용되었다. 제안된 방법의 효과성을 보이기 위해 Fisher의 IRIS 데이터를 사용한 기존 패턴분류 방법의 분류 정확도와 규칙들의 수를 비교하였다. 그 결과, 제안된 방법은 기존 방법들의 분류 성능과 유사함을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제6권3호
• /
• pp.14-24
• /
• 1996

유전자 알고리즘을 이용한 다양한 특징의 분석이 필요한 퍼지 분류기의 설계방법을 제안한다. 본 논문에서 제안한 퍼지 분류기의 퍼지 논리를 이용한 분류 부분과 우전자 알고리즘을 이용한 규칙생성부분으로 구성된다. 유전자 알고리즘을 이용한 규칙 생성 부분에서는 최적의 퍼지 멤버쉽 함수를 결정하고, 각 특징이 규칙에 포함되는지 포함되지 않는지의 여부도 결정하게 된다. 또한 특정 대상에 대한 인식률을 분석하여 큰 오인식률을 갖는 부분에 세부 특징을 추가하는 방법과 문자열과 population의 최소크기, 인식률 개선을 위한 반복적 분석 방법을 사용한다. 제안된 퍼지 분류기의 적용 예로서, 아이리스 테이터와 갑상선 종양 세포, 그리고 필기된 숫자와 인쇄된 숫자의 인식을 든다. 필기된 숫자와 인쇄된 숫자의 인식을 위해서 각 숫자를 구조적인 정보가 동일한 그룹으로 분류한다. 본 논문에서 제안한 퍼지 분류기는 아이리스 데이터에 대해 98.67%의 인식률을 갑상선 종양 세포에 대해서 98.25%의 인식률을 필기된 숫자와 인쇄된 숫자에 대해서 96.3%의 인신룩을 얻었다.

• 전기학회논문지
• /
• 제63권4호
• /
• pp.534-540
• /
• 2014

In this paper, we propose a fuzzy combined Polynomial Neural Network(PNN) for pattern classification. The fuzzy combined PNN comes from the generic TSK fuzzy model with several linear polynomial as the consequent part and is the expanded version of the fuzzy model. The proposed pattern classifier has the polynomial neural networks as the consequent part, instead of the general linear polynomial. PNNs are implemented by stacking the simple polynomials dynamically. To implement one layer of PNNs, the various types of simple polynomials are used so that PNNs have flexibility and versatility. Although the structural complexity of the implemented PNNs is high, the PNNs become a high order-multi input polynomial finally. To estimate the coefficients of a polynomial neuron, The weighted linear discriminant analysis. The output of fuzzy rule system with PNNs as the consequent part is the linear combination of the output of several PNNs. To evaluate the classification ability of the proposed pattern classifier, we make some experiments with several machine learning data sets.

• 한국정보통신학회논문지
• /
• 제11권5호
• /
• pp.969-976
• /
• 2007

유전자 알고리즘을 이용한 다양한 특징의 분석이 필요한 퍼지 분류기의 설계 방법을 제안한다. 본 논문에서 제안한 퍼지 분류기는 퍼지 논리를 이용한 분류 부분과 유전자 알고리즘을 이용한 규칙 생성 부분으로 구성된다. 유전자 알고리즘을 이용한 규칙 생성 부분에서는 최적의 퍼지 멤버쉽 함수를 결정하고, 각 특징이 규칙에 포함되는지 포함되지 않는지의 여부도 결정하게 된다. 또한, 특정 대상에 대한 인식률을 분석하여 큰 오인식률을 갖는 부분에 세부 특징을 추가하는 방법과 문자열과 population의 최소 크기, 인식률 개선을 위한 반복적 분석 방법을 사용한다. 제안된 퍼지 분류기의 적용 예로서, 아이리스 데이터와 갑상선 종양 세포의 식별을 든다. 본 논문에서 제안한 퍼지 분류기는 아이리스 데이터에 대해 98.67%의 인식률을, 갑상선 종양 세포에 대해서 98.25%의 인식률을 얻었다.

• 한국항행학회논문지
• /
• 제10권3호
• /
• pp.219-225
• /
• 2006

본 논문에서는 이산웨이블릿 변환과 퍼지추론을 이용하여 물체를 분류하는 방법을 제안 한 바, 컨베이어 혹은 무인 운송장치와 같은 저속도에 적용 할 수 있는 퍼지추론 알고리즘과 알고리즘의 퍼지 규칙수를 최소화하는 방법에 중점을 두었다. 특징추출을 위한 전처리 과정에서 는 이산웨이블릿 변환 계수로부터 물체의 특징 파라미터들을 구하였다. 물체의 특징 파라미터는 계수 블록으로부터 계산된 물체의 면적, 둘레, 면적과 둘레의 비율을 이용하였다. 외부 환경에 기인하는 파라미터들의 변화에 적응할 수 있도록 퍼지 If-then 규칙을 설계하였다. 제안한 추론 알고리즘의 성능 평가를 위하여 Mamdani 및 Larsen의 함의 연산자를 이용하여 실험하였고, 외부 환경 변화에 대하여도 적용 가능성을 보였다.

• 대한원격탐사학회지
• /
• 제20권5호
• /
• pp.353-359
• /
• 2004

This study proposes an approach to unsupervisedly estimate the number of classes and the parameters of defining the classes in order to train the classifier. In the proposed method, the image is segmented using a spatial region growing based on hierarchical clustering, and fuzzy training is then employed to find the sample classes that well represent the ground truth. For cluster validation, this approach iteratively estimates the class-parameters in the fuzzy training for the sample classes and continuously computes the log-likelihood ratio of two consecutive class-numbers. The maximum ratio rule is applied to determine the optimal number of classes. The experimental results show that the new scheme proposed in this study could be used to select the regions with different characteristics existed on the scene of observed image as an alternative of field survey that is so expensive.