• 정보처리학회논문지B
• /
• 제9B권2호
• /
• pp.202-214
• /
• 2002

본 논문에서는 FCM알고리즘과 평균내부거리를 적용한 퍼지 클러스터링 알고리즘의 문제점을 해결하기 위하여 개선된 FCM 알고리즘을 제안한다. 개선된 FCM 알고리즘은 내부클러스터를 이용하여 클러스터 크기가 다른 경우에도 크기가 작은 클러스터에 일정한 소속정도를 부여할 수 있다. 그리고 이에 맞는 목적함수를 설계하고 검증한 후 데이터 분류에 사용하기 때문에 목적함수의 수렴성 문제를 극복할 수 있다. 그러므로 클러스터 크기가 다른 경우에 발생하는 FCM 알고리즘의 문제점과 목적함수의 수렴성에 문제가 있는 평균내부거리를 적용한 퍼지 클러스터링 알고리즘의 문제점을 해결할 수 있다. 제안한 알고리즘을 검증하기 위하여 제안한 알고리즘을 이용하여 데이터를 분류한 결과를 FCM 알고리즘, 평균 내부거리를 적용한 퍼지 클러스터링 알고리즘을 이용하여 데이터를 분류한 결과와 각각 비교하였다. 실험을 통하여 제안한 알고리즘으로 데이터를 분류할 경우 분류 엔트로피에 의해 기존의 알고리즘들보다 더 좋은 결과를 나타냄을 알 수 있었다.

• 지능정보연구
• /
• 제13권1호
• /
• pp.81-90
• /
• 2007

본 논문에서는 전문적인 지식이 부족한 일반인들을 대상으로 자신의 건강 상태를 파악 할 수 있는 지능형 자가 진단 시스템을 제안한다. 제안된 자가 진단 시스템은 보건 복지부에 제출된 '한국인이 부담을 가지는 질병' 관련보고서를 참조하여 선정한 30가지의 질병과 각 질병에 대한 대표 증상을 이용하여 질병을 도출한다. 본 논문에서는 개선된 FCM 알고리즘을 적용하여 질병 종류를 군집화하고 각 질병의 증상과 관련된 질의 결과를 입력 벡터로 적용하여 사용자의 건강 상태를 진단한다. 기존의 방법에서는 입력 벡터와 군집 중심과의 거리를 측정한 후 거리가 가까운 5가지를 선택하기 때문에 선택된 질의와 관련 없는 질병을 도출하는 단점이 있었다. 이러한 단점을 개선하기 위해, 선택된 질의와 도출된 질병에 대한 퍼지 소속도를 이용하여 정렬한다. 정렬된 질병에서 상위 5가지를 도출한 결과, 선택된 질의와 관련된 질병만을 도출하는 것을 확인 할 수 있었다.

• 대한전자공학회논문지TC
• /
• 제46권12호
• /
• pp.102-107
• /
• 2009

기술의 발달로 의료장비의 현대화가 이루어지고 PACS와 같은 시스템이 보편화되면서 디지털 의료영상처리 기술에 대한 관심이 높아지고 있다. 영역분할 기술은 디지털의료영상처리에서 첫 번째 단계로 필요한 전처리기술이다. 영역분할을 통하여 특정 부위가 종양, 부종, 파손 및 괴사세포와 같은 이상 현상을 나타내는 것을 조기에 발견할 수 있도록 해주고, 의사들이 적절한 처방을 내려줄 수 있도록 도와줄 수 있다. 특히 두뇌영상에서 백질, 회백질 및 CSF(cerebral spinal fluid)의 영역분할은 두뇌연구의 핵심기술이다. 이들 의료영상에서 기존의 윤곽선이나 영역 확장법은 애매한 경계선과 장기내의 물리적 특성이 비균질하여 영역분할의 실패율을 높게 한다. 퍼지기반의 영역분할 알고리듬은 불분명한 경계를 이루는 장기의 영역분할에 강하다고 알려져 있다. 본 연구에서는 자기공명영상이 강하게 나타내는 잡음에도 안정적인 퍼지기반의 영역분할 알고리듬을 제안하였다. 제안된 알고리듬은 이웃화소들을 군집시킬 때에 평균과 분산의 정보를 이용하여 최소한의 계산을 추가함으로써, 기존의 퍼지기반 영역분할 방법에 비하여 실패율이 대략 30% 이하로 낮은 것을 확인하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국내학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.233-238
• /
• 1993

In this paper, two diagnosis algorithms using the simple fuzzy, cognitive map (FCM) that is an useful qualitative model are proposed. The first basic algorithm is considered as a simple transition of Shiozaki's signed directed graph approach to FCM framework. And the second one is an extended version of the basic algorithm. In the extension, three important concepts, modified temporal associative memory (TAM) recall, temporal pattern matching algorithm and hierarchical decomposition are adopted. As the resultant diagnosis scheme takes short computation time, it can be used for on-line fault diagnosis of large scale and complex processes that conventional diagnosis methods cannot be applied. The diagnosis system can be trained by the basic algorithm and generates FCM model for every experienced process fault. In on-line application, the self-generated fault model FCM generates predicted pattern sequences, which are compared with observed pattern sequences to declare the origin of fault. In practical case, observed pattern sequences depend on transport time. So if predicted pattern sequences are different from observed ones, the time weighted FCM with transport delay can be used to generate predicted ones. The fault diagnosis procedure can be completed during the actual propagation since pattern sequences of tvo different faults do not coincide in general.

• 한국컴퓨터정보학회논문지
• /
• 제20권12호
• /
• pp.15-20
• /
• 2015

In this paper, we propose a modified fuzzy clustering algorithm which can overcome the center deviation due to the Euclidean distance commonly used in fuzzy clustering. Among fuzzy clustering methods, Fuzzy C-Means (FCM) is the most well-known clustering algorithm and has been widely applied to various problems successfully. In FCM, however, cluster centers tend leaning to high density clusters because the Euclidean distance measure forces high density cluster to make more contribution to clustering result. Proposed is an enhanced algorithm which modifies the objective function of FCM by adding a center-scattering term to make centers not to be close due to the cluster density. The proposed method converges more to real centers with small number of iterations compared to FCM. All the strengths can be verified with experimental results.

• Transactions on Control, Automation and Systems Engineering
• /
• 제1권1호
• /
• pp.54-61
• /
• 1999

FCM(Fuzzy Cognitive Map) is proposed for representing causal reasoning. Its structure allows systematic causal reasoning through a forward inference. By using the FCM, authors have proposed FCM-based fault diagnostic algorithm. However, it can offer multiple interpretations for a single fault. In process engineering, as experience accumulated, some form of quantitative process knowledge is available. If this information can be integrated into the FCM-based fault diagnosis, the diagnostic resolution can be further improved. The purpose of this paper is to propose an enhanced FCM-based fault diagnostic scheme. Firstly, the membership function of fuzzy set theory is used to integrate quantitative knowledge into the FCM-based diagnostic scheme. Secondly, modified TAM recall procedure is proposed. Considering that the integration of quantitative knowledge into FCM-based diagnosis requires a great deal of engineering efforts, thirdly, an automated procedure for fusing the quantitative knowledge into FCM-based diagnosis is proposed by utilizing self-learning feature of neural network. Finally, the proposed diagnostic scheme has been tested by simulation on the two-tank system.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.247-251
• /
• 1997

FCM(Fuzzy Cognitive Map) is a fuzzy signed directed graph for representing causal reasoning which has fuzziness between causal concepts. Authors have already proposed FCM-based fault diagnostic scheme and verified its usefulness. However, the previously proposed scheme has the problem of lower diagnostic resolution as in the case of other qualitative approaches. In order to improve the diagnostic resolution, a concept of fuzzy number is introduced into the basic FCM-based fault diagnostic algorithm. By incorporation the fuzzy number into fault FCM models, quantitative information such as the transfer gain between the state variables can be effectively utilized for better diagnostic resolution. Furthermore, an enhanced TAM(Temporal Associative Memory) recall procedure and modified and modified pattern matching scheme are also proposed.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.755-758
• /
• 2001

본 논문에서는 서로 다른 크기의 클러스터에 대해서 효과적으로 데이터를 분류할 수 있는 내부클러스터를 이용한 개선된 FCM 알고리즘을 제안하였다. 내부클러스터는 평균내부거리 안쪽에 속하는 데이터 집합으로 클러스터의 크기와 밀도에 비례한다. 그러므로 이를 이용한 개선된 FCM 알고리즘은 기존의 FCM 알고리즘이 클러스터 크기가 다를 경우 퍼지분할과 중심탐색을 제대로 하지 못하는 문제점을 개선한 수 있다. 실험을 통하여 개선된 FCM 알고리즘이 분류 엔트로피에 의해 기존의 FCM 알고리즘 보다 더 좋은 결과를 나타냄을 알 수 있었다.

• 전기학회논문지
• /
• 제57권3호
• /
• pp.466-472
• /
• 2008

The paper concerns Fuzzy C-Means clustering based fuzzy neural networks (FCM-FNN) and the optimization of the network is carried out by means of hierarchal fair competition-based parallel genetic algorithm (HFCPGA). FCM-FNN is the extended architecture of Radial Basis Function Neural Network (RBFNN). FCM algorithm is used to determine centers and widths of RBFs. In the proposed network, the membership functions of the premise part of fuzzy rules do not assume any explicit functional forms such as Gaussian, ellipsoidal, triangular, etc., so its resulting fitness values directly rely on the computation of the relevant distance between data points by means of FCM. Also, as the consequent part of fuzzy rules extracted by the FCM-FNN model, the order of four types of polynomials can be considered such as constant, linear, quadratic and modified quadratic. Since the performance of FCM-FNN is affected by some parameters of FCM-FNN such as a specific subset of input variables, fuzzification coefficient of FCM, the number of rules and the order of polynomials of consequent part of fuzzy rule, we need the structural as well as parametric optimization of the network. In this study, the HFCPGA which is a kind of multipopulation-based parallel genetic algorithms(PGA) is exploited to carry out the structural optimization of FCM-FNN. Moreover the HFCPGA is taken into consideration to avoid a premature convergence related to the optimization problems. The proposed model is demonstrated with the use of two representative numerical examples.

• 대한전자공학회논문지
• /
• 제25권6호
• /
• pp.680-687
• /
• 1988

When only global or local features of images are considered, the segmented results exhibit inevitable errors. To reduce these errors, first we divide the image into uniform and nonuniform regions by considering the local properties of the image. Next we obtain the segmented results by applying the Fuzzy C-means (FCM) algorithm to the picture and determining to which uniform reigons each pixel of the nonuniform regions belongs. To reduce the computational burden and memory required for the FCM algorithm, the equations used for FCM algorithm are modified. The performance of the proposed method is quantitatively compared to existing ones using only global or local features of the picture. Computer simualtion result shows that the segmented results obtained by applying the proposed method are superior to existing ones.