• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 학술대회 논문집 정보 및 제어부문
• /
• pp.382-384
• /
• 2004

In this parer, we propose a clustering that perform algorithm using new convergence properties. For detection and optimization of cluster, we use to similarity measure with cumulative probability and to inference the its parameters with MLE. A merits of using the cumulative probability in our method is very effectiveness that robust to noise or unnecessary data for inference the parameters. And we adopt similarity threshold to converge the number of cluster that is enable to past convergence and delete the other influence for this learning algorithm. In the simulation, we show effectiveness of our algorithm for convergence and optimization of cluster in riven data set.

• 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.