• 제목/요약/키워드: fuzzy C-mean

검색결과 95건 처리시간 0.053초

차감 및 중력 fuzzy C-means 클러스터링을 이용한 칼라 영상 분할에 관한 연구 (Segmentation of Color Image by Subtractive and Gravity Fuzzy C-means Clustering)

  • 진영근;김태균
    • 전기전자학회논문지
    • /
    • 제1권1호
    • /
    • pp.93-100
    • /
    • 1997
  • 칼라 영상 분할의 한 방법으로 fuzzy C-means를 이용한 방법이 많이 연구되었으나, 이 방법은 클러스터의 개수가 정해져야 사용할 수 있는 방법이다. 분할해야 할 데이터가 많은 경우 예비 분할을 수행하여 예비 분할 되지 않는 데이터들에 대해서 상세 분할을 fuzzy C-means를 사용하여 분할 하나 예비 분할된 데이터의 클러스터 중심과 상세 분할로 만들어진 클러스터의 중심과는 연계성이 없어진다. 본 연구에서는 이것을 보완하기 위하여 차감 클러스터링을 사용하여 칼라 영상의 클러스터의 개수와 중심을 구한 후, 이것을 이용하여 영상을 예비 분할하고 중력을 가진 fuzzy C-means를 사용하여 분할되지 않은 나머지 부분과 클러스터의 중심을 최적화 시켜 분할하는 알고리듬을 제안한다. 제안된 방법의 정성적인 평가를 수행하여 본 논문에서 제시된 방법이 우수함을 보인다.

  • PDF

THE MEAN VALUE AND VARIANCE OF ONE-SIDED FUZZY SETS

  • Park, Jin Won;Yun, Yong Sik;Kang, Kyoung Hun
    • 충청수학회지
    • /
    • 제23권3호
    • /
    • pp.511-521
    • /
    • 2010
  • In this paper, we define the one-sided fuzzy set and we calculate the mean value and variance, defined by C. Carlsson and R. $Full{\acute{e}}r$, of this fuzzy set. And we obtain a result that, in some special case, the mean of the product of two fuzzy sets is the product of means of each fuzzy sets. This result can be considered as the similar result which is well-known in the independence of events in probability theory.

특이치 분해와 Fuzzy C-Mean(FCM) 군집화를 이용한 벡터양자화에 기반한 워터마킹 방법 (An Watermarking Method based on Singular Vector Decomposition and Vector Quantization using Fuzzy C-Mean Clustering)

  • 이병희;장우석;강환일
    • 한국지능시스템학회:학술대회논문집
    • /
    • 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
    • /
    • pp.267-271
    • /
    • 2007
  • 본 논문은 원본이미지와 은닉이미지의 좋은 압축률과 만족할만한 이미지의 질, 그리고 외부공격에 강인한 이미지은닉의 한 방법으로 특이치 분해와 퍼지 군집화를 이용한 벡터양자화를 이용한 워터마킹 방법을 소개하였다. 실험에서는 은닉된 이미지의 비가시성과 외부공격에 대한 강인성을 증명하였다.

  • PDF

Fuzzy c-means 알고리즘에서의 가변학습 가중치의 효과 (The Effect of Variable Learning Weights in Fuzzy c-means algorithm)

  • 박소희;조제황
    • 융합신호처리학회 학술대회논문집
    • /
    • 한국신호처리시스템학회 2001년도 하계 학술대회 논문집(KISPS SUMMER CONFERENCE 2001
    • /
    • pp.109-112
    • /
    • 2001
  • 기존의 K-means 알고리즘은 학습벡터가 단일군집에 할당되는 방법이 crisp 이므로 다른 군집에 할당될 확률을 무시하게 된다. 따라서 군집화 작업과 관련하여 반복적인 코드북 설계 과정에서 각 학습벡터를 다중 군집으로 할당하는 Fuzzy c-means를 사용한다. 또한 Fuzzy c-means 알고리즘의 학습과정에서 구해지는 각 클래스 의 프로토타입에 가중치를 곱하여 다음 학습의 프로토타입으로 사용함으로써 Fuzzy c-means 알고리즘 적용 결과 얻어지는 코트북의 성능을 기존 알고리즘과 비교하여 개선된 Fuzzy c-means 알고리즘을 찾기 위한 근거를 마련한다.

  • PDF

Adaptive Clustering Algorithm for Recycling Cell Formation: An Application of Fuzzy ART Neural Networks

  • Seo, Kwang-Kyu;Park, Ji-Hyung
    • Journal of Mechanical Science and Technology
    • /
    • 제18권12호
    • /
    • pp.2137-2147
    • /
    • 2004
  • The recycling cell formation problem means that disposal products are classified into recycling part families using group technology in their end-of-life phase. Disposal products have the uncertainties of product status by usage influences during product use phase, and recycling cells are formed design, process and usage attributes. In order to deal with the uncertainties, fuzzy set theory and fuzzy logic-based neural network model are applied to recycling cell formation problem for disposal products. Fuzzy C-mean algorithm and a heuristic approach based on fuzzy ART neural network is suggested. Especially, the modified Fuzzy ART neural network is shown that it has a good clustering results and gives an extension for systematically generating alternative solutions in the recycling cell formation problem. Disposal refrigerators are shown as examples.

An Edge Detection Method by Using Fuzzy 2-Mean Classification and Template Matching

  • Kang, C.C.;Lee, P.J.;Wang, W.J.
    • 제어로봇시스템학회:학술대회논문집
    • /
    • 제어로봇시스템학회 2004년도 ICCAS
    • /
    • pp.1315-1318
    • /
    • 2004
  • Based on fuzzy 2-mean classification and template matching method, we propose a new algorithm to detect the edges of an image. In the algorithm, fuzzy 2-mean classification can classify all pixels in the mask into two clusters whatever the mask in the dark or light region; and template matching not only determines the edge's direction, but also thins the detected edge by a set of inference rules and, by the way, reduces the impulse noises.

  • PDF

특이치 분해와 Fuzzy C-Mean(FCM) 군집화를 이용한 벡터양자화에 기반한 워터마킹 방법 (An Watermarking Method Based on Singular Vector Decomposition and Vector Quantization Using Fuzzy C-Mean Clustering)

  • 이병희;장우석;강환일
    • 한국지능시스템학회논문지
    • /
    • 제17권7호
    • /
    • pp.964-969
    • /
    • 2007
  • 본 논문은 원본 영상과 은닉 영상의 좋은 압축률과 만족할만한 이미지의 질, 그리고 외부공격에 강인한 영상 은닉의 한 방법을 제안한다. 이 워터마킹 방법은 특이치 분해와 퍼지 군집화 기반 벡터양자화를 이용한다. 실험에서는 은닉된 영상의 비가시성과 외부공격에 대한 강인성을 증명하였다. 이 워터마킹기법의 장점은 워터마크된 영상이 이미 압축되어 있으므로 압축과정과 동시에 저작권 보호에 이용할 수 있다는 장점이 있다.

Possibilistic C-mean 클러스터링과 영역 확장을 이용한 칼라 영상 분할 (Color image segmentation using the possibilistic C-mean clustering and region growing)

  • 엄경배;이준환
    • 전자공학회논문지S
    • /
    • 제34S권3호
    • /
    • pp.97-107
    • /
    • 1997
  • Image segmentation is teh important step in image infromation extraction for computer vison sytems. Fuzzy clustering methods have been used extensively in color image segmentation. Most analytic fuzzy clustering approaches are derived from the fuzzy c-means (FCM) algorithm. The FCM algorithm uses th eprobabilistic constraint that the memberships of a data point across classes sum to 1. However, the memberships resulting from the FCM do not always correspond to the intuitive concept of degree of belongingor compatibility. moreover, the FCM algorithm has considerable trouble above under noisy environments in the feature space. Recently, the possibilistic C-mean (PCM) for solving growing for color image segmentation. In the PCM, the membersip values may be interpreted as degrees of possibility of the data points belonging to the classes. So, the problems in the FCM can be solved by the PCM. The clustering results by just PCM are not smoothly bounded, and they often have holes. So, the region growing was used as a postprocessing. In our experiments, we illustrated that the proposed method is reasonable than the FCM in noisy enviironments.

  • PDF

특이치 분해와 Fuzzy C-Mean(FCM) 클러스터링을 이용한 벡터양자화에 기반한 워터마킹 방법 (An Watermarking Method based on Singular Vector Decomposition and Vector Quantization using Fuzzy C-Mean Clustering)

  • 이병희;강환일;장우석
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (D)
    • /
    • pp.7-11
    • /
    • 2007
  • In this paper the one of image hide method for good compression ratio and satisfactory image quality of the cover image and the embedding image based on the singular value decomposition and the vector quantization using fuzzy c-mean clustering is introduced. Experimental result shows that the embedding image has invisibility and robustness to various serious attacks.

  • PDF

Cpk Index Estimation under Tw (the weakest t-norm)-based Fuzzy Arithmetic Operations

  • Hong, Dug-Hun
    • International Journal of Fuzzy Logic and Intelligent Systems
    • /
    • 제8권3호
    • /
    • pp.170-174
    • /
    • 2008
  • The measurement of performance of a process considering both the location and the dispersion of information about the process is referred to as the process capacity indices (PCIs) of interest, $C_{pk}$. This information is presented by the mean and standard deviation of the producing process. Linguistic variables are used to express the evaluation of the quality of a product. Consequently, $C_{pk}$ is defined with fuzzy numbers. Lee [Eur. J. Oper. Res. 129(2001) 683-688] constructed the definition of the $C_{pk}$ index estimation presented by fuzzy numbers and approximated its membership function using the "min" - norm based Zadeh's extension principle of fuzzy sets. However, Lee's result was shown to be invalid by Hong [Eur. J. Oper. Res. 158(2004) 529-532]. It is well known that $T_w$ (the weakest t-norm)-based addition and multiplication preserve the shape of L-R fuzzy numbers. In this paper, we allow that the fuzzy numbers are of L-R type. The object of the present study is to propose a new method to calculate the $C_{pk}$ index under $T_w-based$ fuzzy arithmetic operations.