• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.517-524
• /
• 2004

1960년대 퍼지 이론이 소개된 이후 데이터 마이닝을 포함한 기계 학습 분야의 군집화 작업에서 퍼지 이론이 폭넓게 사용되었다. 퍼지 C-평균 알고리즘은 가장 많이 사용되는 퍼지 군집화 알고리즘이다. 이 알고리즘은 하나의 데이터 개체가 서로 다른 소속 정도를 가지고 각 군집에 할당될 수 있도록 한다. 퍼지 C-평균 알고리즘도 K-평균 알고리즘과 같은 일반적인 군집화 알고리즘과 마찬가지로 초기 군집수와 군집 중심의 위치에 의해 최종 군집 결과의 성능 차이가 나타난다. 군집화를 위한 이러한 초기 설정은 주관적이며 이 때문에 적절치 못한 결과를 얻게 될 수도 있다. 본 논문에서는 이 문제를 해결할 수 있는 방법으로 주어진 학습 데이터의 속성을 기반으로 한 초기 군집수와 군집 중심을 결정하는 개선된 밀도 기반의 퍼지 C-평균 알고리즘을 제안하였다. 제안 방법은 격자를 사용하여 초기 군집 중심의 위치와 군집수를 결정하였다. 기존에 많이 이용되었던 객관적인 기계 학습 데이터를 이용하여 제안 알고리즘의 성능비교를 수행하였다.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.595-602
• /
• 2009

시스템의 동작특성을 표현하는 퍼지 규칙들은 퍼지 클러스터링 기법에 매우 의존적이다. 만약, 클러스터링 기법의 분류 능력이 개선된다면, 그들에 의해 생성되는 퍼지 규칙과 식별되는 파라미터들이 보다 정밀해 질 수 있으므로 시스템의 성능이 개선될 수 있다. 따라서 본 논문에서는 분류능력이 강화된 새로운 계층 구조 클러스터링 알고리즘을 제안한다. 제안된 클러스터링 기법은 데이터 사이의 통계적 특성과 상관성을 고려하여 보다 정확하게 데이터들을 분류할 수 있도록 2개의 클러스터의 구조를 갖는다. 또한, 본 논문은 차분 데이터를 이용하여 원형 데이터의 패턴이나 규칙들이 명확하게 반영될 수 있도록 하며, 각각의 차분 데이터들의 다양한 특성을 고려할 수 있도록 다중 퍼지 시스템을 구현한다. 마지막으로, 제안된 기법들의 유효성을 다양한 비선형 시계열 데이터들의 예측을 통해 검증한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.94-97
• /
• 2000

We introduce an approximate fuzzy clustering method, which is simple but computationally efficient, based on density functions in this paper. The density functions are defined by the number of data within the predetermined interval. Numerical examples are presented to show the validity of the proposed clustering method.

• 한국수자원학회논문집
• /
• 제37권6호
• /
• pp.449-460
• /
• 2004

본 논문에서는 월 댐유입량을 예측하는데 있어서 기상예보정보를 활용한 뉴로-퍼지 시스템의 적용성을 검토하였다. 뉴로-퍼지 알고리즘으로 퍼지이론과 신경망이론의 결합형태인 ANFIS(Adaptive Neuro-Fuzzy Inference System)을 이용하여 모형을 구성하였다. ANFIS의 공간분할에 의한 제어규칙의 선정에 있어 퍼지변수가 증가함에 따라 제어규칙이 기하급수적으로 증가하는 단점을 해결하기 위해 퍼지 클러스터링(Fuzzy Clustering)방법 중 하나인 차감 클러스터링(Subtractive Clustering)을 사용하였다. 또한 본 연구에서는 정성적인 기상예보정보를 정량화 시키는 방법을 제안하였다. AMFIS를 이용하여 월 댐유입량 예측 시, 관측자료만으로 구성된 모형에 의한 예측결과와 관측자료에 기상예보정보를 더하여 구성된 모형에 의한 예측결과를 비교하였다. 그 결과 ANFIS는 기상예보정보를 활용하여 댐유입량을 예측했을 때가 관측자료만으로 예측했을 때보다 예측능력이 더욱 정확함을 보였다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1996년도 추계학술대회
• /
• pp.118-121
• /
• 1996

This paper describes ECG signal labeling based on Fuzzy clustering, which is necessary at automated ECG diagnosis. The NPPA(Non parametric partitioning algorithm) compares the correlations of wave forms, which tends to recognize the same wave forms as different when the wave forms have a little morphological variation. We propose to apply Fuzzy clustering to ECG QRS Complex labeling, which prevents the errors to mistake by using If-then comparision. The process is divided into two parts. The first part is a parameters extraction process from ECG signal, which is composed of filtering, QRS detection by mapping to a phase space by time delay coordinates and generation of characteristic vectors. The second is fuzzy clustering by FCM(Fuzzy c-means), which is composed of a clustering, an assessment of cluster validity and labeling.

• Journal of Electrical Engineering and Technology
• /
• 제2권2호
• /
• pp.157-164
• /
• 2007

Diagnosis techniques based on the dissolved gas analysis(DGA) have been developed to detect incipient faults in power transformers. Various methods exist based on DGA such as IEC, Roger, Dornenburg, and etc. However, these methods have been applied to different problems with different standards. Furthermore, it is difficult to achieve an accurate diagnosis by DGA without experienced experts. In order to resolve these drawbacks, this paper proposes a novel diagnosis method using fuzzy clustering and a radial basis neural network(RBFNN). In the neural network, fuzzy clustering is effective for selecting the efficient training data and reducing learning process time. After fuzzy clustering, the RBF neural network is developed to analyze and diagnose the state of the transformer. The proposed method measures the possibility and degree of aging as well as the faults occurred in the transformer. To demonstrate the validity of the proposed method, various experiments are performed and their results are presented.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.349-349
• /
• 2000

A Clustering Adaptive Fuzzy Logic Controller(CAFLC) is applied to the torque control of a brushless do motor drive. Objective of this system includes elimination of torque ripple due to cogging at low speeds under loads. The CAFLC implemented has advantages of computational simplicity, and self-tuning characteristics. Simulation results showed that the torque ripple and dynamic response of the system using a CAFLC were superior to the model reference adaptive controlled system.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 춘계학술대회 학술발표 논문집
• /
• pp.191-194
• /
• 2001

The ozone forecasting systems have many problems because the mechanism of the ozone concentration is highly complex, nonlinear, and nonstationary. Also, the results of prediction are not a good performance so far, especially in the high-level ozone concentration. This paper describes the modeling method of the ozone prediction system using neuro-fuzzy approaches and fuzzy clustering. The dynamic polynomial neural network (DPNN) based upon a typical algorithm of GMDH (group method of data handling) is a useful method for data analysis, identification of nonlinear complex system, and prediction of a dynamical system.

• 전자공학회논문지B
• /
• 제29B권1호
• /
• pp.102-112
• /
• 1992

We have already proposed an extended fuzzy clustering algorithm which considers the importance of the data to be classified in a previous paper. In this paper, we suggest the extended fuzzy clustering algorithm based new method to slove a multiple peak detection problem, and prove experimently that this algorithm can detect the multiple peak adaptively to the noise and the shape of peaks.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.9-11
• /
• 2005

We propose a optimal identification of information granulation(IG)-based fuzzy model to carry out the model identification of complex and nonlinear systems. To optimally identity we use genetic algorithm (GAs) sand Hard C-Means (HCM) clustering. An initial structure of fuzzy model is identified by determining the number of input, the selected input variables, the number of membership function, and the conclusion inference type by means of GAs. Granulation of information data with the aid of Hard C-Means(HCM) clustering algorithm help determine the initial parameters of fuzzy model such as the initial apexes of the membership functions and the initial values of polynomial functions being used in the premise and consequence part of the fuzzy rules. And the initial parameters are tuned effectively with the aid of the genetic algorithms(GAs) and the least square method. Numerical example is included to evaluate the performance of the proposed model.