• Journal of the Korean Institute of Intelligent Systems
• /
• v.22 no.6
• /
• pp.735-740
• /
• 2012

In this paper, we introduce design methodologies of polynomial radial basis function neural network classifier with the aid of Principal Component Analysis(PCA) and Linear Discriminant Analysis(LDA). By minimizing the information loss of given data, Feature data is obtained through preprocessing of PCA and LDA and then this data is used as input data of RBFNNs. The hidden layer of RBFNNs is built up by Fuzzy C-Mean(FCM) clustering algorithm instead of receptive fields and linear polynomial function is used as connection weights between hidden and output layer. In order to design optimized classifier, the structural and parametric values such as the number of eigenvectors of PCA and LDA, and fuzzification coefficient of FCM algorithm are optimized by Artificial Bee Colony(ABC) optimization algorithm. The proposed classifier is applied to some machine learning datasets and its result is compared with some other classifiers.

• International Journal of Control, Automation, and Systems
• /
• v.4 no.6
• /
• pp.705-713
• /
• 2006

For the analysis of multiunit extracellular neural signals as multiple spike trains, neural spike sorting is essential. Existing algorithms for the spike sorting have been unsatisfactory when the signal-to-noise ratio(SNR) is low, especially for implementation of fully-automated systems. We present a novel method that shows satisfactory performance even under low SNR, and compare its performance with a recent method based on principal component analysis(PCA) and fuzzy c-means(FCM) clustering algorithm. Our system consists of a spike detector that shows high performance under low SNR, a feature extractor that utilizes projection pursuit based on negentropy maximization, and an unsupervised classifier based on Gaussian mixture model. It is shown that the proposed feature extractor gives better performance compared to the PCA, and the proposed combination of spike detector, feature extraction, and unsupervised classification yields much better performance than the PCA-FCM, in that the realization of fully-automated unsupervised spike sorting becomes more feasible.

• Proceedings of the KIEE Conference
• /
• 2002.07b
• /
• pp.1283-1285
• /
• 2002

This study is developed vehicle information detector using loop and piezo sensors. This study would analyze the over all problems concerning our road conditions, environmental matters and unique features of our traffic matters; moreover, with these it would develope the hardware, software, car classification algorithm applied by artificial intelligence and traffic monitoring program which can be easily fixed. This can be divided into traffic detecting algorithm and car classification algorithm. Especially, we have developed the car classification algorithm used by C-means Fuzzy Clustering method.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.1277-1282
• /
• 2006

본 논문에서는 배경과 오브젝트 합성 시 사실적인 그림자 효과를 표현하기 위해 HDR 영상을 기반으로 한 소수의 방향성 광원을 추정하는 기법을 제안한다. 실 세계 정보를 모두 포함하는HDR 영상을 가시화 하기 위해 톤 맵핑(tone mapping)하여 그 영상으로부터 광원의 위치가 되는 밝은 영역들을 찾아내고 그 위치들로부터 방향성 광원을 추정한다. 카메라의 노출시간을 짧게 하여 촬영한 영상에서 나타나는 부분을 실제 광원이 위치하는 부분으로 볼 수 있으므로 톤 맵핑한 영상을 이미지 프로세싱을 거쳐 노출 시간을 짧게 하여 촬영한 영상과 비슷한 결과를 얻을 수 있도록 한 후 밝은 영역만 표현 되도록 한다. 전 처리를 거친 영상을 기반으로 밝은 영역을 추정하기 때문에 보다 정확한 광원의 위치 추정이 가능하며, 추정된 밝은 영역과 일치하는 HDR 영상의 데이터를 사용하기 때문에 정확한 광원의 위치와 데이터를 얻을 수 있다. 또한 추정된 광원은 실제 렌더링에 곧바로 사용이 가능하며, 이를 통해 사실적인 shadowing 효과를 얻을 수 있다.

• Proceedings of the KIEE Conference
• /
• 2004.11c
• /
• pp.598-601
• /
• 2004

In this paper, we suggest method that change odors to digital data. For this, we selected emotional adjective of odors as olfactory receptor This emotional adjective(expressional receptor) is about 40. Each odors are expressed by adjective equivalent to oneself. Expressed odors as emotional receptor is encoded as proposed method for transmission, and after transmission, It should be decoded for expression again. The applied decoding method is fuzzy c-means clustering algorithm(FCMA). But, because odor data is expressed to 40 dimensions, FCMA uses a lot of computing times and memories. To solve this problem, after we reduce dimension through principal component analysis(PCA), we use FCMA algorithm.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.56 no.6
• /
• pp.1007-1016
• /
• 2007

In power system, substation facilities have become too complex and larger according to an extended power system. Also, customers require the high quality of electrical power system. However, some facilities become old and often break down unexpectedly. The unexpected failure may cause a break in power system and loss of profits. Therefore it is important to prevent abrupt faults by monitoring the condition of power systems. Among the various power facilities, power transformers play an important role in the transmission and distribution systems. In this research, we develop intelligent diagnosis technique for predicting faults of power transformer by FCM(Fuzzy c-means) and Euclidean based distance measure. The proposed technique make it possible to measures the possibility and degree of aging as well as the faults occurred in transformer. To demonstrate the validity of proposed method, various experiments are performed and their results are presented.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1924-1925
• /
• 2011

본 논문에서는 비선형 기동을 하는 기동표적의 추정된 잡음을 분석하여 표적의 기동패턴을 분석하는 알고리즘을 제시하고자 한다. 기동표적의 추정위치와 측정치에서 발생하는 잡음을 가속도와 순수 잡음으로 분리하고 분리된 성분을 분석하여 표적의 기동 패턴을 인식하고 동시에 추적을 실시하는 알고리즘을 구성한다. 잡음의 분리는 퍼지 클러스터링(FCM : Fuzzy C-means Clustering) 기법을 이용하여 적절한 추정값을 이용한다. 추정된 표적의 속도와 가속도, 잡음을 재 구성하여 기동표적의 기동패턴을 분석하고, 동시에 추적을 실시한다. 위의 과정을 통해 가속도를 분리한 후 비선형성을 지닌 기동표적의 기동패턴을 선형화 하여 칼만필터를 이용 잡음을 분리하고 가속도를 다시 보상하여 추적 알로리즘을 구성한다. 그리고 제안된 알고리즘의 수행 가능성을 보여 주기 위하여 몇 가지 예를 제시하였다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1962-1963
• /
• 2011

본 연구에서는 패턴분류를 위해 최적화된 방사형 기저 함수 신경회로망(Radial Basis Function Neural Networks) 분류기를 제안한다. RBFNN은 입력층, 은닉층, 출력층의 3층 구조로 되어 있으며 Multi Dimension, Predictive ability, Robustness한 특징이 있다. RBFNN의 은닉층에는 기존의 활성함수가 아닌 Fuzzy C-means 클러스터링 알고리즘을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. RBFNN은 은닉층의 노드수와 FCM 클러스터링의 퍼지화 계수, 연결가중치의 다항식 타입이 모델의 성능의 향상에 영향을 미치기 때문에 최적화가 필요하며 본 논문에서는 Differential Evolution(DE) 알고리즘을 사용하여 모델의 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시켰다. 제안된 모델을 평가하기 위해 패턴분류에 많이 사용되는 Iris 데이터와 Wine 데이터를 이용하였다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1873_1874
• /
• 2009

본 논문에서는 대표적인 시스템 모델링 도구중의 하나인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)를 설계한다. 제안된 RBF 뉴럴 네트워크는 은닉층의 활성함수로서 Fuzzy C-Means 클러스터링을 사용하며 더 나아가 모델의 최적화를 위해 PSO 알고리즘을 사용하여 은닉층의 노드 수와 다수의 입력을 가질 경우 입력의 종류를 동정한다. 제안한 모델의 성능을 평가하기 위해 NOx 데이터를 적용하였으며 제안된 모델의 근사화와 일반화 능력을 분석한다.

• Proceedings of the KIEE Conference
• /
• 2006.10c
• /
• pp.570-572
• /
• 2006

This paper discusses the method of moving object detection for biped robot walking. Most researches on vision based object detection have mostly focused on fixed camera based algorithm itself. However, developing vision systems for biped walking robot is an important and urgent issue since hired walking robots are ultimately developed not only for researches but to be utilized in real life. In the research, method for moving object detection has been developed for task assignment and execution of biped robot as well as for human robot interaction (HRI) system. But these methods are not suitable to biped walking robot. So, we suggest the advanced method which is suitable to biped walking robot platform. For carrying out certain tasks, an object detecting system using modified optical flow algorithm by wireless vision camera is implemented in a biped walking robot.