• Journal of information and communication convergence engineering
• /
• 제15권1호
• /
• pp.49-52
• /
• 2017

Ganglion cysts are benign soft tissues usually encountered in the wrist. In this paper, we propose a method to extract a ganglion cyst region from ultrasonography images by using image segmentation. The proposed method using the possibilistic c-means (PCM) clustering method is applicable to ganglion cyst extraction. The methods considered in this thesis are fuzzy stretching, median filter, PCM clustering, and connected component labeling. Fuzzy stretching performs well on ultrasonography images and improves the original image. Median filter reduces the speckle noise without decreasing the image sharpness. PCM clustering is used for categorizing pixels into the given cluster centers. Connected component labeling is used for labeling the objects in an image and extracting the cyst region. Further, PCM clustering is more robust in the case of noisy data, and the proposed method can extract a ganglion cyst area with an accuracy of 80% (16 out of 20 images).

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.889-894
• /
• 2004

Fuzzy Kernel C-Means(FKCM) 알고리즘은 커널 함수를 통하여 구형의 데이터뿐만 아니라 Fuzzy C-Means(FCM)에서는 분류하기 힘든 복잡한 형태의 분포를 갖는 데이터를 분류할 수 있다. 하지만 FCM과 같이 노이즈에 대해서는 민감한 성질을 가진다. 이처럼 노이즈(noise)에 민감한 성질을 보완하기 위해서 본 논문에서는 Possibilistic C-Means 알고리즘에 커널 함수를 적용하였다. 제안한 Kernel Possibilistic C-Means(KPCM) 알고리즘은 일반적인 데이터에 대해 FKCM과 같은 성능의 클러스터링 수행이 가능하며 노이즈가 있는 데이터에 대해서는 FKCM보다 정확한 클러스터링을 수행할 수 있다.

• Journal of Information Processing Systems
• /
• 제15권2호
• /
• pp.359-373
• /
• 2019

For clustering large-scale data, which cannot be loaded into memory entirely, incremental clustering algorithms are very popular. Usually, these algorithms only concern the within-cluster compactness and ignore the between-cluster separation. In this paper, we propose two incremental fuzzy compactness and separation (FCS) clustering algorithms, Single-Pass FCS (SPFCS) and Online FCS (OFCS), based on a fuzzy scatter matrix. Firstly, we introduce two incremental clustering methods called single-pass and online fuzzy C-means algorithms. Then, we combine these two methods separately with the weighted fuzzy C-means algorithm, so that they can be applied to the FCS algorithm. Afterwards, we optimize the within-cluster matrix and betweencluster matrix simultaneously to obtain the minimum within-cluster distance and maximum between-cluster distance. Finally, large-scale datasets can be well clustered within limited memory. We implemented experiments on some artificial datasets and real datasets separately. And experimental results show that, compared with SPFCM and OFCM, our SPFCS and OFCS are more robust to the value of fuzzy index m and noise.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권9호
• /
• pp.3515-3538
• /
• 2015

Data accuracy can be increased by detecting and removing the incorrect data generated in wireless sensor networks. By increasing the data accuracy, network lifetime can be increased parallel. Network lifetime or operational time is the time during which WSN is able to fulfill its tasks by using microcontroller with on-chip memory radio transceivers, albeit distributed sensor nodes send summary of their data to their cluster heads, which reduce energy consumption gradually. In this paper a powerful algorithm using proactive fuzzy system is proposed and it is a mixture of fuzzy logic with comparative correlation techniques that ensure high data accuracy by detecting incorrect data in distributed wireless sensor networks. This proposed system is implemented in two phases there, the first phase creates input space partitioning by using robust fuzzy c means clustering and the second phase detects incorrect data and removes it completely. Experimental result makes transparent of combined correlated fuzzy system (CCFS) which detects faulty readings with greater accuracy (99.21%) than the existing one (98.33%) along with low false alarm rate.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2003년도 춘계공동학술대회
• /
• pp.729-733
• /
• 2003

The presence of local features within clusters incurred by multi-modal nature of data prohibits many conventional clustering techniques from working properly. Especially, the clustering of datasets with non-Gaussian distributions within a cluster can be problematic when the technique with implicit assumption of Gaussian distribution is used. Current study proposes a simple tandem clustering method composed of k-means type algorithm and hierarchical method to solve such problems. The multi-modal dataset is first divided into many small pre-clusters by k-means or fuzzy k-means algorithm. The pre-clusters found from the first step are to be clustered again using agglomerative hierarchical clustering method with Kullback- Leibler divergence as the measure of dissimilarity. This method is not only effective at extracting the multi-modal clusters but also fast and easy in terms of computation complexity and relatively robust at the presence of outliers. The performance of the proposed method was evaluated on three generated datasets and six sets of publicly known real world data.

• 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.

• 한국멀티미디어학회논문지
• /
• 제13권1호
• /
• pp.47-57
• /
• 2010

객체 검출은 영상에서 객체의 식별, 위치정보, 상황인식 등을 위해서 필수적이다. 본 논문에서는 강인한 객체 검출 시스템을 제안한다. Principal Component Analysis (PCA)를 이용하여 배경 영상에서 수집한 학습데이터를 주성분으로 선형변환 한다. 객체와 배경에 대하여 판별 능력이 우수한 주성분을 선별하여 Eigen-background를 구성한다. Fuzzy-C-Means (FCM)은 Eigen-background의 정보를 입력 차원으로 하여 영상을 Clustering하고 객체와 배경으로 분류한다. 고정된 카메라에서 배경변화에 적용 가능한 시스템을 구현하기 위해 동일한 시점에서 움직이는 객체가 포함된 영상을 학습데이터로 사용하였다. 제안하는 시스템은 인위적인 한 프레임을 배경으로 정의하여 사용하는 과정이 필요 없이 입력 영상에서 잡음이 제거된 객체와 배경으로 분류하였고, 또한 객체의 부분적인 움직임도 효과적으로 검출하였다.

• 정보처리학회논문지B
• /
• 제12B권5호
• /
• pp.587-594
• /
• 2005

본 논문은 전이 영역에서 퍼지 클러스터링 알고리즘을 이용한 multi-level thresholding 방법을 제안한다. 대부분의 임계치 기반 영상 분할은 영상의 히스토 그램 분포를 기반으로 임계치를 결정한다. 그러므로 많은 처리시간과 기억공간을 요구할 뿐만 아니라 복잡하고 무분별한 히스토 그램 분포를 가지는 실영상에서의 임계치 결정에는 어려움이 있다. 본 논문에서는 영상의 대표적인 성분들로 구성된 전이 영역을 추출한 후 퍼지 클러스터링 알고리즘에 의해 최적의 임계치를 결정한다. 전이 영역을 추출하기 위해 이용되는 지역적 엔트로피는 잡음에 강건하며 영상에 내재된 정보를 잘 표현한다는 특성을 가진다. 그리고 퍼지 클러스터링 알고리즘은 복잡하고 무분별한 분포의 실영상에 대해서도 정확히 임계치를 설정할 수 있으며 multi-level thresholding으로 쉽게 확장이 가능하다. 다양한 실영상을 대상으로 실험한 결과, 제안한 방법이 기존의 방법보다 향상된 성능을 가짐을 보였다.

• 한국통신학회논문지
• /
• 제24권9B호
• /
• pp.1731-1741
• /
• 1999

칼라 영상은 센서 잡음이나 채널 전송 에러에 의해 생기는 잡음에 의해 자주 오염되어진다. 이러한 칼라 잡음을 제거하기 위해 벡터 미디안, 벡터 $\alpha$-trimmed 평균 필터 등 여러 형태의 필터들이 개발되어져 왔다. 본 논문에서 제안된 클러스터 필터는 잡음에 오염된 환경 하에서 강건한 소속함수 값을 얻을 수 있는 가능적 c-mean 클러스터링 방법을 이용하였다. 또한, 본 논문에서는 혼합된 잡음에서 우수한 벡터 $\alpha$-trimmed 평균 필터를 개선하여, 원도우내의 화소중 중심에 위치한 화소에는 더 가중치를 부여하여 가중화 된 평균 필터링을 수행하는 가중화 벡터$\alpha$-trimmed 평균 필터를 제안하였다. 본 논문에서는 칼라 잡음이 발생한 영상에서 제안된 필터들의 성능을 평가하기 위해 칼라 잡음 발생기를 구현하였으며, 실험 결과는 NCD 척도 및 관측자의 시각에 의해 평가되었다. 실험 결과 제안된 퍼지 클러스터 필터는 NCD 관점에서 기존의 필터들에 비해 혼합된 잡음에서 우수한 성능을 보였고, 제안된 가중화된 벡터 $\alpha$-trimmed 평균 필터는 벡터 $\alpha$-trimmed 평균 필터에 비해 어떠한 잡음 하에서도 양호한 결과를 보였다.

• Journal of Electrical Engineering and Technology
• /
• 제12권6호
• /
• pp.2388-2398
• /
• 2017

In this study, we propose a robust face recognition system to pose variations based on automatic pose estimation. Radial basis function neural network is applied as one of the functional components of the overall face recognition system. The proposed system consists of preprocessing and recognition modules to provide a solution to pose variation and high-dimensional pattern recognition problems. In the preprocessing part, principal component analysis (PCA) and 2-dimensional 2-directional PCA ($(2D)^2$ PCA) are applied. These functional modules are useful in reducing dimensionality of the feature space. The proposed RBFNNs architecture consists of three functional modules such as condition, conclusion and inference phase realized in terms of fuzzy "if-then" rules. In the condition phase of fuzzy rules, the input space is partitioned with the use of fuzzy clustering realized by the Fuzzy C-Means (FCM) algorithm. In conclusion phase of rules, the connections (weights) are realized through four types of polynomials such as constant, linear, quadratic and modified quadratic. The coefficients of the RBFNNs model are obtained by fuzzy inference method constituting the inference phase of fuzzy rules. The essential design parameters (such as the number of nodes, and fuzzification coefficient) of the networks are optimized with the aid of Particle Swarm Optimization (PSO). Experimental results completed on standard face database -Honda/UCSD, Cambridge Head pose, and IC&CI databases demonstrate the effectiveness and efficiency of face recognition system compared with other studies.