http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 서석태(S. T. Seo) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
-
규칙의 커플링문제를 최소화하기 위한 퍼지-러프 분류방법
손창식(Chang S. Son),정환묵(Hwan M. Chung),서석태(Suk T. Seo),권순학(Soon H. Kwon) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.4
본 논문에서는 규칙의 커플링 문제를 최소화하기 위해 주어진 데이터의 통계적 특성과 퍼지-러프집합을 기반으로 한 새로운 패턴분류 방법을 제안한다. 제안한 방법 하에서 주어진 데이터의 통계적 특성은 입력부 퍼지집합의 파티션 개수를 결정하고, 생성된 규칙의 커플링문제를 최소화하기 위한 선택기준으로 사용하였다. 또한 러프집합은 수치적인 데이터로부터 생성된 규칙들 간의 불필요한 속성들을 제거하기 위한 도구로서 이용하였다. 제안된 방법의 타당성을 검증하기 위하여 Fisher의 IRIS 데이터를 사용하여 기존의 패턴분류 방법과 분류 정확도를 비교하였다. 실험결과, 제안한 방법이 기존의 학습에 의한 방법들보다 비교적 좋은 성능을 가진다는 것을 알 수 있었다. In this paper, we propose a novel pattern classification method based on statistical properties of the given data and fuzzy-rough set to minimize the coupling problem of the rules. In the proposed method, statistical properties is used by a selection criteria for deciding a partition number of antecedent fuzzy sets, and for minimizing an coupling problem of the generated rules. Moreover, rough set is used as a tool to remove unnecessary attributes between generated rules from the numerical data. In order to verify the validity of the proposed method, we compared the classification results (i.e, classification precision) of the proposed with the conventional pattern classification methods on the Fisher's IRIS data. From experiment results, we can conclude that the proposed method shows relatively better performance than those of the classification methods based on the conventional approaches.
-
퍼지 분할을 위한 분류 경계의 추출과 패턴 분류에의 응용
손창식(Chang S. Son),서석태(Suk T. Seo),정환묵(Hwan M. Chung),권순학(Soon H. Kwon) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.5
퍼지 규칙기반 분류 시스템에서 위한 퍼지 분할 경계들의 선택은 중요하고 어려운 문제이다. 그래서 이들을 효과적으로 결정하기 위해서 신경망, 유전자알고리즘 등과 같은 학습과정에 기반을 둔 다양한 방법들이 제안되었고, 이전 연구에서는 이들 방법에 대한 문제점을 지적하고 이를 개선하기 위하여 중첩 형태에서 퍼지 분할을 결정할 수 있는 방법에 대해서 논의하였다. 본 논문에서는 이전 연구의 방법을 3가지 형태의 분류 경계들, 즉 비중첩, 중첩, 1점 인접 형태로 확장하였다. 또한 이들을 학습에 의존하지 않고 주어진 데이터로부터 얻어진 통계적 정보만을 사용하여 결정하는 방법을 제안하고, 이를 패턴 분류 문제에 적용하여 제안된 방법의 효용성을 보인다. The selection of classification boundaries in fuzzy rule-based classification systems is an important and difficult problem. So various methods based on learning processes such as neural network, genetic algorithm, and so on have been proposed for it. In a previous study, we pointed out the limitation of the methods and discussed a method for fuzzy partitioning in the overlapped region on feature space in order to overcome the time-consuming when the additional parameters for tuning fuzzy membership functions are necessary. In this paper, we propose a method to determine three types of classification boundaries(i.e., non-overlapping, overlapping, and a boundary point) on the basis of statistical information of the given dataset without learning by extending the method described in the study. Finally, we show the effectiveness of the proposed method through experimental results applied to pattern classification problems using the modified IRIS and standard IRIS datasets.
-
손창식(Chang S. Son),서석태(Suk T. Seo),정환묵(Hwan M. Chung),권순학(Soon H. Kwon) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.6
본 논문에서는 학습기법을 사용하지 않고 패턴분류의 성능을 최대화하면서 규칙의 수를 줄일 수 있는 통계적 정보기반 계층적 퍼지-러프 분류방법을 제안한다. 제안된 방법에서 통계적 정보는 계층적 퍼지-러프 분류 시스템에서 각 계층의 입력부 퍼지집합의 분할 구간을 추출하기 위해서 사용되었고, 러프집합은 통계적 정보로부터 추출된 분할 구간들과 연관된 퍼지 if-then 규칙의 수를 최소화하기 위해서 사용되었다. 제안된 방법의 효과성을 보이기 위해 Fisher의 IRIS 데이터를 사용한 기존 패턴분류 방법의 분류 정확도와 규칙들의 수를 비교하였다. 그 결과, 제안된 방법은 기존 방법들의 분류 성능과 유사함을 확인할 수 있었다. In this paper, we propose a hierarchical fuzzy-rough classification method based on statistical information for maximizing the performance of pattern classification and reducing the number of rules without learning approaches such as neural network, genetic algorithm. In the proposed method, statistical information is used for extracting the partition intervals of antecedent fuzzy sets at each layer on hierarchical fuzzy-rough classification systems and rough sets are used for minimizing the number of fuzzy if-then rules which are associated with the partition intervals extracted by statistical information. To show the effectiveness of the proposed method, we compared the classification results(e.g. the classification accuracy and the number of rules) of the proposed with those of the conventional methods on the Fisher's IRIS data. From the experimental results, we can confirm the fact that the proposed method considers only statistical information of the given data is similar to the classification performance of the conventional methods.
-
구간값 퍼지집합을 이용한 그레이 영상에서의 임계값 선택방법
손창식(Chang S. Son),정환묵(Hwan M. Chung),서석태(Suk T. Seo),권순학(Soon H. Kwon) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.4
본 논문에서는 주어진 영상의 그레이 레벨에 대한 통계적 정보와 구간값 퍼지집합에 기반을 둔 새로운 임계값 선택 방법을 제안한다. 제안한 임계값 선택 방법에서 구간값 퍼지집합은 영상의 픽셀과 그들이 속하는 영역, 즉 물체와 배경 간의 관계를 더욱 명확하게 나타내기 위해서 사용되고, 통계적 정보는 구간값 퍼지집합의 규칙과 파티션을 결정하기 위해서 이용된다. 제안한 방법의 타당성을 보이기 위해 다양한 형태의 히스토그램을 가진 5개의 테스트 영상들을 기존의 임계값 선택방법인 Otsu 방법과 Huang과 Wang의 방법과 비교하였다. In this paper, we propose a novel threshold selection method based on statistical information on gray-levels of given images and interval-valued fuzzy sets. In the proposed threshold selection method, the interval-valued fuzzy set is used to represent more definitely the relationship between a pixel and its belonging region, that is, the object and the background. Also the statistical information on gray-level is used to determine the rules and partitions of interval-valued fuzzy sets. To show the validity of the proposed method, we compared the performance of the proposed with those of conventional methods such as Otsu's method, Huang and Wang's method applied to 5 test images with various types of histograms.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
