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 : 이정훈(Frank Chung-Hoon Rhee) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
Interval 제 2종 퍼지 Possibilistic C-Means 알고리즘
민지희(Ji-Hee Min),이정훈(Frank Chung-Hoon Rhee) 한국지능시스템학회 2008 한국지능시스템학회 학술발표 논문집 Vol.18 No.2
Fuzzy C-Means(FCM)의 단점을 극복하기 위해 제안되었던 PCM은 잡음에는 강하지만 초기 파라미터 값에 민감하고, 상대적으로 가까이에 위치한 prototype들을 형성하는 패턴들의 경우에는 최종 prototype의 위치가 겹치는 (동일한) 결과가 나올 수 있다는 단점이 있다. 이러한 PCM의 단점을 극복하기 위해 여러 방법이 제안되었지만, 본 논문에서는 PCM 알고리즘에 Interval Type 2 Fuzzy 접근 방법을 적용하여 PCM 알고리즘의 파라미터에 존재하는 Uncertainty를 제어함으로써 성능을 향상시키는 방법을 제안한다.
-
Multiple Kernels을 이용한 Interval Type-2 Possibilistic Fuzzy C-means
주원희(Won-Hee Joo),이정훈(Frank Chung-Hoon Rhee) 한국지능시스템학회 2014 한국지능시스템학회 학술발표 논문집 Vol.24 No.1
본 논문에서는 Interval Type-2 Possibilistic Fuzzy C-Means(IT2PFCM) 클러스터링 방법에 Multiple Gaussian Kernels을 기반으로 한 Possilbilistic Fuzzy C-Means multiple Kerenls(PFCM-MK) 알고리즘을 결합하여 적응적인 하이브리드 클러스터링 방법인 Multiple Kernels Interval Type-2 Possibilistic Fuzzy C-means(IT2PFCM-MK) 방법을 제안 하였다. 일반적으로 Possibilistic Fuzzy C-Means(PFCM) 알고리즘은 Fuzzy C-Means(FCM) 알고리즘의 단점인 노이즈 민감성 및 특이점 문제와 알고리즘 초기 클러스터의 Prototype에 따라 위치가 겹치는 문제를 해결하기 위해 제안 되었다. 하지만 이 방법 역시 퍼지화 파라미터값에 따라 위와 같은 문제를 여전히 가지고 있기 때문에 이와 같은 문제를 보완하기 위해 Interval Type-2 퍼지 접근 방법을 이용하는 Interval Type-2 Possibilistic Fuzzy C-means(IT2PFCM) 알고리즘을 제안 하였다. 또한 Multiple Kernels 함수를 Interval Type-2 Possibilistic Fuzzy C-menas(IT2PFCM) 알고리즘에 적용하여 분류하기 복잡한 형태의 데이터와 노이즈가 있는 데이터에 대하여 보다 정확하고, 향상된 클러스터링을 수행할 수 있다.
-
Interval Type-2 Possibilistic Fuzzy C-means 클러스터링을 위한 퍼지화 상수 결정 방법
주원희(Won-Hee Joo),이정훈(Frank Chung-Hoon Rhee) 한국지능시스템학회 2017 한국지능시스템학회논문지 Vol.27 No.2
일반적으로 type-1 fuzzy set 에 존재하는 불확실성을 보다 효율적으로 다루고 제어하기 위하여 Type-2 fuzzy set (T2 FS)이 널리 사용되고 있다. T2 FS에서 퍼지화 상수 (fuzzifier value) m은 이러한 불확실성을 처리하기 위한 가장 중요한 요소이다. 따라서 적절한 퍼지화 상수 값을 결정하는 연구는 여전히 지속되고 있고, 많은 방법들이 연구 되어 왔다. 본 논문에서는 주어진 패턴을 분류하기 위하여 Interval type-2 possibilistic fuzzy C-means (IT2PFCM) 클러스터링 방법을 사용한다. 클러스터링을 위해 사용된 IT2 PFCM 방법에서 각 데이터에 대하여 적응적으로 적절한 퍼지화 상수의 값을 계산하는 방법을 제안한다. 히스토그램 접근법을 통하여 각각의 데이터 포인트로부터 정보를 추출해 내고 추출된 정보를 이용하여 두 개의 퍼지화 상수인 m₁, m₂. 값을 결정한다. 이렇게 얻어진 값은 interval type-2 fuzzy의 최저 및 최고 멤버쉽 값을 결정게하게된다. Type-2 fuzzy sets are preferred over type-1 sets as they are capable of addressing uncertainty more efficiently. The fuzzifier values play pivotal role in managing these uncertainties; still selecting appropriate value of fuzzifiers has been a tedious task. Generally, based on observation particular value of fuzzifier is chosen from a given range of values. In this paper we have tried to adaptively compute suitable fuzzifier values of interval type-2 possibilistic fuzzy c-means (IT2 PFCM) for a given data. Information is extracted from individual data points using histogram approach and this information is further processed to give us the two fuzzifier values m₁ and m₂. These obtained values are bounded within some upper and low ebrounds based on interval type-2 fuzzy sets.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
