2 상 하이브리드형 스텝 모터의 미세 스텝 구동에 관한 연구

권순학(S. H. Kwon),김권호(K. H. Kim),김광배(K. B. Kim) 제어로봇시스템학회 1989 제어로봇시스템학회 국내학술대회 논문집 Vol.1 No.10

2상 하이브리드 스텝 모터의 미세스텝 구동에 의한 성능향상

權純學(S.H. Kwon),金權浩(K.H. Kim),宋重鎬(J.H. Song),崔翼(I.C hoy),金光培(K.B. Kim) 대한전기학회 1996 전기학회논문지 Vol.45 No.8

유사도 측정에 의한 계층적 퍼지 클러스터링

정혜천(H. C. Jeong),권순학(Soon H. Kwon),이석규(S. G. Lee) 제어로봇시스템학회 1999 제어로봇시스템학회 국내학술대회 논문집 Vol.2 No.10

슬라이딩 모드 제어기의 성능 개선을 위한 제어기 설계 기법

강종하(J. H. Kang),권순학(Soon H. Kwon),이석규(S. G. Lee),이달해(D. H. Lee),박찬규(C. G. Park) 한국지능시스템학회 1998 한국지능시스템학회 학술발표 논문집 Vol.8 No.2

퍼지 규칙기반 분류시스템에서 퍼지 분할의 선택방법

손창식(Chang S. Son),정환묵(Hwan M. Chung),권순학(Soon H. Kwon) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.3

퍼지 규칙기반 분류 시스템에서 초기의 퍼지 분할은 주어진 데이터기 가진 속성들의 도매인을 고려함으로서 결정되어지고, 최적의 분류 경계면은 초기에 정의된 퍼지 분할의 파라미터들을 조정함으로서 찾을 수 있다. 본 논문에서는 학습과정들을 사용하지 않고 패턴분류의 성능을 최대화하기 위해 통계적 정보에 기반을 둔 퍼지 분할의 선택방법을 제안한다. 제안된 방법에서 통계적 정보는 주어진 수치적인 데이터로부터 각 입력 속성의 ‘불확실성 영역’, 즉 패턴분류문제에서 분류 경계면이 결정되는 영역을 추출하기 위해 사용되었다. 또한 통계적인 정보에 의해서 생성된 퍼지 분할구간에 대응하는 후보 규칙들을 추출하기 위한 방법과 그 후보 규칙들 간의 커플링 문제를 최소화하기 위한 방법도 추가적으로 논의하였다. 실험에서는 제안된 방법의 효용성을 보이기 위해 IRIS와 New Thyroid Cancer 데이터를 사용한 기존 패턴분류 방법들과의 분류 정확성을 비교하였고, 그 결과들로부터 제안된 방법이 기존의 방법들보다 더 좋은 분류 정확성을 제공함을 확인할 수 있었다. The initial fuzzy partitions in fuzzy rule-based classification systems are determined by considering the domain region of each attribute with the given data, and the optimal classification boundaries within the fuzzy partitions can be discovered by tuning their parameters using various learning processes such as neural network, genetic algorithm, and so on. In this paper, we propose a selection method for fuzzy partition based on statistical information to maximize the performance of pattern classification without learning processes where statistical information is used to extract the uncertainty regions (i.e., the regions which the classification boundaries in pattern classification problems are determined) in each input attribute from the numerical data. Moreover the methods for extracting the candidate rules which are associated with the partition intervals generated by statistical information and for minimizing the coupling problem between the candidate rules are additionally discussed. In order to show the effectiveness of the proposed method, we compared the classification accuracy of the proposed with those of conventional methods on the IRIS and New Thyroid Cancer data. From experimental results, we can confirm the fact that the proposed method only considering statistical information of the numerical patterns provides equal to or better classification accuracy than that of the conventional methods.

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.

통계적 정보기반 계층적 퍼지-러프 분류기법

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.

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.

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.

패턴분류를 위한 온톨로지 기반 퍼지 분류기

이인근(In K. Lee),손창식(Chang S. Son),권순학(Soon H. Kwon) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.6

최근, 패턴분류에 온톨로지를 이용하려는 연구가 다양한 분야에서 시도되고 있다. 그러나 대부분의 이러한 연구에서는 패턴분류 관련 지식을 표현한 온톨로지지가 패턴분류 과정에서 단순히 참조되는 수준에 머물고 있다. 본 논문에서는 퍼지 규칙기반 분류기를 확장한 온톨로지 기반 퍼지 분류기를 제안한다. 이를 위해 퍼지규칙 기반 패턴분류 방법을 개념화하여 온톨로지를 구성하고, 패턴분류를 위한 온톨로지 추론 규칙을 생성한다. 그리고 IRIS 데이터집합의 패턴분류 실험을 통해 온톨로지 기반 퍼지 분류기의 타당성을 보인다. Recently, researches on ontology-based pattern classification have been tried out in many fields. However, in most of the researches, the ontology which represents the knowledge about pattern classification is just referred during the processes of the pattern classification. In this paper, we propose ontology-based fuzzy classifier for pattern classification which is extended from the fuzzy rule-based classifier. In order to realize the proposed classifier, we construct an ontology by conceptualizing the method of fuzzy rule-based pattern classification and generate ontology inference rules for pattern classification. Lastly, we show the validity of the proposed classifier through the experiment of pattern classification on the Fisher's IRIS dataset.