러프 소속 함수를 이용한 수치 속성의 이산화와 근사 추론 = Discretization of Numerical Attributes and Approximate Reasoning by using Rough Membership Function

국문 초록 (Abstract)

본 논문에서는 저장 데이타베이스의 정보 시스템을 정제하여 이해 가능한 정보로 전환하고 새로운 객체를 근사 추론할 수 있도록 하기 위해 러프 소속 함수 값의 개념을 도입한 계층적 근사 분류 알고리즘을 제안한다. 제안하는 알고리즘은 근사 추론의 한 방법인 퍼지 추론 방법의 언어적 불확실성을 속성의 퍼지 소속 함수 값으로 나타내고 조건 속성의 소속 함수 값의 합성에 의해 근사 추론하는 방법을 이용하였으며 퍼지 소속 함수 값 대신에 러프 소속 함수 값을 이용하도록 제안하였다. 이는 퍼지 소속 함수 값을 이용하여 퍼지 규칙을 생성하는 과정을 생략할 수 있는 장점이 있다. 또한 정보 시스템 내의 속성 중에서 수치 속성에 대한 이산화 방법을 연구하고 이것 또한 러프 소속 함수 값과 정보이론의 무질서도의 개념을 이용한 수치 속성의 이산화를 제안하였다. 제안된 알고리즘을 이용하여 패턴 분류 문제에 표준적으로 사용되는 IRIS 데이타에 대한 실험결과 96%-98%의 분류율을 나타냈으며 다른 실험 데이타에서도 기존 알고리즘과 비교하여 수치 이산화나 근사 추론 모두 우수함을 보였다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose a hierarchical classification algorithm based on rough membership function which can reason a new object approximately. We use the fuzzy reasoning method that substitutes fuzzy membership value for linguistic uncertainty and reason approximately based on the composition of membership values of conditional attributes. Here, we use the rough membership function instead of the fuzzy membership function. It can reduce the process that the fuzzy algorithm using fuzzy membership function produces fuzzy rules. In addition, we transform the information system to the understandable minimal decision information system. In order to do, we study the discretization of continuous valued attributes and propose the discretization algorithm based on the rough membership function and the entropy of the information theory. The test shows a good partition that produce the smaller decision system. We experimented the IRIS data etc. using our proposed algorithm. The experimental result with IRIS data shows 96%-98% rate of classification.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 러프 집합
• 3. 수치 속성의 일반화
• 4. 러프 소속 함수 값에 의한 구간 이산화
• 5. 계층적 데이타 근사 추론 방법
• 6. 실험 결과
• 7. 결론 및 향후 연구 방향
• 참고문헌
• 저자소개