Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Improved Fuzzy Clusteirng

개선된 퍼지 클러스터링

  • 김승석 (충북대학교 전기전자컴퓨터 공학부 전기공학과) ;
  • 김성수 (충북대학교 전기전자컴퓨터 공학부 전기공학과) ;
  • 유정웅 (충북대학교 전기전자컴퓨터 공학부 전기공학과)
  • Published : 2005.02.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a new fuzzy clustering scheme that optimizes the initial structure and the parameters to improve the performance of a intelligent systems. The proposed method keeps the good properties of clustering, and improves the total systems' performance at the same time, Especially, the proposed algorithm not only keeps robust to change threshold value in the optimization process, but also improves the performance of a system through the process of the self-organizing and the converging intelligent systems in its structure of cluster. In experiments, the superiority of the proposed scheme is presented by comparing its performance with other methods.

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.

Keywords

References

  1. Chin-Teng Lin, C. S. George. Lee, 'Neural Fuzzy Systems : A Neuro-Fuzzy Synergism to Intelligent Systems', Prentice Hall, 1996
  2. J-S. R. Jang, C. T. Sun, E. Mizutani, 'Neuro-Fuzzy and Soft Computing : A Computational Approach to Learning and Machine Intelligence', Prentice Hall, 1997
  3. J. S. R. Jang, 'ANFIS : Adaptive Network-based Fuzzy Inference System', IEEE Trans on System, Man, and Cybernetics, Vol.23, No.3, pp. 665-685, 1993 https://doi.org/10.1109/21.256541
  4. Timothy J. Ross, 'Fuzzy Logic with Engineering Applications', McGraw-Hill, Inc, 1995
  5. Martin T. Hagan, Howard B. Demuth, Mark Beale, Neural Network Design, Thomson, 1996
  6. Simon Haykin, Neural Networks A Comprehenshive Foundation, Macmillan Publishing Company, 1994
  7. 김승석, 곽근창, 유정웅, 전명근, 'GMM과 클러스터링 기법에 의한 뉴로-퍼지 시스템 모델링', 한국퍼지및지능시스템학회 논문지, Vol. 12, No.6, pp. 571-576, 2002
  8. J. Zhang, S. Koper, A. Knoll, 'Extracting compact fuzzy rules based on adaptive data approximation using B-splines', Inforamation Sciences, Volume 142, Issues 1-4, pp 227-248, 2002 https://doi.org/10.1016/S0020-0255(02)00167-6
  9. R. R. Yager, D. P. Filev, Generation of Fuzzy Rules by Mountain Clustering, Jounal of Intelligent and Fuzzy System, Vol.2, pp. 209-219, 1994
  10. Witold Pedrycz, 'Conditional Fuzzy C-Means', Pattern Recognition Letters, Vol. 17, Issue. 6, pp. 625-631, 1996 https://doi.org/10.1016/0167-8655(96)00027-X
  11. Guorong Xuan, Wei Zhang, Peiqi Chai, 'EM algorithm of Gaussian .Mixture Model and Hidden Markov Model', Image Processing Proceedings, International Conference on, Vol. 1, pp. 145-148. 2001
  12. Ching-Chang Wong, Chia-Chong Chen, Mu-Chun Su, 'A novel algorithm for data clustering', Pattern Recognition, Vol. 34, Issue. 2, pp. 425-442, 2001 https://doi.org/10.1016/S0031-3203(00)00002-9
  13. Roy L. Streit, Tod E. Luginbuhl, 'Maximum Likelihood training of Probabilitic Neural Networks', IEEE Trans on Neural Networks, Vol. 5, No.5, pp. 764-782, 1994 https://doi.org/10.1109/72.317728
  14. J-S. R. Jang, Input Selection for ANFIS Learning, Proceedings of the Fifth IEEE International Conference on, Fuzzy Systems, Vol. 2, pp. 1493-1499, 1996

Cited by

  1. A Prediction Method of the Gas Pipeline Failure Using In-line Inspection and Corrosion Defect Clustering vol.24, pp.6, 2014, https://doi.org/10.5391/JKIIS.2014.24.6.651
  2. Optimization of Fuzzy Learning Machine by Using Particle Swarm Optimization vol.26, pp.1, 2016, https://doi.org/10.5391/JKIIS.2016.26.1.087