• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.229-233
• /
• 2005

모집단의 최적군집 수를 자동으로 결정하고 군집내의 분산은 최소로 하고 군집 간의 분산은 최대로 하는 최적 군집화에 대한 연구는 대부분의 지능형 시스템에서 필요로 하는 모형전략이다. 하지만 아직도 대부분의 군집화 과정에서 분석가의 주관적인 경험에 의존하여 군집수가 결정되어 군집화가 이루어지고 있다. 예를 들어 K-평균 군집화 알고리즘에서도 초기에 K 값을 결정해 주어야 한다. 모집단을 제대로 대표하지 못한 K 값에 의한 군집화 결과는 심각한 오류를 범하게 된다. 본 논문에서는 통계적 학습이론을 이용하여 이러한 문제점을 해결하려고 하였다. VC-차원에 의한 Support Vector를 이용하여 최적의 군집화 기법을 제안하였다. 제안 방법의 성능 평가를 위하여 UCI 기계학습 데이터를 이용하여 객관적인 실험을 수행하였다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.14 no.5
• /
• pp.462-466
• /
• 2008

In this paper, we propose a Data Dependant Swarm Intelligence Routing Algorithm(DSRA) based on "ant colony optimization" to improve routing performance in Mobile Ad hoc Network(MANET). DSRA generates a different routing path depending on data's characteristics: Realtime and Non-Realtime. DSRA achieves a reduced delay for Realtime data and an enhanced network lifetime from a decentralized path selection for Non-Realtime data. We demonstrate these results by an experimental study comparing with AODV, DSR and AntHocNet.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.2
• /
• pp.195-200
• /
• 2004

Computer games use an intelligent method called flocking for boids' group behavioral modeling. Flocking can naturally model group behavioral patterns of unpredictable forms such as birds and fishes using some computer resource. In this paper, we implemented an ecosystem which is composed of predator and prey for group behavioral modeling of real underwater ecosystem. Also fuzzy logic is applied to implement instinct desire of ecosystem elements. As the result, we confirmed that the model can overcome breakdown of ecosystem and model naturally ecosystem behavior.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.6
• /
• pp.661-666
• /
• 2003

In this paper, the conventional k-modes and fuzzy k-modes algorithms for clustering categorical data is extended by representing the clusters of categorical data with fuzzy centroids instead of the hard-type centroids used in the original algorithm. The hard-type centroids of the traditional algorithms had difficulties in dealing with ambiguous boundary data, which might be misclassified and lead to thelocal optima. Use of fuzzy centroids makes it possible to fully exploit the power of fuzzy sets in representing the uncertainty in the classification of categorical data. The distance measure between data and fuzzy centroids is more precise and effective than those of the k-modes and fuzzy k-modes. To test the proposed approach, the proposed algorithm and two conventional algorithms were used to cluster three categorical data sets. The proposed method was found to give markedly better clustering results.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.103-106
• /
• 2008

본 논문에서는 지능형 자동차의 주행보조 시스템 중의 하나인 교통 표지판 인식을 위한 새로운 방법을 제안한다. 제안한 방법은 잡음, 회전, 크기 등의 변형된 교통 표지판으로부터 기하학적 방법을 이용하여 변형된 정도를 추정하여 교통 표지판 원형으로 보정한다. 그리고 교통 표지판 인식을 위해서 보정된 표지판 영상으로부터 순차적 색기반 군집화(Sequential color-based clustering)에 의한 주의, 규제, 지시, 보조 등의 1차적 분류에 따라서 해당 교통 표지판의 형태 특징인 인식 심벌을 추출한다. 그리고 추출된 인식 심벌에 원형 추척법을 적용하여 교통 표지판 최종 인식 작업을 수행한다. 제안하는 방법의 성능 평가를 위해서 교통 표지판 영상에 잡음, 회전, 크기 등의 임의 변형을 적용하여 다양한 실험 영상을 만들고, 적용한 결과 단일 변형에서는 95%, 혼합 변형에서는 93% 이상의 인식률을 보인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.112-115
• /
• 2007

본 논문은 퍼지추론을 통해 개체의 유사성과 적합도의 종합적 평가를 이용한 유전알고리즘의 선태연산자를 제안한다. 단일 집단을 가상적으로 임의의 n 개의 개체군을 나누고, 개체의 적합도와 유사도에 기반한 퍼지추론을 통해, 효율적인 계층화를 구성하고자 한다. 동시에 점진형(steady-state) 진화방식과 결합시켜 계층화된 군집내에서 개체들이 조기에 수렴하는 현상을 방지해 줄 수 있도록 하고, 적은 개체를 이용하여 효율적인 진화가 가능하도록 구현하였다. 2가지 기만적 문제에 대해서 다른 선태 연산자들의 결과와 비교하였으며, 만족할만한 성능을 얻었다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.399-408
• /
• 2002

다중 에이전트 학습이란 다중 에이전트 환경에서 에이전트간의 조정을 위한 행동전략을 학습하는 것을 말한다. 본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 서로 독립적으로 대표적인 강화학습법인 Q학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동 공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 먹이와 사냥꾼 문제(Prey and Hunters Problem)를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM을 이용한 일반화 방법인 QSOM 학습법을 제안한다. 이 방법은 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 이전에 경험하지 못했던 상태-행동들에 대한 Q값을 예측하고 이용할 수 있다는 장점이 있다. 또한 본 논문에서는 실험을 통해 QSOM 학습법의 일반화 효과와 성능을 평가하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.22 no.6
• /
• pp.722-728
• /
• 2012

Urban sewer systems has a limitation of capacity of rainwater storage and problem of occurrence of untreated sewage, so adopting a storage facility for sewer flooding prevention and urban non-point pollution reduction has a big attention. The Korea Ministry of Environment has recently introduced a new concept of "multi-functional storage facility", which is crucial not only in preventive stormwater management but also in dealing with combined sewer overflow and sanitary sewer discharge, and also has been promoting its adoption. However, reserving a space for a single large-scale storage facility might be difficult especially in urban areas. Thus, decentralized construction of small- and midium-sized storage facilities and its operation have been introduced as an alternative way. In this paper, we propose a model predictive control scheme for an optimized operation of distributed storage facilities and sewer networks. To this aim, we first describe the mathematical model of each component of networks system which enables us to analyze its detailed dynamic behavior. Second, overflow locations and volumes will be predicted based on the developed network model with data on the external inflow occurred at specific locations of the network. MPC scheme based on the introduced particle swarm optimization technique then produces the optimized the gate setting for sewer network flow control, which minimizes sewer flooding and maximizes the potential storage capacity. Finally, the operational efficacy of the proposed control scheme is demonstrated by simulation study with virtual rainstorm event.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.50 no.8
• /
• pp.523-530
• /
• 2022

Since the Multi-UAV system for various missions is more complex than a single UAV, an efficient formation control method is required. In wide-area search mission, there is a need for a distributed control for flexible formation that has a low burden of communication and computation and enables autonomous formation between UAVs. This paper proposes a flexible formation operation method that considers the swarm formation, the bank alignment formation, and the formation movement to expand the scan area and improve search performance. The algorithm has a vibration characteristic of the second-order system for a relative distance and can design an algorithm through parameter tuning. In addition, we converted control commands to suit conventional UAV systems and demonstrated the performance of algorithms for a formation and movement of a formation through simulation.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.3
• /
• pp.289-293
• /
• 2005

Pattern classification extracts various types of pattern information expressing objects in the real world and decides their class. The top priority of pattern classification technologies is to improve the performance of classification and, for this, many researches have tried various approaches for the last 40 years. Classification methods used in pattern classification include base classifier based on the probabilistic inference of patterns, decision tree, method based on distance function, neural network and clustering but they are not efficient in analyzing a large amount of multi-dimensional data. Thus, there are active researches on multiple classifier systems, which improve the performance of classification by combining problems using a number of mutually compensatory classifiers. The present study identifies problems in previous researches on multiple SVM classifiers, and proposes BORSE, a model that, based on 1:M policy in order to expand SVM to a multiple class classifier, regards each SVM output as a signal with non-linear pattern, trains the neural network for the pattern and combine the final results of classification performance.