• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권7호
• /
• pp.723-730
• /
• 2000

퍼지숫자는 보통숫자와는 달리 애매모호한 값을 표현하기 때문에, 어느 퍼지숫자가 다른 퍼지숫자보다 큰지 작은지를 명확히 기술하기 어렵다. 따라서, 주어진 퍼지숫자의 집합 내에서, 어느 퍼지숫자가 몇 번째로 큰지, 또는 k번째로 큰 퍼지숫자가 어느 것인지 역시 애매모호할 수밖에 없다. 본 논문에서는 퍼지숫자의 순위와 k번째로 큰 퍼지숫자를 결정하기 위하여 퍼지집합을 이용하는 방법을 제안한다. 제안하는 방법은 퍼지숫자들 사이에 퍼지대소관계가 주어졌다고 가정하며, 이를 이용하여 퍼지숫자의 순위와 k번째 큰 퍼지숫자를 결정한다. 제안하는 방법은 어느 한 퍼지숫자가 취할 수 있는 모든 순위를 퍼지집합으로 표현하며, k번째로 큰 퍼지숫자가 될 수 있는 모든 퍼지숫자들을 퍼지집합으로 표현한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.30-32
• /
• 1998

퍼지숫자는 불명확한 값을 표현하기 때문에, 퍼지숫자의 비교결과 역시 불명확한 성질을 갖고 있다. 본 논문에서는 이러한 퍼지숫자의 비교결과에 존재하는 불명확성을 표현하기 위해서, 퍼지 만족도 함수를 제안한다. 퍼지 만족도 함수는 두 퍼지숫자를 비교하여 그 비교결과로 0과1사이의 퍼지집합을 출력한다. 즉, 어느 숫자가 다른 숫자보다 클(작을) 가능성을 단순히 0과1사이의 값이 아닌, 퍼지집합으로 표현한다. 퍼지 만족도 함수는 이전에 제안된 만족도 함수로부터 확장되었다. 본 논문에서는 만족도 함수를 간략히 소개하고, 이를 이용하여 퍼지 만족도 함수를 제안하며, 이를 퍼지숫자 비교에 적용한 예를 제시한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권12호
• /
• pp.930-937
• /
• 2001

퍼지숫자의 정렬은 퍼지숫자를 크기 순서로 나열을 하는 것이다. 일반적으로 퍼지숫자의 정렬을 위해서는 퍼지숫자 사이의 비교가 필요한데. 피지숫자가 명확하지 않은 값을 표현하기 때문에. 그 비교 결과 역시 명확하지 않을 수 있다 따라서 그 비교결과를 이용한 정렬결과 역시 명확하지 않을 수 있다 그러나 지금가지 대부분의 연구는 퍼지숫자의 정렬 결과를 하나의 배역로만 명확하게 표현하였다. 본 논문 에서는 이러한 점을 고려하여 퍼지만족함수를 이용한 퍼지숫자 정렬방법을 제안한다. 퍼지만족함수는 두 퍼지숫자를 비교하여 그 대소를 0과 1사이의 퍼지집합으로 표현하는 퍼지비교방법이다. 제안하는 방법은 정렬결과로 단순히 하나의 배열만을 생성하지 않고, 퍼지숫자가 겹쳐서 생길 수 있는, 다른 가능한 정렬결 과들을 생성한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권3호
• /
• pp.441-451
• /
• 1999

본 논문에서는 퍼지숫자를 정렬하는 새로운 방법을 제안한다. 제안하는 방법은 사용자의 관심도나 선호도를 반영할 수 있는 방법을 제공하며, 퍼지숫자의 전체적인 가능성분포를 고려하는 평가함수를 방법은 사용자가 제사한 퍼지 집합과 만족도 함수(satisfaction fuction)를 이용하여 정렬 대상이 되는 퍼지숫자를 평가한 후 그 평가값에 따라서 순위를 정하게 된다. 만족도 함수는 두 퍼지숫자의 비교를 위해서 이전에 제안된 방법으로 퍼지숫자의 전체적인 가능성을 고려하는 특징이 있다. 본 논문에서는 제안하는 방법을 퍼지숫자 정렬에 적용한 예와 기존의 방법과 비교한 결과를 보이며, 응용 예로서 의사결정의 문제에 적용한 결과를 제시한다.

• 한국지능시스템학회논문지
• /
• 제8권5호
• /
• pp.14-20
• /
• 1998

본 논문에서는 두 퍼지숫자를 비교하는 퍼지 만족도 함수(fuzzy satifaction function)를 제안한다. 퍼지 만족도 함수는 두 퍼지숫자를 비교하여 그 비교결과로 0과 1사이의 퍼지 잡하을 출력한다.즉 어느 숫자가 다른 숫자보다 클(작을) 가능성이 어느 정도인가를 0과 1사이의 퍼지집합으로 표현한다. 퍼지 만족도 함수는 이전에 제안된 만족도 함수(satisfaction function)를 이용하여 정의되었다. 본 논문에서는 만족도 함수를 간략히 소개하고 이를 이용하여 퍼지 만족도 함수를 제안하며, 이를 퍼지숫자 비교에 적용한 예를 제시한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.3-8
• /
• 1998

본 논문에서는 사용자의 관심도나 선호도를 반영하여, 퍼지숫자를 정렬하는 방법을 제안한다. 사용자는 자신의 관심도나 선호도를 퍼지집합으로 표현한다. 제안하는 방법은 사용자로부터 주어진 퍼지집합을 평가관점으로 이용하며, 평가함수로는 이전에 제안된 만족도 함수를 이용한다. 제안하는 방법이 관점에 따라 어떠한 결과를 주는지를 보기 위하여, 퍼지숫자 정렬에 적용한 예를 보인다.

• 인터넷정보학회논문지
• /
• 제8권3호
• /
• pp.99-107
• /
• 2007

일반적으로 퍼지시스템의 신뢰도는 0과 1사이의 실수, 퍼지숫자, 신용구간, 구간값 퍼지집합,모호집합 등으로 표현하고 분석한다. 본 논문은 시스템에서 가중 구성요소의 중요도를 반영하는 가중값을 갖는 가중 구성요소를 위한 퍼지시스템의 신뢰도를 분석하는 방법을 설명한다. 퍼지시스템에서 가중 구성요소들의 신뢰도와 가중간은 삼각 퍼지숫자로 표현한다. 제안한 방법은 삼각 퍼지숫자의 퍼지산술연산을 사용하고 가중 구성요소의 가중값을 고려한다. 그러므로 기존의 방법들 보다 실행속도가 더 빠르고 그리고 더 유연한 실행이 가능하다.

• 한국지능시스템학회논문지
• /
• 제6권3호
• /
• pp.14-24
• /
• 1996

유전자 알고리즘을 이용한 다양한 특징의 분석이 필요한 퍼지 분류기의 설계방법을 제안한다. 본 논문에서 제안한 퍼지 분류기의 퍼지 논리를 이용한 분류 부분과 우전자 알고리즘을 이용한 규칙생성부분으로 구성된다. 유전자 알고리즘을 이용한 규칙 생성 부분에서는 최적의 퍼지 멤버쉽 함수를 결정하고, 각 특징이 규칙에 포함되는지 포함되지 않는지의 여부도 결정하게 된다. 또한 특정 대상에 대한 인식률을 분석하여 큰 오인식률을 갖는 부분에 세부 특징을 추가하는 방법과 문자열과 population의 최소크기, 인식률 개선을 위한 반복적 분석 방법을 사용한다. 제안된 퍼지 분류기의 적용 예로서, 아이리스 테이터와 갑상선 종양 세포, 그리고 필기된 숫자와 인쇄된 숫자의 인식을 든다. 필기된 숫자와 인쇄된 숫자의 인식을 위해서 각 숫자를 구조적인 정보가 동일한 그룹으로 분류한다. 본 논문에서 제안한 퍼지 분류기는 아이리스 데이터에 대해 98.67%의 인식률을 갑상선 종양 세포에 대해서 98.25%의 인식률을 필기된 숫자와 인쇄된 숫자에 대해서 96.3%의 인신룩을 얻었다.

• 한국컴퓨터정보학회논문지
• /
• 제16권10호
• /
• pp.63-71
• /
• 2011

본 논문은 퍼지추론을 이용하여 신경회로망의 필기체 숫자 인식 개선 방법을 제안하였고 실험을 통하여 확인하였다. 신경회로망은 학습 시간이 오래 걸리고, 학습한 패턴에서는 100% 인식률을 보였다. 그러나 신경회로망은 시험 패턴에서는 좋은 결과를 보여주지 못했다. 실험결과 신경회로망의 인식률과 오인식률이 각각 초기 89.6%, 10.4%에서 90.2%, 9.8%로 각각 향상되었다. 특히, 숫자 3과 5에서 오인식률을 크게 감소시켰다. 실험에서 퍼지 소속 함수의 추출을 숫자의 밀도로 사용하였으나 필기체 숫자는 입력 패턴이 다양하기 때문에 다양한 특성을 추출하고 복합적으로 퍼지 추론을 사용해 더 나은 인식률을 높여야 한다. 또한 퍼지추론을 엄격하게 적용하기보다는 입력 패턴을 매칭 할 때 퍼지 추론을 적용하는 것을 제안한다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1995년도 춘계공동학술대회논문집; 전남대학교; 28-29 Apr. 1995
• /
• pp.496-500
• /
• 1995

전문가 내지 구성원의 주관적인 의견에 의존하는 방법의 하나인 델파이법(Delphi Method)은 관련자료가 불충분한 중.장기 예측, 전략결정 등에 이용되고 있다. 이 방법을 더욱 발전시킨 퍼지 델파이법(Fuzzy Delphi Method)은 델파이법에 퍼지숫자(fuzzy number)의 개념을 도입하여 정확한 예측을 하고자 하는 것이다. 또한 이러한 예측치가 삼각 퍼지 숫자(Triangular Fuzzy Number)로 주어져 불확실성에 대한 예측과 의견종합을 쉽게 하며, 전문가에 의해 추정된 삼각 퍼지 숫자의 입력을 토애 그 추정치들의 비유사도(Dissemblance Index)와 퍼지거리(fuzzy distance)를 계산하고 간단한 그래프를 다시 전문가에게 피드백(feedback)할 수 있도록 나타내어지는 과정을 code화하여 전문가들로 하여금 다양한 정보를 통하여 좀 더 정확한 추정치를 예측하고자 한다.