• 한국정보처리학회논문지
• /
• 제7권9호
• /
• pp.3029-3036
• /
• 2000

영상분할은 컴퓨터비전 시스템에서 영상정보추출의 중요한 과정 중의 하나이다. 이중에서 퍼지 클러스터링 방법은 영상분할에 광범위하게 사용되고 있다. 대부분의 퍼지 클러스터링 방법으로는 FCM 알고리즘이 사용된다. 그러나 FCM 알고리즘은 클러스터의 중심과 데이터간의 거리에 의존하기 때문에 클러스터 크기가 다를 경우에는 데이터가 오분류될 수 있다. 본 논문에서는 클러스트 크기에 상관없이 데이터를 분류할 수 있는 평균내부거리를 이용한 퍼지 클러스터링 알고리즘을 제안하였다. 평균내부거리는 각 데이터로부터 해당 클러스터 중심까지의 거리를 평균한 값으로 클러스터의 크기와 밀도에 비례한다. 실험 결과를 통하여 제안된 방법이 분류 엔트로피와 적합도 함수에 의해서 좋은 결과를 보여주고 있음을 증명하였다.

• 한국멀티미디어학회논문지
• /
• 제10권4호
• /
• pp.441-449
• /
• 2007

영상 분할을 위한 클러스터링에서는 방대한 계산량과 전형적인 분할 오류가 중요한 문제점으로 지적되어 왔다. 본 연구에서는 이러한 문제들을 최소화하기 위한 새로운 기법을 제안한다. 마커-제어 유역변환(marker- controlled watershed transform)에서 마커는 영역 확장의 시작점이므로, 분할된 각 영역을 대표하는 성질을 가진다. 따라서 마커 화소로 제한하는 클러스터링으로 계산 복잡도를 줄일 수 있다. 제안한 기법에서는 가보 필터(gabor filter)의 질감 에너지에서 마커를 선택하고, FCM(fuzzy c-means) 클러스터링으로 마커의 군집을 형성하며, 유역변환에서 생성된 영역들을 마커의 군집정보를 이용하여 병합한다. Brodatz 영상 조합에 대한 성능 실험에서 클러스터링 특유의 얼룩(blob) 분할 오류를 현저하게 개선하였으며, 영상 분할 소요 시간 비교에서 기존의 FCM 클러스터링 알고리즘보다 소요 시간이 적었다. 또한, 전체적으로 일정한 분할 소요시간을 보여주었다.

• 전자공학회논문지SC
• /
• 제49권3호
• /
• pp.82-89
• /
• 2012

본 논문에서는 기동표적의 위치오차에서 구해지는 가속도를 보상하는 지능형 추적 알고리즘을 소개한다. 관측치와 예상위치와의 차이값은 가속도와 순수잡음으로 분리된다. 이때, 최적의 가속도를 얻기 위하여 퍼지 c-means 클러스터링 기법과 예상명중위치기법이 이용되었다. 분리된 가속도와 잡음에 대한 퍼지 이론의 멤버쉽 함수를 결정되고, 이에 따라 기동표적의 기동특성이 인식되어진다. 분리된 가속도와 잡음은 추적 알고리즘 내에서 추정된 오차값을 보상하는데 이용된다. 표적의 추정값을 계산하는 일련의 과정중 필터링 과정은 기동표적의 비선형성을 선형성으로 인식하게 된다. 이것은 필터가 위치오차에서 가속도를 추출하여 남겨진 잡음만을 인식하기 때문이다. 필터링 과정 이후 추출된 가속도를 보상하여 표적의 추정값을 구해낸다. 제안된 기법은 퍼지 시스템의 멤버쉽 함수에서 파라미터를 조절하여 적응성과 강인성을 향상 시켰다. 제안된 시스템의 효율성을 극대화하기 위하여 제안된 기법을 다중모델 구조로 형성한다. 또한 제안된 기법은 온라인 시스템으로서의 수행이 가능하다. 마지막으로 제안된 알고리즘의 효율성을 보여주기 위하여 몇 가지 예를 추가하였다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제55권6호
• /
• pp.264-273
• /
• 2006

In this paper, we propose a new architecture of Self-Organizing Fuzzy Polynomial Neural Networks (SOFPNN) by means of consecutive optimization and also discuss its comprehensive design methodology involving mechanisms of genetic optimization. The network is based on a structurally as well as parametrically optimized fuzzy polynomial neurons (FPNs) conducted with the aid of information granulation and genetic algorithms. In structurally identification of FPN, the design procedure applied in the construction of each layer of a SOFPNN deals with its structural optimization involving the selection of preferred nodes (or FPNs) with specific local characteristics and addresses specific aspects of parametric optimization. In addition, the fuzzy rules used in the networks exploit the notion of information granules defined over system's variables and formed through the process of information granulation. That is, we determine the initial location (apexes) of membership functions and initial values of polynomial function being used in the premised and consequence part of the fuzzy rules respectively. This granulation is realized with the aid of the hard c-menas clustering method (HCM). For the parametric identification, we obtained the effective model that the axes of MFs are identified by GA to reflect characteristic of given data. Especially, the genetically dynamic search method is introduced in the identification of parameter. It helps lead to rapidly optimal convergence over a limited region or a boundary condition. To evaluate the performance of the proposed model, the model is experimented with using two time series data(gas furnace process, nonlinear system data, and NOx process data).

• 전자공학회논문지
• /
• 제51권2호
• /
• pp.124-132
• /
• 2014

본 논문은 퍼지 C-평균 분류기와 적응적 블록 분할을 사용한 역광 영역 검출과 공간 적응적 대비 확장을 사용한 역광 영역 개선 방법을 제안한다. 제안된 방법은 퍼지 이론에 의해 계산된 최적의 임계값을 기반으로 적응적 가변블록 분할을 사용하여 역광 영상을 어두운 역광 영역과 밝은 배경 영역으로 구분한다. 가변블록에 의한 블록화 현상을 없애기 위해 유도 필터(guided filter)를 사용하여 역광 영역을 객체 영역에 적합하게 세분화한다. 마지막으로 검출된 역광 영역은 공간 적응적으로 대비가 확장되어 조도를 개선한다. 제안된 방법은 최적의 임계값을 사용하여 영상을 분할하기 때문에 입력 영상에 따라 적응적으로 영역을 분할하고 저조도 영역을 개선하며, 사용자의 별도의 설정이 없이 입력 영상에 따라 자동적 역광 영상 개선이 가능하다. 실험 결과를 통해 제안된 방법이 기존 방법보다 역광 영역에 존재하는 피사체의 정보를 효과적으로 개선할 수 있으며, 복잡한 분할 방법을 사용하지 않고 빠르게 역광 영역을 검출할 수 있음을 보인다.

• 한국지능시스템학회논문지
• /
• 제24권6호
• /
• pp.586-591
• /
• 2014

본 연구에서는 인공 벌 군집(ABC: Artificial Bee Colony) 알고리즘을 이용하여 주어진 레이더 데이터로부터 강수 사례와 비강수 사례를 분류하는 방사형 기저함수 신경회로망(RBFNNs: Radial Basis Function Neural Networks)분류기를 소개한다. 기상청에서 사용하고 있는 기상 레이더 데이터의 특성 분석을 통해 입력 데이터를 구성한다. 방사형 기저함수 신경회로망의 조건부에서는 Fuzzy C-Means 클러스터링 방법을 이용하여 적합도를 계산하고, 결론부에서는 최소자승법(LSE: Least Square Method)을 이용하여 다항식 계수를 추정한다. 추론부에서 최종출력 값은 퍼지 추론 방법을 이용하여 얻어진다. 제안된 분류기의 성능은 기상청에서 사용하는 QC와 CZ 데이터를 고려하여 비교 및 분석되어진다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 하계종합학술대회 논문집
• /
• pp.583-586
• /
• 1999

In this paper, the wavelet transform is performed in the input 256$\times$256 color image and decomposes a image into low-pass and high-pass components. Since the high-pass band contains the components of three directions, edges are detected by combining three parts. After finding the position of face using the histogram of the edge component, a face region in low-pass band is cut off. Since RGB color image is sensitively affected by luminances, the image of low pass component is normalized, and a facial region is detected using face color informations. As the wavelet transform decomposes the detected face region into three layer, the dimension of input image is reduced. In this paper, we use the 3000 images of 10 persons, and KL transform is applied in order to classify face vectors effectively. FCM(Fuzzy C-Means) algorithm classifies face vectors with similar features into the same cluster. In this case, the number of cluster is equal to that of person, and the mean vector of each cluster is used as a codebook. We verify the system performance of the proposed algorithm by the experiments. The recognition rates of learning images and testing image is computed using correlation coefficient and Euclidean distance.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.476-479
• /
• 2003

The Rough transform (HT) is often used for extracting global features in binary images, for example curve and line segments, from local features such as single pixels. The HT is useful due to its insensitivity to missing edge points and occlusions, and robustness in noisy images. However, it possesses some disadvantages, such as time and memory consumption due to the number of input data and the selection of an optimal and efficient resolution of the accumulator space can be difficult. Another problem of the HT is in the difficulty of peak detection due to the discrete nature of the image space and the round off in estimation. In order to resolve the problem mentioned above, a possibilistic C-means approach to clustering [1] is used to cluster neighboring peaks. Several experimental results are given.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.170-173
• /
• 2002

본 논문에서는 여러 분야에서 널리 응용되고 있는 적응 뉴로-퍼지 시스템(ANFIS)에서의 효과적인 퍼지 규칙 생성방법을 제안한다. ANFIS의 성능 개선을 위해 구조동정을 수행함에 있어서 전제부 파라미터는 EM(Expectation-Maximization) 알고리즘을 적용하였으며, 파라미터학습은 Jang에 의한 하이브리드 방법을 적용한다. 여기서 초기의 중심과 분산을 구하기 위해 FCM(Fuzzy c-means) 클러스터링 기법을 사용하였다. 이렇게 함으로서 적은 규칙 수를 가지면서도 효율적인 퍼지 규칙을 얻을 수 있도록 하였다. 이들 방법의 유용함을 보이고자 Box-Jenkins의 가스로 데이터에 적용하여 제안된 방법이 이전의 연구보다 좋은 결과를 보임을 보이고자 한다

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1905_1906
• /
• 2009

본 논문은 데이터의 군집화를 효율적으로 수행하기 위하여 새로운 군집화 알고리즘을 제안한다. 제안되는 군집화 알고리즘은 Fuzzy C-Means (FCM)에 기반을 두는데, FCM 알고리즘은 모든 데이터에 대한 거리에 기본을 둔 멤버쉽을 기초로 하기 때문에 잡음에 약한 제약을 지니고 있었다. 이를 개선하기 위하여, 제안되었던 PCM(Probabilistic C-Means), FPCM(Fuzzy PCM), PFCM(Probabilistic FCM) 등 여러가지 알고리즘이 제안 되었다. 그러나 이들 알고리즘들은 초기 파라미터값 설정과 과다한 계산양에 따른 문제가 증가하였으며, 또한 잡음에 어느 정도 민감한 문제점을 지니고 있었다. 이 논문에서는 잡음에 대해 효과적으로 대응할 수 있는 새로운 군집화 알고리즘을 제안하고, 전통적인 군집화를 위한 Iris 데이터에 대한 실험을 통하여 효용성을 확인하였다.