• Journal of information and communication convergence engineering
• /
• 제20권3호
• /
• pp.153-159
• /
• 2022

Plain radiographic analysis is the initial imaging modality for suspected small bowel obstruction. Among the many features that affect the diagnosis of small bowel obstruction (SBO), the presence of gas-filled or fluid-filled small bowel loops is the most salient feature that can be automatized by computer vision algorithms. In this study, we compare three frequently applied pixel-clustering algorithms for extracting gas-filled areas without human intervention. In a comparison involving 40 suspected SBO cases, the Possibilistic C-Means and Fuzzy C-Means algorithms exhibited initialization-sensitivity problems and difficulties coping with low intensity contrast, achieving low 72.5% and 85% success rates in extraction. The Adaptive Resonance Theory 2 algorithm is the most suitable algorithm for gas-filled region detection, achieving a 100% success rate on 40 tested images, largely owing to its dynamic control of the number of clusters.

• 전자공학회논문지S
• /
• 제34S권3호
• /
• pp.97-107
• /
• 1997

Image segmentation is teh important step in image infromation extraction for computer vison sytems. Fuzzy clustering methods have been used extensively in color image segmentation. Most analytic fuzzy clustering approaches are derived from the fuzzy c-means (FCM) algorithm. The FCM algorithm uses th eprobabilistic constraint that the memberships of a data point across classes sum to 1. However, the memberships resulting from the FCM do not always correspond to the intuitive concept of degree of belongingor compatibility. moreover, the FCM algorithm has considerable trouble above under noisy environments in the feature space. Recently, the possibilistic C-mean (PCM) for solving growing for color image segmentation. In the PCM, the membersip values may be interpreted as degrees of possibility of the data points belonging to the classes. So, the problems in the FCM can be solved by the PCM. The clustering results by just PCM are not smoothly bounded, and they often have holes. So, the region growing was used as a postprocessing. In our experiments, we illustrated that the proposed method is reasonable than the FCM in noisy enviironments.

• 한국컴퓨터정보학회논문지
• /
• 제20권12호
• /
• pp.15-20
• /
• 2015

In this paper, we propose a modified fuzzy clustering algorithm which can overcome the center deviation due to the Euclidean distance commonly used in fuzzy clustering. Among fuzzy clustering methods, Fuzzy C-Means (FCM) is the most well-known clustering algorithm and has been widely applied to various problems successfully. In FCM, however, cluster centers tend leaning to high density clusters because the Euclidean distance measure forces high density cluster to make more contribution to clustering result. Proposed is an enhanced algorithm which modifies the objective function of FCM by adding a center-scattering term to make centers not to be close due to the cluster density. The proposed method converges more to real centers with small number of iterations compared to FCM. All the strengths can be verified with experimental results.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.619-624
• /
• 1998

This paper presents a new clustering algorithm called FCM algorithm for the design of fuzzy controller. FCM is an extended version of FCM(Fuzzy c-Means) algorithm and can estimate the number of clusters automatically and give membership grades $u_{ik}$ suitable for making fuzzy control rules. This paper also shows an example of its application to the line pursuit control of a car.

• 한국지능시스템학회논문지
• /
• 제11권6호
• /
• pp.491-499
• /
• 2001

본 논문에서는 유전알고리즘(Genetic Algorithm)과 FCM(Fuzzy c-means) 클러스터링을 이용하여 TSK(Takagi-Sugeno-Kang)형태의 퍼지 규칙 생성과 퍼지 시스템(FCM-ANFIS)을 효과적으로 구축하는 방법을 제안한다. 구조동정에서는 먼저 PCA(Principal Component Analysis)을 이용하여 입력 데이처 성분간의 상관관계를 제거한 후에 FCM을 이용하여 클러스터를 생성하고 성능지표에 근거해서 타당한 클러스터의 수, 즉 퍼지 규칙의 수를 얻는다. 파라미터 동정에서는 유전알고리즘을 이용하여 전제부 파라미터를 최적에 가깝도록 탐색을 시도한다. 결론부 파라미터는 유전알고리즘에 의한 탐색공간을 줄이기 위해 전제부 파라미터가 결정되면 PLSE(Recursive Least Square Estimate)에 의해 추정되어진다. 이렇게 함으로서 타당한 규칙 수와 효율적인 퍼지 규칙을 얻을 수 있다. 제안된 방법의 유용성을 보이기 위해 Box-Jenkins의 가스로 데이터와 Rice taste 데이터의 모델링에 적용하여 이전의 연구보다 좋은 결과를 보임을 알 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제7권3호
• /
• pp.132-136
• /
• 2014

본 논문에서는 주어진 데이터 전처리를 통한 새로운 형태의 TSK기반 퍼지 추론 시스템을 제안한다. 제안된 모델은 주어진 데이터의 효율적인 처리를 위해 클러스터링 기법인 Fuzzy C-Means 클러스터링 방법을 이용하였다. 제안된 새로운 형태의 퍼지추론 시스템의 전반부는 FCM 을 통하여 정규화된 멤버쉽 함수와 클러스터 수를 결정하기 때문에, 멤버쉽함수의 형태 및 개수를 정의할 필요가 없어, 모델의 구조 또한 간단한 형태를 이룬다. 본 논문에서 사용된 후반부는 4가지 형태로-간략추론, 1차선형추론, 2차선형추론, 변형된 2차선형추론-가 있으며, 이는 효율적인 후반부구조를 찾는데 주도적인 역할을 한다. 또한 제안된 모델의 후반부 파라미터 계수는 Weighted Least Squares Estimation(WLSE)을 사용하여 동정하며, Least Squares Estimation(LSE)를 적용한 모델의 성능과 비교한다. 마지막으로, Boston housing 데이터를 사용하여 제안된 모델의 성능을 평가하였다.

• KIEE International Transaction on Systems and Control
• /
• 제12D권1호
• /
• pp.17-26
• /
• 2002

In this paper, a new design methodology of the fuzzy controller is presented. The performance of the fuzzy controller is sensitive to the variety of scaling factors. The design procedure is based on evolutionary computing (more specifically, a genetic algorithm) and estimation algorithm to adjust and estimate scaling factors respectively. The tuning of the soiling factors of the fuzzy controller is essential to the entire optimization process. And then we estimate scaling factors of the fuzzy controller by means of two types of estimation algorithms such as HCM (Hard C-Means) and Neuro-Fuzzy model[7]. The validity and effectiveness of the proposed estimation algorithm for the fuzzy controller are demonstrated by the inverted pendulum system.

• 한국지능시스템학회논문지
• /
• 제19권1호
• /
• pp.102-107
• /
• 2009

Fuzzy C-Means(FCM)의 단점을 극복하기 위해 제안되었던 PCM은 잡음에는 강하지만 초기 파라미터 값에 민감하고, 상대적으로 가까이에 위치한 prototype들을 형성하는 패턴들의 경우에는 최종 prototype의 위치가 겹치는(동일한) 결과가 나올 수 있다는 단점이 있다. 이러한 PCM의 단점을 극복하기 위해 여러 방법이 제안되었지만, 본 논문에서는 PCM 알고리즘에 Interval Type 2 Fuzzy 접근 방법을 적용하여 PCM 알고리즘의 파라미터에 존재하는 uncertainty를 제어함으로써 성능을 향상시키는 방법을 제안한다.

• 공학교육연구
• /
• 제8권1호
• /
• pp.31-45
• /
• 2005

본 논문에서는, 강의 평가에 필요한 설문을 효과적이며 체계적으로 얻기 위한, 대표 문항 추출 방법을 비교하였다. 비교에 사용한 방법은 요인분석(Factor Analysis: FA), FCM(Fuzzy c-Means) 알고리즘과 군집분석(Cluster Analysis : CA) 등으로 이러한 방법들을 사용하여 고려할 수 있는 다양한 형태의 많은 문항들로부터 적은 수의 문항을 추출한다. 추출된 문항은 많은 수의 문항들이 형성하는 클러스터의 대표 문항을 이루고 있다. 이를 위해 여러 개의 설문지로부터 얻은 120 문항의 강의 평가서를 명지대학교 외 3 개 대학교 646명의 학생들에게 평가를 실시하여 데이터를 얻었는데 학생들은 주어진 문항에 대하여 "매우 그렇다", "그렇다", "보통이다", "그렇지 않다", "매우 그렇지 않다", 그리고 "해당 없다"까지의 6등급으로 응답하였다. 각 문항에 대한 학생들의 응답 성향을 분석하여 약 25문항을 추출하였다. 실험 결과 본 논문에서 비교 분석한 요인분석, FCM알고리즘과 군집분석 등의 기법은 매우 유사한 설문을 추출할 수 있었다.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.127-131
• /
• 2020

클러스터링을 이용한 대표적인 영상 분할 방법으로 Fuzzy C-Means(FCM) 알고리즘을 많이 사용하는데, FCM은 영상의 공간을 픽셀 값이 비슷한 클러스터 영역으로 분할하므로 분할 시간이 많이 소요된다. 특히 웹이 보편화된 현재 사용자들의 다양한 패턴을 분석하기 위한 처리 속도 문제는 더욱 중요하다. 이러한 속도 문제를 해결하기 위해 본 논문에서는 Otsu의 영상 히스토그램의 임계값과 FCM으로 영상을 분할하는 개선된 FCM(Improved FCM : IFCM) 알고리즘을 제안한다. 제안방법은 Otsu의 클래스 간의 분산을 최대화 시키는 임계값을 결정하여 FCM에 적용하고 영상을 분할하였다. IFCM은 기존의 FCM에 비해 영상 분할 시간을 단축시켜 성능이 향상되었음을 실험을 통해 보인다.