• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.460-465
• /
• 2007

본 논문에서는 규칙의 커플링 문제를 최소화하기 위해 주어진 데이터의 통계적 특성과 퍼지-러프집합을 기반으로 한 새로운 패턴분류 방법을 제안한다. 제안한 방법 하에서 주어진 데이터의 통계적 특성은 입력부 퍼지집합의 파티션 개수를 결정하고, 생성된 규칙의 커플링문제를 최소화하기 위한 선택기준으로 사용하였다. 또한 러프집합은 수치적인 데이터로부터 생성된 규칙들 간의 불필요한 속성들을 제거하기 위한 도구로서 이용하였다. 제안된 방법의 타당성을 검증하기 위하여 Fisher의 IRIS 데이터를 사용하여 기존의 패턴분류 방법과 분류 정확도를 비교하였다. 실험결과, 제안한 방법이 기존의 학습에 의한 방법들보다 비교적 좋은 성능을 가진다는 것을 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.508-514
• /
• 2021

본 논문에서는 지도 학습 기반의 분류기 제안을 위해, 분류 데이터의 각 특징별 소속도를 결정하는 3가지 종류의 퍼지 소속도 함수를 제안하였다. 또한 각 특징별 소속도들의 평균값을 이용하여 분류 결과를 도출하는 과정에 사용되는 평균값 산출 기법을 단순 산술평균이 아닌 다양한 가중치를 활용한 가중치 평균을 이용함으로써 분류기 성능을 향상시킬 수 있는 가능성을 제시하였다. 제안한 기법들의 실험을 위해 Iris, Ecoli, Yeast의 3가지 표준 데이터 세트를 사용하였다. 실험 결과, 서로 다른 특성의 데이터 세트들에 대해서도 고르게 우수한 분류 성능이 얻어질 수 있음을 확인하였고, 기존에 발표된 다른 기법들에 의한 해당 데이터 세트들의 분류 성능과 비교했을 때, 퍼지 소속도 함수의 개선과 가중치 평균 기법의 개선을 통해 더욱 우수한 분류 성능이 가능함을 확인할 수 있었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅲ
• /
• pp.1267-1270
• /
• 2003

In this paper, we propose a optimal design method of the LVQ network. The proposed method determines the initial reference vectors and optimal network structure using the winning expectation of output neurons of SOM. In order to verify the effectiveness of the proposed method, we performed experiments on the Fisher's IRIS data. The experimental results showed that the proposed method improves considerably on the performance of the conventional LVQ networks.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 추계학술대회 학술발표 논문집
• /
• pp.259-262
• /
• 2000

In this paper, an Adaptive neuro-fuzzy Inference system(ANFIS) using fuzzy min-max network(FMMN) is proposed. Fuzzy min-max network classifier that utilizes fuzzy sets as pattern classes is described. Each fuzzy set is an aggregation of fuzzy set hyperboxes. Here, the proposed method transforms the hyperboxes into gaussian menbership functions, where the transformed membership functions are inserted for generating fuzzy rules of ANFIS. Finally, we applied the proposed method to the classification problem of iris data and obtained a better performance than previous works.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1992년도 춘계학술대회 논문집
• /
• pp.317-322
• /
• 1992

Developed in this reseach is a CAM system for 5-axis NC Machining of sculpture surfaces. We identify problems in generating 5-axis NC data and propose methods of overcoming them. Issues discussed in this report are; kinematic modelling of NC machines; Determination of cutter position(location and orientation); check of machine work-range; linear trajectory planning; calculation of feedrate number. The proposed system has been implemented in FORTRAN77 on the Personal IRIS EWS, and it also consitutes a module of the CAD/CAM system 'CASSETTE' developed in KIST CAD/CAM lab..

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.367-367
• /
• 2000

In this paper, an Adaptive neuro-fuzzy Inference system(ANFIS) using fuzzy min-max network(FMMN) is proposed. Fuzzy min-max network classifier that utilizes fuzzy sets as pattern classes is described. Each fuzzy set is an aggregation of fuzzy set hyperboxes. Here, the proposed method transforms the hyperboxes into gaussian membership functions, where the transformed membership functions are inserted for generating fuzzy rules of ANFIS. Finally, we applied the proposed method to the classification problem of iris data and obtained a better performance than previous works.

• 한국지능시스템학회논문지
• /
• 제13권2호
• /
• pp.209-215
• /
• 2003

A new GA-based methodology using information granules is suggested for the construction of fuzzy classifiers. The proposed scheme consists of three steps: selection of information granules, construction of the associated fuzzy sets, and tuning of the fuzzy rules. First, the genetic algorithm (GA) is applied to the development of the adequate information granules. The fuzzy sets are then constructed from the analysis of the developed information granules. An interpretable fuzzy classifier is designed by using the constructed fuzzy sets. Finally, the GA are utilized for tuning of the fuzzy rules, which can enhance the classification performance on the misclassified data (e.g., data with the strange pattern or on the boundaries of the classes). To show the effectiveness of the proposed method, an example, the classification of the Iris data, is provided.

• 한국지능시스템학회논문지
• /
• 제13권1호
• /
• pp.107-113
• /
• 2003

A new GA-based methodology using information granules is suggested for the construction of fuzzy classifiers. The proposed scheme consists of three steps: selection of information granules, construction of the associated fuzzy sets, and tuning of the fuzzy rules. First, the genetic algorithm (GA) is applied to the development of the adequate information granules. The fuzzy sets are then constructed from the analysis of the developed information granules. An interpretable fuzzy classifier is designed by using the constructed fuzzy sets. Finally, the GA are utilized for tuning of the fuzzy rules, which can enhance the classification performance on the misclassified data (e.g., data with the strange pattern or on the boundaries of the classes). To show the effectiveness of the proposed method, an example, the classification of the Iris data, is provided.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.191-194
• /
• 2002

In this paper, a new GA-based methodology with information granules is suggested for construction of the fuzzy classifier. We deal with the selection of the fuzzy region as well as two major classification problems-the feature selection and the pattern classification. The proposed method consists of three steps: the selection of the fuzzy region, the construction of the fuzzy sets, and the tuning of the fuzzy rules. The genetic algorithms (GAs) are applied to the development of the information granules so as to decide the satisfactory fuzzy regions. Finally, the GAs are also applied to the tuning procedure of the fuzzy rules in terms of the management of the misclassified data (e.g., data with the strange pattern or on the boundaries of the classes). To show the effectiveness of the proposed method, an example-the classification of the Iris data, is provided.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.792-798
• /
• 2007

본 논문에서는 학습기법을 사용하지 않고 패턴분류의 성능을 최대화하면서 규칙의 수를 줄일 수 있는 통계적 정보기반 계층적 퍼지-러프 분류방법을 제안한다. 제안된 방법에서 통계적 정보는 계층적 퍼지-러프 분류 시스템에서 각 계층의 입력부 퍼지집합의 분할 구간을 추출하기 위해서 사용되었고, 러프집합은 통계적 정보로부터 추출된 분할 구간들과 연관된 퍼지 if-then 규칙의 수를 최소화하기 위해서 사용되었다. 제안된 방법의 효과성을 보이기 위해 Fisher의 IRIS 데이터를 사용한 기존 패턴분류 방법의 분류 정확도와 규칙들의 수를 비교하였다. 그 결과, 제안된 방법은 기존 방법들의 분류 성능과 유사함을 확인할 수 있었다.