• ETRI Journal
• /
• 제37권6호
• /
• pp.1231-1241
• /
• 2015

In this study, we investigate the relationship between emotions and the physiological responses, with emotion recognition, using the proposed fuzzy information granulation-based neural network (FIGNN) for boredom, pain, and surprise emotions. For an analysis of the physiological responses, three emotions are induced through emotional stimuli, and the physiological signals are obtained from the evoked emotions. To recognize the emotions, we design an FIGNN recognizer and deal with the feature selection through an analysis of the physiological signals. The proposed method is accomplished in premise, consequence, and aggregation design phases. The premise phase takes information granulation using fuzzy c-means clustering, the consequence phase adopts a polynomial function, and the aggregation phase resorts to a general fuzzy inference. Experiments show that a suitable methodology and a substantial reduction of the feature space can be accomplished, and that the proposed FIGNN has a high recognition accuracy for the three emotions using physiological signals.

• 한국항해항만학회지
• /
• 제27권2호
• /
• pp.185-191
• /
• 2003

본 연구의 목적은 아시아 주요항만의 특성을 종합적으로 분석/분류하는 것이다. 특히, 본 연구에서는 기존연구가 지닌 연구대상 선정과 관련한 문제점을 극복하기 위해, 객관적인 지표에 의거하여 부산항이 속한 아시아 주요 대상 항만을 선정했다. 그리고, 연구 방법론의 측면에서 기존연구의 계층평가 알고리즘을 이용한 항만평가와 군집분석법을 이용한 연구의 경우 상호보완적인 장/단점을 지니고 있어, 두 가지 알고리즘을 연계하여 아시아 항만의 전체적인 판도와 항만의 경쟁력 순위 등을 종합적으로 고찰했다. 또한, 본 연구에서는 일반군집분석법에 퍼지 알고리즘을 적용한 FC<(Fuzzy C-Means)법을 이용하여, 기존 방법보다 다양한 고찰이 가능케 하였다. 분석결과, 아시아 16개 주요 항만들 중 10개 항만이 독자적이 위상을 가지고 6가지 항만군을 형성하고 있었으며, 순위면에서 싱가폴항, 홍콩항, 부산항 카오슝항이 높은 경쟁력을 가지고 있었다. 특히, 부산항과 카오슝은 여러 가지 특성에서 유사하여 동일 항만군으로 분류되었고, 싱가폴하엥 이어 2번째로 높은 경쟁력을 보유한 항만군을 형성하고 있는 것으로 파악되었으나, 경쟁력 면에서 싱가폴항과의 격차는 큰 것으로 파악되었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 D
• /
• pp.2821-2823
• /
• 2002

In this paper we propose the Multi-FNN (Fuzzy-Neural Networks) for optimal identification modeling of complex system. The proposed Multi-FNNs is based on a concept of FNNs and exploit linear inference being treated as generic inference mechanisms. In the networks learning, backpropagation(BP) algorithm of neural networks is used to updata the parameters of the network in order to control of nonlinear process with complexity and uncertainty of data, proposed model use a HCM(Hard C-Means)clustering algorithm which carry out the input-output dat a preprocessing function and Genetic Algorithm which carry out optimization of model The HCM clustering method is utilized to determine the structure of Multi-FNNs. The parameters of Multi-FNN model such as apexes of membership function, learning rates, and momentum coefficients are adjusted using genetic algorithms. An aggregate performance index with a weighting factor is proposed in order to achieve a sound balance between approximation and generalization abilities of the model. NOx emission process data of gas turbine power plant is simulated in order to confirm the efficiency and feasibility of the proposed approach in this paper.

• 한국산림과학회지
• /
• 제110권1호
• /
• pp.53-63
• /
• 2021

개느삼(Sophora koreensis Nakai)은 우리나라 고유종으로 강원도 일부 지역에 자생하는 식물로 유용 기능성 성분이 포함되어 경제성이 높은 생물자원 식물로 평가된다. 따라서 자원 확보를 위한 대량증식이 필요하다. 조직배양을 이용한 번식은 빠르게 대량증식이 가능하다는 점에서 유용하여 개느삼을 영양체를 이용하여 조직배양을 통해 증식법을 개발하고자 하였다. 줄기 생산에 효과적인 호르몬의 종류와 농도에 대한 실험을 수행하고 다양한 통계분석법으로 분석하여 줄기생산에 가장 효과적인 생장조절물질의 적정조건을 구명하고자 하였다. 본 연구에서는 기내 식물체 개느삼을 세 가지 생장조절물질을 혼합 처리 후 5주간 배양하여 얻은 생장결과를 분산분석(ANOVA)과 반응표면분석(Response Surface Method, RSM), 퍼지 군집(Fuzzy Clustering)분석을 수행하였다. 그 결과 반응표면분석은 ANOVA 분석과 퍼지 군집 분석 결과와 상이하고 실제 생장결과에 부합하지 않아 적정조건 구명을 위한 통계분석법으로 적용하기에 적절하지 않은 것으로 나타났다. 반면 ANOVA 분석과 퍼지 군집 분석은 상위 다섯 가지 처리구에 대해서 줄기생산과 줄기길이 생장에 효과적인 것으로 나타나는 유사한 결과를 보여주었다. 다만 퍼지 군집 분석은 각 처리와 결과값의 예측 확률을 제시해주어 ANOVA 분석에서 나타내는 단순 평균값 비교로 농도의 범위를 나타내어 정확한 조합 선택이 어려운 점을 보완할 수 있었다. 퍼지 군집 분석법 결과에 따르면 개느삼 줄기조직은 5 ��M 6-Benzylaminopurine(BA)와 2.5 ��M Thidiazuron(TDZ)이 혼합된 배지에서 가장 많은 줄기를(11.03±1.52개, 63.33%) 생산하였으며, 줄기길이 생장은 2.5 ��M BA, 2.5 ��M TDZ, 2.5 ��M Gibberellic acid(GA3) 조합된 배지에서 가장 긴 것으로(2.18 ± 0.21 cm, 63.33%) 나타나 개느삼 기내배양을 위한 최적 호르몬의 구성인 것으로 나타났다.

• 전자공학회논문지
• /
• 제50권1호
• /
• pp.225-231
• /
• 2013

본 연구에서는 PCA알고리즘을 이용한 최적 pRBFNNs 기반 나이트비전 얼굴인식 시스템을 설계 하고자 한다. 조명이 없는 주위 상태 하에서 조도가 낮기 때문에 CCD 카메라를 이용하여 영상을 획득하는 것이 어렵다. 본 논문에서는 낮은 조도에 의해 왜곡된 이미지의 품질을 나이트 비전 카메라와 히스토그램 평활화를 사용하여 향상시킨다. 그리고 얼굴과 비얼굴 이미지 영역 사이에서 얼굴 이미지를 검출하기 위하여 Ada-Boost 알고리즘을 사용한다. 추출된 고차원 특징 데이터를 저차원의 특징 데이터로 변환하기 위하여 데이터 차원축소 기법인 주성분 분석법(Principal Components Analysis; PCA)을 사용한다. 또한 인식 모듈로서 pRBFNNs(Polynomial- based Radial Basis Function Neural Networks) 패턴분류기를 소개한다. 제안된 다항식 기반 RBFNNs은 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 구성되어 있다. 조건부는 FCM (Fuzzy C-means) 클러스터링을 사용하여 입력공간을 분할하고, 결론부는 분할된 로컬 영역을 다항식 함수로 표현한다. 그리고 차분진화 (Differential Evolution; DE) 알고리즘을 사용하여 모델의 파라미터를 최적화 한다.

• 제어로봇시스템학회논문지
• /
• 제16권12호
• /
• pp.1150-1158
• /
• 2010

In this study, the Polynomial-based Radial Basis Function Neural Networks is proposed as one of the recognition part of overall face recognition system that consists of two parts such as the preprocessing part and recognition part. The design methodology and procedure of the proposed pRBFNNs are presented to obtain the solution to high-dimensional pattern recognition problem. First, in preprocessing part, we use a CCD camera to obtain a picture frame in real-time. By using histogram equalization method, we can partially enhance the distorted image influenced by natural as well as artificial illumination. We use an AdaBoost algorithm proposed by Viola and Jones, which is exploited for the detection of facial image area between face and non-facial image area. As the feature extraction algorithm, PCA method is used. In this study, the PCA method, which is a feature extraction algorithm, is used to carry out the dimension reduction of facial image area formed by high-dimensional information. Secondly, we use pRBFNNs to identify the ID by recognizing unique pattern of each person. The proposed pRBFNNs architecture consists of three functional modules such as the condition part, the conclusion part, and the inference part as fuzzy rules formed in 'If-then' format. In the condition part of fuzzy rules, input space is partitioned with Fuzzy C-Means clustering. In the conclusion part of rules, the connection weight of pRBFNNs is represented as three kinds of polynomials such as constant, linear, and quadratic. Coefficients of connection weight identified with back-propagation using gradient descent method. The output of pRBFNNs model is obtained by fuzzy inference method in the inference part of fuzzy rules. The essential design parameters (including learning rate, momentum coefficient and fuzzification coefficient) of the networks are optimized by means of the Particle Swarm Optimization. The proposed pRBFNNs are applied to real-time face recognition system and then demonstrated from the viewpoint of output performance and recognition rate.

• 전기학회논문지
• /
• 제63권4호
• /
• pp.526-533
• /
• 2014

In this study, we introduce design methodology to develop a guidance for issuing heavy rainfall warning by using both RBFNNs(Radial basis function neural networks) and SVR(Support vector regression) model, and then carry out the comparative studies between two pattern classifiers. Individual classifiers are designed as architecture realized with the aid of optimization and pre-processing algorithm. Because the predictive performance of the existing heavy rainfall forecast system is commonly affected from diverse processing techniques of meteorological data, under-sampling method as the pre-processing method of input data is used, and also data discretization and feature extraction method for SVR and FCM clustering and PSO method for RBFNNs are exploited respectively. The observed data, AWS(Automatic weather wtation), supplied from KMA(korea meteorological administration), is used for training and testing of the proposed classifiers. The proposed classifiers offer the related information to issue a heavy rain warning in advance before 1 to 3 hours by using the selected meteorological data and the cumulated precipitation amount accumulated for 1 to 12 hours from AWS data. For performance evaluation of each classifier, ETS(Equitable Threat Score) method is used as standard verification method for predictive ability. Through the comparative studies of two classifiers, neuro-fuzzy method is effectively used for improved performance and to show stable predictive result of guidance to issue heavy rainfall warning.

• 지능정보연구
• /
• 제8권2호
• /
• pp.1-13
• /
• 2002

본 논문에서는 연속적으로 입력되는 칼라영상에서 물체의 이동에 의하여 형성된 동작영역을 확인하고, 영상의 시컨스(sequence)를 대상으로 움직이는 물체의 형태인 보행자 혹은 자동차들의 이동방향을 추적하는 시스템을 제안하였다. 카메라가 고정되어 있고 물체가 이동하는 상황에서 카메라시계에 진입하는 물체를 포착하여, 포착된 물체의 영역을 차 영상 분석을 통해 이진화하여 추출하고, 추출된 영역을 co-occurrence matrix의 RGB full 칼라의 특징 벡터를 추출하는 것을 제시하였다 추출되어지는 칼라 특징벡터를 분석하여 인접 프레임간의 이동물체 영역끼리의 대응관계를 조사함으로서, 이동물체를 추적한다. 군집화(clustering) 단계에서는 이전 단계에서 추출한 특징 벡터들 가운데 에너지, 엔트로피만을 가지고 인접 프레임간의 군집화를 조사하기 위하여 이동물체 영역들 간의 퍼지동적물체 정합 알고리즘을 적용시켰다. 인접 프레임간의 움직임 영역의 물체들에 대하여 멤버 쉽 함수를 근거로 중심 값을 계산하면, 동일 물체일 경우 중심 값 부근에서 군집이 형성되며, 이를 바탕으로 이동물체를 추출할 수 있는 방안을 제안하였다.

• 전자공학회논문지CI
• /
• 제46권3호
• /
• pp.1-7
• /
• 2009

본 논문은 효율적인 음악 데이터의 분류를 위한 방법으로 분산커널 기반의 퍼지 c-평균을 이용한 분류기 모델을 제안한다. 분산 커널 기반의 퍼지 c-평균은 주어진 오디오 데이터에서 추출된 특징벡터의 평균과 공분산 정보를 동시에 이용하여 기존의 평균값만을 사용하는 방식에 비해 성능을 월등히 향상시킬 수 있는 장점이 있다. 사용된 방식은 확률적 분포로 주어지는 데이터 사이의 거리를 분산거리척도로 측정하고, 복잡한 분류 경계를 단순화 시키는데 효율적인 커널 개념을 사용함으로서 분류의 정확도를 극대화 시킬 수 있는 장점이 있다. 제안하는 분류기의 성능을 평가하기 위하여 고전음악, 컨트리음악, 힙합, 재즈의 4개의 장르 음악데이터를 총 1200개 수집하여 실험을 진행하였다. 실험의 결과 제안된 분산커널 기반의 퍼지 c-평균을 이용하는 분류기는 기존의 방식과 비교하여 분류정확도에서 평균적으로 17.73%-21.84%의 성능향상을 보여준다.

• Journal of Electrical Engineering and Technology
• /
• 제12권6호
• /
• pp.2388-2398
• /
• 2017

In this study, we propose a robust face recognition system to pose variations based on automatic pose estimation. Radial basis function neural network is applied as one of the functional components of the overall face recognition system. The proposed system consists of preprocessing and recognition modules to provide a solution to pose variation and high-dimensional pattern recognition problems. In the preprocessing part, principal component analysis (PCA) and 2-dimensional 2-directional PCA ($(2D)^2$ PCA) are applied. These functional modules are useful in reducing dimensionality of the feature space. The proposed RBFNNs architecture consists of three functional modules such as condition, conclusion and inference phase realized in terms of fuzzy "if-then" rules. In the condition phase of fuzzy rules, the input space is partitioned with the use of fuzzy clustering realized by the Fuzzy C-Means (FCM) algorithm. In conclusion phase of rules, the connections (weights) are realized through four types of polynomials such as constant, linear, quadratic and modified quadratic. The coefficients of the RBFNNs model are obtained by fuzzy inference method constituting the inference phase of fuzzy rules. The essential design parameters (such as the number of nodes, and fuzzification coefficient) of the networks are optimized with the aid of Particle Swarm Optimization (PSO). Experimental results completed on standard face database -Honda/UCSD, Cambridge Head pose, and IC&CI databases demonstrate the effectiveness and efficiency of face recognition system compared with other studies.