초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 유전자 알고리즘을 이용한 새로운 적응적 특징 가중치 방식과 클래스별로 적용된 KNN(K Nearest-Neighbor)규칙을 이용한 새로운 패턴 인식 시스템을 제안한다. 패턴들은 일반적으로 특징 공간(feature space)에서의 벡터(vector)로 표현되기 때문에, 특징들의 측정과 또 측정된 특징의 선택은 ...

본 논문에서는 유전자 알고리즘을 이용한 새로운 적응적 특징 가중치 방식과 클래스별로 적용된 KNN(K Nearest-Neighbor)규칙을 이용한 새로운 패턴 인식 시스템을 제안한다. 패턴들은 일반적으로 특징 공간(feature space)에서의 벡터(vector)로 표현되기 때문에, 특징들의 측정과 또 측정된 특징의 선택은 패턴 분류 알고리즘의 결과에 중요한 영향을 미친다. 따라서 패턴이나 오브젝트(object)를 정확하게 분류하기 위해서는, 적합한 특징의 선택은 매우 중요하다. 제안하는 특징 가중치 알고리즘은 패턴 인식 시스템의 성능을 향상시키기 위하여 기존의 3FW(3 Feature Weighting) 방법과는 달리 가중치의 중간값을 새로운 유전 연산자를 갖는 유전자 알고리즘으로 결정함으로써 과잉 맞춤(overfitting)을 피하면서, 데이터의 분포에 따라 적절한 특징의 가중치를 찾는다. 또한, 기존의 방법들이 모든 클래스를 같은 특징 공간에 적용하는 것에 비해 제안하는 방법은 각각의 클래스를 가장 잘 표현하는 특징 공간들을 개별적으로 찾는다. KNN 분류기는 클래스별로 찾은 특징 공간들을 이용하여 클래스에 따라 특징 공간을 변화시켜 미지 패턴의 클래스를 예측한다. 제안된 알고리즘은 캐나다 Concordia대학의 handwritten numeral database에 적용시켜 그 성능을 확인하였다.

Abstract ▼ AI-Helper

This paper proposes a new pattern recognition system combining the new adaptive feature weighting algorithm using the genetic algorithm and the modified KNN(K Nearest-Neighbor) rules. The selection of features can have a considerable impact on the effectiveness of the resulting recognition algorithm...

This paper proposes a new pattern recognition system combining the new adaptive feature weighting algorithm using the genetic algorithm and the modified KNN(K Nearest-Neighbor) rules. The selection of features can have a considerable impact on the effectiveness of the resulting recognition algorithm because the patterns are generally represented as a vector of feature values. As a result, feature selection and extraction methods have become important techniques for pattern recognition. Proposed new feature weighting algorithm avoids overfitting and finds the proper feature weighting value since proposed method chooses the middle value of weights using GA which have new GA operators, for high performance of the system differently 3FW algorithm. Moreover, classical methods find only one feature space but proposed method finds feature space that represents each class respectively. The modified KNN rule is proposed to estimate the class of test pattern using adaptive feature space. Experiments with the unconstrained handwritten digit database of Concordia University in Canada are conducted to show the performance of the proposed method.

주제어