$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

결정규칙의 자동생성을 위한 패턴공간의 재귀적 퍼지분할

Recursive Fuzzy Partition of Pattern Space for Automatic Generation of Decision Rules

초록

본 논문에서는 패턴분류기를 위해 효과적인 퍼지규칙을 자동으로 생성하기 위한 새로운 방법을 제안한다. 퍼지 규칙은 특징공간에 대해 가상구체를 재귀적으로 정의함으로써 추출되고, 가상구체는 패턴 클래스의 중심벡터와 클래스에 속하는 모든 패턴을 충분히 포함할 수 있는 경계거리로 정의된다. 특히 공간을 분할하기 위해 가상구체를 이용하는 방법은 기존에 많이 사용되고 있는 가상사각형 형태의 분할 방법에 비해 클래스의 형태를 효과적으로 표현할 수 있으므로 패턴 분류기의 정화성을 향상시킬 수 있고, 퍼지규칙의 전제부를 매우 간단하게 표현할 수 있을 뿐만 아니라 제귀적 가상구체의 정의를 통해 추출되는 퍼지규칙들이 계층적인 구조를 갖을 수 있게 함으로써 입력되는 패턴의 신속한 분류를 가능하게 한다. 본 논문에서는 제안된 방법을 기존의 가상사각형을 이용한 퍼지규칙 추출 방법과 비교한다.

Abstract

This paper concerns with automatic generation of fuzzy rules which can be used for pattern classification. Feature space is recursively subdivided into hyperspheres, and each hypersphere is represented by its centroid and bounding distance. Fuzzy rules are then generated based on the constructed hyperspheres. The resulting fuzzy rules have very simple premise parts, and they can be organized into a hierarchical structure so that classification process can be implemented very rapidly. The experimented results show that the suggested method works very well compared to other methods.

저자의 다른 논문

참고문헌 (7)

  1. Efficient Fuzzy Partition of Pattern Space for Classification Problems , Hisao Ishibuchi;Ken Nozaki;Hideo Tanaka , Proceeding of the 2nd International Conference on Fuzzy Logic & Neural Networks / v.,pp.671-674, 1992
  2. Pattern Classification by Distributed Representation of Fuzzy Rules , Hisao Ishibuchi;Ken Nozaki;Hideo Tanaka , Proceeding of IEEE Conference on Fuzzy Systems / v.,pp.643-650, 1992
  3. Selecting Fuzzy Rules with Forgetting in Fuzzy Classification Systems , Ken Nozaki;Hisao Ishibuchi;Hideo Tanaka , Proceeding of IEEE Conference on Fuzzy Systems / v.,pp.618-623, 1994
  4. A Classifier Using Fuzzy Rules Extracted Directly from Numerical Data , Shigeo Abe;Ming-Shong Lan , Proceeding of 2rd IEEE Conference on Fuzzy Systems / v.,pp.1191-1198, 1993
  5. Acquisition of Fuzzy Classification Knowledge Using Genetic Algorithms , Hisao Ishibuchi;Ken Nozaki;Naohisa Yamamoto;Hideo Tanaka , Proceeding of IEEE Conference on Fuzzy Systems / v.,pp.1963-1968, 1994
  6. A Fuzzy Classifier That Uses Both Crisp Samples and Linguistic Knowledge , Wen Wei;Jerry M. Mendel , Proceeding of 3rd IEEE Conference on Fuzzy Systems / v.,pp.792-797, 1994
  7. Character Recognition using Fuzzy Rules Extracted from Data , Ming-Shong Lan;Hiroshi Takenaga;Shigeo Abe , Proceeding of IEEE Conference on Fuzzy Systems / v.,pp.415-420, 1994

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일