$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

적응적 Multiple Kernels을 이용한 Interval Type-2 Possibilistic Fuzzy C-Means 방법
A Novel Approach towards use of Adaptive Multiple Kernels in Interval Type-2 Possibilistic Fuzzy C-Means 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.24 no.5, 2014년, pp.529 - 535  

주원희 (한양대학교 전자전기제어계측공학과) ,  이정훈 (한양대학교 전자통신공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 interval type-2 possibilistic fuzzy C-means(IT2PFCM) 클러스터링 방법에 multiple Gaussian kernels을 기반으로 한 possibilistic fuzzy C-means multiple kernels(PFCM-MK) 알고리즘을 결합하여 적응적인 하이브리드 클러스터링 방법인 multiple kernels interval type-2 possibilistic fuzzy C-means(IT2PFCM-MK) 방법을 제안 하였다. 일반적으로 possibilistic fuzzy C-means(PFCM) 알고리즘은 fuzzy C-means(FCM) 알고리즘의 단점인 노이즈 민감성 및 특이점 문제와 알고리즘 초기 클러스터의 Prototype에 따라 위치가 겹치는 문제를 해결하기 위해 제안 되었다. 하지만 이 방법 역시 퍼지화 파라미터 값에 따라 위와 같은 문제를 여전히 가지고 있기 때문에 이와 같은 문제를 보완하기 위해 interval type-2 퍼지 접근 방법을 이용 하는 interval type-2 possibilistic fuzzy C-means(IT2PFCM) 알고리즘을 제안 하였다. 또한 multiple kernels 함수를 interval type-2 possibilistic fuzzy C-means(IT2PFCM) 알고리즘에 적용하여 분류하기 복잡한 형태의 데이터와 노이즈가 있는 데이터에 대하여 보다 정확하고, 향상된 클러스터링을 수행할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a hybrid approach towards multiple kernels interval type-2 possibilistic fuzzy C-means(PFCM) based on interval type-2 possibilistic fuzzy c-means(IT2PFCM) and possibilistic fuzzy c-means using multiple kernels( PFCM-MK). In case of noisy data or overlapping cluster prototyp...

주제어

#PFCM   #Interval Type-2 Fuzzy Sets   #Interval Type-2 PFCM   #Multiple Kernels   #Fuzzy Clustering  

질의응답

핵심어 질문 논문에서 추출한 답변
퍼지 클러스터링에 사용되는 여러 가지 방법 중 가장 많이 사용되는 방법은 무엇인가? 퍼지 클러스터링에 사용되는 여러 가지 방법 중 가장 많이 사용되는 방법은 유클라디안 거리를 이용하여 멤버십을 할당하는 fuzzy C-means(FCM) 알고리즘 이다[1][2][3]. 그러나 FCM 방법은 모든 클래스 멤버십 값 합이 1이 되어야 한다는 조건 때문에 노이즈가 있는 데이터에서는 좋지 않는 결과를 나타낼 수다.
fuzzy C-means 방법의 문제점은? 퍼지 클러스터링에 사용되는 여러 가지 방법 중 가장 많이 사용되는 방법은 유클라디안 거리를 이용하여 멤버십을 할당하는 fuzzy C-means(FCM) 알고리즘 이다[1][2][3]. 그러나 FCM 방법은 모든 클래스 멤버십 값 합이 1이 되어야 한다는 조건 때문에 노이즈가 있는 데이터에서는 좋지 않는 결과를 나타낼 수다. 이러한 문제점을 가지고 있는 FCM 방법의 단점을 극복하기 위해 typicality를 고려하는 possibilistic C-means(PCM) 알고리즘이 제안 되었다[4].
PCM 방법의 단점은 무엇인가? PCM 방법은 노이즈엔 강하지만 초기 파라미터에 민감하고, 서로 가까이에 위치한 prototype 들을 형성하는 패턴들의 경우에는 최종 prototype의 중심 값의 위치가 겹치는 결과가 나올 수 있다는 단점이 있다. 이러한 문제들을 해결하기 위해 FCM 과 PCM을 가중치 합으로 표현 한 possibilistic fuzzy C-means(PFCM) 알고리즘이 연구 되었다[5].
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. M. Hung and D. Yang, "An effective fuzzy c-means clustering algorithm," Proceedings of IEEE, 2001. 

  2. G. Raju, B. Thomas, S. Tobgay, and S. Kumar, "Fuzzy clustering methods in data mining: a comparative case analysis," ICACTE, pp. 489-493, 2008. 

  3. J. Bezdek, Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum, 1981. 

  4. R. Krishnapuram and J. Keller, "A possibilistic approach to clustering," IEEE Trans. Fuzzy Syst., vol. 1, no. 2, pp. 98-110, May 1993. 

    상세보기 crossref

  5. N. Pal and J. Bezdek, "A possibilistic fuzzy c-means clustering algorithm," IEEE Trans. Fuzzy Syst., vol. 13, pp. 517-530, Aug. 2005. 

    상세보기 crossref

  6. V. Vapnik, The Nature of Statistical Learning Theory, Springer, 1995. 

  7. M. Girolami, "Mercer kernel-based clustering in feature space," IEEE Trans. Neural Networks, vol. 13, no. 5, pp. 780-784, May 2002. 

    상세보기 crossref

  8. C. Hwang and F. Rhee, "Uncertain fuzzy clustering: interval type-2 fuzzy approach to C-means," IEEE Trans. Fuzzy Syst., vol. 15, no. 1, pp. 107-120, Feb. 2007. 

    상세보기 crossref

  9. F. Rhee, "Uncertain fuzzy clustering: insights and recommendations," IEEE Computational Intelligence Magazine, vol. 2, no. 1, pp. 44-56, Feb. 2007. 

    상세보기

  10. F. Rhee and C. Hwang, "A type-2 fuzzy C-means clustering algorithm," in Proc. 2001 Joint Conf. IFSA/NAFIPS, pp. 1926-1919, Jul. 2001. 

  11. C. Hwang and F. Rhee, "An interval type-2 fuzzy C spherical shells algorithm," in Proc. 2004 Int. Conf. Fuzzy Syst., vol. 2, pp. 1117-1122, Jul. 2004. 

  12. F. Rhee and C. Hwang, "An interval type-2 fuzzy perceptron," in Proc. 2002 Int. Conf. Fuzzy Syst., vol. 2, pp. 1331-1335, May 2002. 

  13. B. Scholkopf and A. Smola, Learning with kernels: support vector machines, regularization, optimization, and beyond, MIT Press, 2001. 

  14. N. Baili and H. Frigui, "Fuzzy clustering with multiple kernels," in Proc. 2011 Int. Conf. Fuzzy Syst., pp. 490-496, June 2011. 

  15. N. Karnik and J. Mendel, "Applications of type-2 fuzzy logic systems to forecasting of time series," Information Sciences, vol. 120, pp. 89-111, Nov. 1999. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로