$\require{mediawiki-texvc}$

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.

[국내논문] Interval Type-2 Possibilistic Fuzzy C-means 클러스터링을 위한 퍼지화 상수 결정 방법
Determining the Fuzzifier Values for Interval Type-2 Possibilistic Fuzzy C-means Clustering 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.27 no.2, 2017년, pp.99 - 105  

주원희 (한양대학교 전자통신공학부) ,  이정훈 (한양대학교 전자공학부)

초록
AI-Helper 아이콘AI-Helper

일반적으로 type-1 fuzzy set 에 존재하는 불확실성을 보다 효율적으로 다루고 제어하기 위하여 Type-2 fuzzy set (T2 FS)이 널리 사용되고 있다. T2 FS에서 퍼지화 상수 (fuzzifier value) m은 이러한 불확실성을 처리하기 위한 가장 중요한 요소이다. 따라서 적절한 퍼지화 상수 값을 결정하는 연구는 여전히 지속되고 있고, 많은 방법들이 연구 되어 왔다. 본 논문에서는 주어진 패턴을 분류하기 위하여 Interval type-2 possibilistic fuzzy C-means (IT2PFCM) 클러스터링 방법을 사용한다. 클러스터링을 위해 사용된 IT2 PFCM 방법에서 각 데이터에 대하여 적응적으로 적절한 퍼지화 상수의 값을 계산하는 방법을 제안한다. 히스토그램 접근법을 통하여 각각의 데이터 포인트로부터 정보를 추출해 내고 추출된 정보를 이용하여 두 개의 퍼지화 상수인 $m_1$, $m_2$. 값을 결정한다. 이렇게 얻어진 값은 interval type-2 fuzzy의 최저 및 최고 멤버쉽 값을 결정하게 된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Type-2 fuzzy sets are preferred over type-1 sets as they are capable of addressing uncertainty more efficiently. The fuzzifier values play pivotal role in managing these uncertainties; still selecting appropriate value of fuzzifiers has been a tedious task. Generally, based on observation particular...

Keyword

#퍼지화 상수   #히스토그램 방법  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 따라서 다르게 주어지는 여러 종류의 데이터들에 대하여 적응적으로 퍼지화 상수를 결정하는 방법이 연구되어야 한다. 따라서 본 논문에서는 Interval type-2 possibilistic Fuzzy C-means(IT2 PFCM) 클러스터링 방법을 기반으로 하여 히스토그램을 이용한 퍼지화 상수 결정 방법을 제안하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
T2 FS가 T1 FS보다 더 많이 사용되는 이유는 무엇인가? 일반적으로 type-1 fuzzy set 에 존재하는 불확실성을 보다 효율적으로 다루고 제어하기 위하여 Type-2 fuzzy set (T2 FS)이 널리 사용되고 있다. T2 FS에서 퍼지화 상수 (fuzzifier value) m은 이러한 불확실성을 처리하기 위한 가장 중요한 요소이다.
PFCM알고리즘은 어떠한 문제점을 해결하기 위해 연구되었나? 그러나 PCM 알고리즘 또한 초기 파라미터 값에 따라 클러스터링 결과가 민감하게 반응한다는 문제점이 있다. 이러한 문제점을 해결하기 위해 FCM과 PCM을 가중치 합으로 결합한 PFCM알고리즘이 연구되었다[4].
IT2 PFCM는 어떠한 것으로 표현되는가? IT2 PFCM 은 FCM 방법과 PCM 방법의 가중치의 합으로 표현되며, 위의 두 가지 특성을 모두 지니고 있다. 따라서 다음과 같이 PFCM 목적함수(objective function)를 최소화 하는 방향으로 클러스터링 한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

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

  2. J. Bezdek, Pattern recognition with fuzzy objective function algorithms, New York: Plenum, 1981. 

  3. 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

  4. 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

  5. Z. Wa, W. Xie, and J. Yu, "Fuzzy c-means clustering algorithm based on kernel method," Int. Conf. on Computational Intelligence and Multimedia Applications, pp. 49-54, Sep. 2003. 

  6. J. Bezdek, R. Hathaway, M. Sabin, and W. Tucker, "Convergence theory for fuzzy c-means: counter examples and repairs," IEEE Trans. Systems, Man and Cybernetics, vol. 17, pp. 873-877, Oct. 1987. 

    상세보기 crossref

  7. J. Yu, Q. Cheng, and H. Huang, "Analysis of the weighting exponent in the FCM," IEEE Trans. Systems, Man, and Cybernetics, vol. 34, pp. 634-639, Feb. 2004. 

    상세보기 crossref

  8. Y. Cho, H. Lee, and H. Jeon, "Interval Type-2 Fuzzy Logic Control System of Flight Longitudinal Motion," Journal of Korean Institute of Intelligent Systems, vol. 25, no.2, pp. 168-173, 2015. 

    원문보기 상세보기 crossref

  9. I. Ozkan and I. Turksen, "Upper and lower values for the level of fuzziness in FCM," Information Sciences, vol. 177, pp. 5143-5152, Dec. 2007. 

    상세보기 crossref

  10. J. Min and F. Rhee, "An Interval Type-2 Fuzzy PCM Algorithm for Pattern Recognition," Journal of Korean Institute of Intelligent Systems, vol. 19, no.1, pp. 102-107, 2009. 

    원문보기 상세보기 crossref

  11. 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

  12. F. Rhee, "Uncertain fuzzy clustering: insights and recommendations," IEEE Computational Intelligence Magazine, vol. 2, no. 1, Feb. 2007. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

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