초록

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

Noise가 있는 data에서 shape나 parameter를 찾았을 때 일반적으로 Hough transform이나 regression을 적용한다. Hough transform은 parameter space의 차수가 커지면 memory 문제가 존재하며, regression 모델은 한 개의 변수를 다른 변수의 함수로 가정하여 error를 최소화하여 데이터중 1 set의 parameter만 존재한다는 가정을 하여야 하는 문제점이 있다. 본 논문에서는 이러한 두 방법의 단점들을 보완하며, Fuzzy개념을 도입한 data fitting 방법을 제안하였다. 이 문제는 genetic algorithm을 도입하여 data를 Fuzzy membership을 갖는 것으로 가정한 최적화 문제로 해결하였다. 직선과 평면에 대한 실험 결과를 보인다.

Noise가 있는 data에서 shape나 parameter를 찾았을 때 일반적으로 Hough transform이나 regression을 적용한다. Hough transform은 parameter space의 차수가 커지면 memory 문제가 존재하며, regression 모델은 한 개의 변수를 다른 변수의 함수로 가정하여 error를 최소화하여 데이터중 1 set의 parameter만 존재한다는 가정을 하여야 하는 문제점이 있다. 본 논문에서는 이러한 두 방법의 단점들을 보완하며, Fuzzy개념을 도입한 data fitting 방법을 제안하였다. 이 문제는 genetic algorithm을 도입하여 data를 Fuzzy membership을 갖는 것으로 가정한 최적화 문제로 해결하였다. 직선과 평면에 대한 실험 결과를 보인다.

이 논문을 인용한 문헌

더보기