메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 복잡한 불규칙의 특징 추출 및 분류 과정에 퍼지 집합 이론을 적용하여, 얼마나 인간의 판단과 유사한 결과를 가져오는지에 대해, 기존의 방법들과 비교 연구하였다. 학습 패턴 수가 불충분할 경우에 적용되는 대표적인 nonparametric 알고리즘인 K-NN[2]과 이 방법에 퍼지 개념을 도입한 Fuzzy K-NN[5]을 소개하고 이 두 방법의 문제점을 해결하기 위해, 본 논문에서 제안한 “K 선택을 개선한 Fuzzy K-NN (Updated Fuzzy K-NN)방법”을 설명한다. 이 3가지 방법으로 32개의 클래스에 대해서 분류 실험을 구현한 결과는 각각 81.1%, 87.2%, 92.9%로, 본 논문에서 제안된 Updated Fuzzy K-NN 방법이 기존의 방법에 비해 높은 분류율을 보였다.

목차

요약

1. 소개

2. 기본 전제

3. 특징 추출

4. 분류 알고리즘

5. 실험 결과

6. 결론

참고 문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017922328