퍼지 가중치 평균 분류기에서 통계 정보를 활용한 가중치 설정 기법의 제안

우영운(Young-Woon Woo),허경용(Gyeong-Yong Heo),김광백(Kwang-Baek Kim) 한국컴퓨터정보학회 2009 韓國컴퓨터情報學會論文誌 Vol.14 No.7

퍼지 가중치 평균 분류기는 가중치를 적절히 설정함으로써 뛰어난 분류 성능을 얻을 수 있다는 장점이 있다. 그러나 일반적으로 가중치는 인식 문제 분야의 특성이나 해당 전문가의 지식과 주관적 경험을 기반으로 설정되므로 설정된 가중치의 일관성과 객관성을 보장하기가 어려운 문제점을 갖고 있다. 따라서 이 논문에서는 퍼지 가중치 평균 분류기의 가중치를 설정하기 위한 객관적 기준을 제시하기 위하여 특정값들 간의 통계적 정보를 이용한 가중치 설정 기법들을 제안하였다. 제안한 기법들의 효과를 조사하기 위하여 UCI machine learning repository 사이트에서 제공되는 표준 데이터들 중의 하나인 Iris 데이터 세트를 이용하여 실험하였으며, 그 결과 우수한 성능을 확인 할 수 있었다. The fuzzy weighted mean classifier is one of the most common classification models and could achieve high performance by adjusting the weights. However, the weights were generally decided based on the experience of experts, which made the resulting classifiers to suffer the lack of consistency and objectivity. To resolve this problem, in this paper, a weight deciding method based on the statistics of the data is introduced, which ensures the learned classifiers to be consistent and objective. To investigate the effectiveness of the proposed methods, Iris data set available from UCI machine learning repository is used and promising results are obtained.

퍼지 가중치 평균 분류기를 위한 통계적 정보 기반의 가중치 설정 방안

신상호(Sang-Ho Shin),조재현(Jae-Hyun Cho),우영운(Sang-Ho Shin) 한국컴퓨터정보학회 2009 한국컴퓨터정보학회 학술발표논문집 Vol.16 No.2

패턴 인식에서 분류기 모형으로 많이 사용되는 퍼지 가중치 평균 분류기는 가중치를 적절히 설정함으로써 뛰어난 분류 성능을 얻을 수 있다는 장점이 있다. 그러나 일반적으로 가중치는 인식 문제 분야의 특성이나 해당 전문가의 지식이나 주관적 경험을 기반으로 설정되므로 설정된 가중치의 일관성과 객관성을 보장하기가 어려운 문제점을 갖고 있다. 따라서 이 논문에서는 퍼지 가중치 평균 분류기의 가중치를 설정하기 위한 객관적 기준을 제시하기 위하여 특징값들 간의 통계적 정보를 이용한 가중치 설정 기법들을 제안하였다. 제안한 기법들을 이용하여 UCI machine learning repository 사이트에서 제공되는 표준 데이터들 중의 하나인 Iris 데이터 세트를 이용하여 실험하고 그 결과를 비교, 분석하였다.

다기준의사결정을 위한 평가요소간 가중치 산정방법 개발

여규동 한국정책분석평가학회 2011 政策分析評價學會報 Vol.21 No.3

집단 의사결정에 있어서 평가항목간의 가중치를 정확히 도출하는 것은 중요하다. 본 연구의 목적은 평가항목간의 가중치 산정에 있어서 기존 방법의 문제점을 분석하고, 이를 개선하는 방법을 개발하는 것이다. 이를 위해 세가지 유형(AHP, 직접점수응답법, 직접쌍대비교법)으로 설문하여 쌍대비교의 척도구간-가중치의 관계를 도출하고, 이를 이용하여 가중치 산정방법인 연비평균법과 이 방법에 적합한 일관성 검정방법을 개발하였다. 기존 AHP와 본 연구에서 개발한 연비평균법을 통해 산정된 가중치를 비교한 결과, 연비평균법이 응답자가 인지하는 가중치를 더 정확히 산정하는 것으로 분석되었다. “하천수질 : 생태·경관”을 분석한 결과, AHP-AIJ의 상대적 오차는 최대 ±30.66%였으나, MCR의 상대적 오차는 최대 ±0.30%로 나타났다. 또한 “생활용수 : 공업용수 : 농업용수”에서는 AHP-AIJ의 상대적 오차는 최대 ±43.25%, MCR의 상대적 오차는 최대 ±6.05%로 나타났다. 본 연구는 향후 다양한 분야의 의사결정문제에서 의사결정자가 의도하는 평가항목간의 가중치를 정확히 산정하고, 일관성 분석 또한 가능한 방법이 될 것으로 기대된다.

퍼지 소속도 함수와 가중치 평균을 이용한 지도 학습 기반 분류기 설계

우영운 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.4

'In this paper, to propose a classifier based on supervised learning, three types of fuzzy membership functions that determine the membership of each feature of classification data are proposed. In addition, the possibility of improving the classifier performance was suggested by using the average value calculation method used in the process of deriving the classification result using the average value of the membership degrees for each feature, not by using a simple arithmetic average, but by using a weighted average using various weights. To experiment with the proposed methods, three standard data sets were used: Iris, Ecoli, and Yeast. As a result of the experiment, it was confirmed that evenly excellent classification performance can be obtained for data sets of different characteristics. It was confirmed that better classification performance is possible through improvement of fuzzy membership functions and the weighted average methods. 본 논문에서는 지도 학습 기반의 분류기 제안을 위해, 분류 데이터의 각 특징별 소속도를 결정하는 3가지 종류의 퍼지 소속도 함수를 제안하였다. 또한 각 특징별 소속도들의 평균값을 이용하여 분류 결과를 도출하는 과정에 사용되는 평균값 산출 기법을 단순 산술평균이 아닌 다양한 가중치를 활용한 가중치 평균을 이용함으로써 분류기 성능을 향상시킬 수 있는 가능성을 제시하였다. 제안한 기법들의 실험을 위해 Iris, Ecoli, Yeast의 3가지 표준 데이터 세트를 사용하였다. 실험 결과, 서로 다른 특성의 데이터 세트들에 대해서도 고르게 우수한 분류 성능이 얻어질 수 있음을 확인하였고, 기존에 발표된 다른 기법들에 의한 해당 데이터 세트들의 분류 성능과 비교했을 때, 퍼지 소속도 함수의 개선과 가중치 평균 기법의 개선을 통해 더욱 우수한 분류 성능이 가능함을 확인할 수 있었다.

Quasi-Optimal Model을 활용한 출연연 성과평가 가중치의 객관적인 산정 방법에 관한 연구

김희태(Heetae Kim),오승훈(Seunghun Oh),한석현(John Han),전형배(Hyongbae Jeon) 한국혁신학회 2018 한국혁신학회지 Vol.13 No.1

과학기술 분야 출연연의 혁신역량과 연구 성과의 평가를 위해 다양한 방법론이 사용되었다. 오랜 기간 축적된 방법론임에도 불구하고, 평가의 공정성과 타당성을 높이기 위하여 매년 경영진과 전문가의 논의를 통해 지표별 가중치(배점)를 조정하여 개선하고자 노력하고 있다. 가중치나 배점을 정제된 방법론을 적용하였다 하더라도 주관이 개입되는 한계가 있기 때문에 상대적으로 불리한 평가를 받은 구성원이 공정성과 타당성을 문제 삼는 결과가 도출되기도 한다. 따라서 본 연구는 연구 성과평가를 위한 가중치 선정 방식을 객관적인 방식으로 검토할 수 있는 수리적 모형을 제시하였다. 독립변수들의 조합으로 종속변수에 대해 추정을 할 경우에는 가중치 부여에 주관이 개입할 수밖에 없는 기존의 연구 한계를 넘어서 대립 모형을 이용하여 객관성을 합리적으로 확보할 수 있는 모델을 제안하였다. 또한, 과학기술 분야 출연연의 연구팀에 대한 성과평가 사례로 본 연구가 제안하는 준최적화 모형(Quasi-Optimal Model)의 타당성에 대해 논하였다. 본 모델을 확장하여 적용하면 전문가들의 서로 다르게 제안된 모형을 절충할 수 있는 의사결정 방법론에도 활용할 수 있을 것으로 판단된다. 본 연구 모형을 포함하는 수리적 모형의 한계와 본 연구 결과의 활용방안에 대해서는 본 연구의 마지막 단원에서 다룬다. A number of methodologies have been used to evaluate the innovation capabilities and research performance of government-funded research institutes in science and technology in South Korea. Despite the long-accumulated methodology based on many experiences, they are trying to adjust the weights for each indicator based on the executive members and experts’ supervision every year in order to improve the fairness and validity of evaluation. However, since there is a main problem of involving the supervision of a group belong to just some people, there is a problem that some members who have received a relatively unfavorable result in an evaluation that can not be understood. Therefore, this study presents a more objective and valid mathematical model of the weighting method for evaluating the research performance. In this paper, we discuss the feasibility of the Quasi-Optimal Model based on the arithmetic and geometric model proposed by this study. By proposed model in this study, we can apply it to the decision-making methodology among various models suggested by different expert groups. At the end of this paper, the limitations of the mathematical models and how to apply the research results are discussed.

위상 보상과 가중치 평균을 이용한 의료 초음파 신호의 주파수 특성 추출 방법

김형석,이준환,Kim, Hyung-Suk,Yi, Joon-Hwan 한국정보통신학회 2010 한국정보통신학회논문지 Vol.14 No.4

정량적 초음파 분석(Quantitative Ultrasound Analysis)은 반향된 초음파 신호의 짧은 시간 간격의 주파수 성분을 추출하여 개별 초음파 지수의 값을 예측한다. 따라서 반향 신호의 정확한 주파수 특성 추출은 분석의 정확도와 정밀도 향상에 기본이 된다. 본 논문에서는 초음파 지수의 정량적인 예측 및 분석에 이용할 수 있는, 짧은 시간 간격의 반향 신호의 주파수 특성 추출 방법을 제안한다. 제안된 알고리듬은 인접한 반향 초음파 신호간의 위상 차이를 보상하고, 동일 반향 깊이를 가지는 작은 영역의 신호를 가중치 평균함으로써 보다 정확한 주파수 특성을 추출한다. 컴퓨터 모의 실험을 통한 수치 분석 결과, 제안된 알고리듬은 일반적인 주파수 추출 알고리듬보다 정확한 예측 결과를 보였으며, 예측 결과의 정밀도도 10% 이상 향상되었다. Quantitative ultrasound analysis provides fundamental information of various ultrasound parameters using spectral information of the short-gated radiofrequency(RF) data. Therefore, accurate extraction of spectral information from backscattered RF signal is crucial for further analysis of medical ultrasound parameters. In this paper, we propose two techniques for calculating a more accurate power spectrum which are based on the phase-compensation using the normalized cross-correlation to minimize estimation errors due to phase variations, and the weighted averaging technique to maximize the signal-to-noise ratio(SNR). The simulation results demonstrate that the proposed method estimates better results with 10% smaller estimation variances compared to the conventional methods.

PCA와 퍼지 가중치 평균 기법을 이용한 얼굴 인식

우영운(Young-Woon Woo),김형수(Hyung-Soo Kim),박재민(Jae-Min Park),조재현(Jae-Hyun Cho) 한국컴퓨터정보학회 2011 한국컴퓨터정보학회 학술발표논문집 Vol.19 No.1

일반적으로 영상에서 얼굴 영상을 검출하고 인식하는 알고리즘은 패턴 인식 연구에 있어서 인간과 컴퓨터의 상호작용의 연구라는 면에서 아주 중요한 문제로 연구되어 왔다. 본 논문에서는 고유얼굴을 이용하여 유클리디언 거리법과 퍼지기법의 인식률을 비교해보고자 한다. PCA(Principal Component Analysis) 방식은 우수한 인식 결과를 보장하는 얼굴인식 기법중의 하나이며, 얼굴 영상을 이용하여 공분산 행렬을 계산하고, 공분산 행렬을 통해 생성된 저차원의 벡터, 즉 고유얼굴(Eigenface)을 이용하여 가중치를 계산하고, 이 가중치를 기준으로 인식을 수행하는 기법이다. 이를 기반으로 하여, 본 논문에서는 전처리 과정, 고유얼굴 과정, 유클리디언 거리법 및 퍼지 소속도 함수 설계 과정, 신경망 학습과정, 인식과정으로 구성된 5단계의 얼굴 인식 알고리즘을 제안한다.

능동 소나 위치 추정 성능 비교 및 최적 수신망 배치

박치현,홍우영,고한석,김인익 한국음향학회 2003 韓國音響學會誌 Vol.22 No.3

본 논문에서는 능동 소나의 구성 방법 및 관측 오차에 따른 위치 추정 성능에 대해서 다룬다. 능동 소나는 구성 방법에 따라서 크게 단상태 (Monostatic) 소나, 양상태 (Bistatic) 소나, 다중상태 (Multistatic) 소나로 분류될 수 있으며, 각각의 오차에 대한 특성이 서로 다르다 각 수신기가 거리 정보와 방위 정보를 얻을 수 있다는 가정하에 단상태, 양상태 소나와 다중상태 소나의 위치 추정 성능에 대해 비교해 보고 기존의 정보 융합 방법인 최소 자승법 (LS: Least square)에 가중치를 주는 가중치 최소 지승법 (WLS: Weighted least square)을 제안하였다. 또한, 제안된 방법을 이용하여 수신기의 수, 송수신기간 거리와 위치 추정 성능과의 연관성에 대하여 알아보고 효과적인 다중상태 소나 배치에 대한 연구를 수행하였다. 모의 실험결과 다중상태 소나의 위치 추정 제곱근 오차평균이 단상태 소나에 비해 약 35.98%, 양상태 소나에 비해 약 37.45% 우수한 것을 볼 수 있었으며 WLS가 LS에 비해 평균 7.4% 우수한 성능을 나타내었고 각 센서에 입력되는 정보의 분산 차가 클수록 성능 향상율이 증가하는 경향을 보였다. In this paper, efficient deployment method of sensors and target positioning performance with respect to measurement error are dealt with. Active sonar can be categorized into Monostatic, Bistatic, Multistatic sonar, and characteristics of respective sonar are different. Assuming that each sensor can receive range and angular information, we compare the performance of Monostatic, Bistatic, and Multistatic systems. And we suggest Weighted least square (WLS) which gives the weight to former case, LS. In particular. adopting suggested method we investigate the target positioning performance according to number of sensor, distance from transmitter to receiver, and propose efficient arrangement rule for Multistatic sonar configurations. According to the experimental results, RMSE of Multistatic sonar is found to be superior to Monostatic and Bistatic by 35.98%. 37.45% respectively, and WLS is superior to LS approximately by 7.4% in average. Furthermore, as the difference of respective sensor's variance is large, it is observed that the improvement ratio of target positioning performance is increased.

Planar Curve Smoothing with Individual Weighted Averaging

류승필(Sungpil Lyu) Korean Institute of Information Scientists and Eng 2017 정보과학회논문지 Vol.44 No.11

차원축소 방법을 이용한 평균처리효과 추정에 대한 개요

김미정 한국통계학회 2023 응용통계연구 Vol.36 No.4

In causal analysis of high dimensional data, it is important to reduce the dimension of covariates and transform them appropriately to control confounders that affect treatment and potential outcomes. The augmented inverse probability weighting (AIPW) method is mainly used for estimation of average treatment effect (ATE). AIPW estimator can be obtained by using estimated propensity score and outcome model. ATE estimator can be inconsistent or have large asymptotic variance when using estimated propensity score and outcome model obtained by parametric methods that includes all covariates, especially for high dimensional data. For this reason, an ATE estimation using an appropriate dimension reduction method and semiparametric model for high dimensional data is attracting attention. Semiparametric method or sparse sufficient dimensionality reduction method can be uesd for dimension reduction for the estimation of propensity score and outcome model. Recently, another method has been proposed that does not use propensity score and outcome regression. After reducing dimension of covariates, ATE estimation can be performed using matching. Among the studies on ATE estimation methods for high dimensional data, four recently proposed studies will be introduced, and how to interpret the estimated ATE will be discussed. 고차원 데이터의 인과 추론에서 고차원 공변량의 차원을 축소하고 적절히 변형하여 처리와 잠재 결과에 영향을 줄 수 있는 교란을 통제하는 것은 중요한 문제이다. 평균 처리 효과(average treatment effect; ATE) 추정에 있어서, 성향점수와 결과 모형 추정을 이용한 확장된 역확률 가중치 방법이 주로 사용된다. 고차원 데이터의 분석시 모든 공변량을 포함한 모수 모형을 이용하여 성향 점수와 결과 모형 추정을 할 경우, ATE 추정량이 일치성을 갖지 않거나 추정량의 분산이 큰 값을 가질 수 있다. 이런 이유로 고차원 데이터에 대한 적절한 차원 축소 방법과 준모수 모형을 이용한 ATE 방법이 주목 받고 있다. 이와 관련된 연구로는 차원 축소 부분에 준모수 모형과 희소 충분 차원 축소 방법을 활용한 연구가 있다. 최근에는 성향점수와 결과 모형을 추정하지 않고, 차원 축소 후 매칭을 활용한 ATE 추정 방법도 제시되었다. 고차원 데이터의 ATE 추정 방법 연구 중 최근에 제시된 네 가지 연구에 대해 소개하고, 추정치 해석시 유의할 점에 대하여 논하기로 한다.