Support Vector Machines 기반의 클러스터 결합 기법

국문 초록 (Abstract)

Convex한 클러스터간의 최적의 거리와 Fuzzy Convex Clustering(FCC) 방법에 의한 효과적인 클러스터 결합 알고리즘을 제시하였다. 또한 두 convex한 클러스터간의 거리 측정 방법의 문제점인 정확성과 수행속도 개선하기 위하여 Support Vector Machines(SVM) 을 이용한 빠르고 정확한 거리 측정 방법을 제시하였다. 따라서 데이터의 부적절한 표현 없이 클러스터들의 개수를 크게 더 줄일 수 있었다. 본 논문에서는 제시한 알고리즘의 타당성을 위하여 여러 데이터에 대한 실험결과를 보여주므로서 제시한 알고리즘을 실제 영상 분할에 적용하여 다른 클러스터링 방법의 결과와 비교분석한다.

다국어 초록 (Multilingual Abstract)

A cluster merging algorithm that merges convex clusters resulted by the Fuzzy Convex Clustering(FCC) method into non-convex clusters was proposed. This was achieved by proposing a fast and reliable distance measure between two convex clusters using Support Vector Machines(SVM) to improve accuracy and speed over other existing conventional methods. In doing so, it was possible to reduce cluster number without losing its representation of the data. In this paper, results for several data sets are given to show the validity of our distance measure and algorithm.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. Overview of Fuzzy Convex Clustering(FCC) Algorithm
• 3. Support Vector Machines (SVM)
• 4. SVM을 이용한 클러스터간 거리 측정
• 5. 클러스터 결합 알고리즘
• 6. 실험 결과
• 7. 결론
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 "Unsupervised fuzzy classification method based on a fuzzy proximity graph and on a graduated hierarchy" 2 : 1054-1058, August1999.

2 "The kernel-adatron" J. Shavlik Ed. Morgan Kaufmann 1998.

3 "Support Vector Machines를 이용한 Convex 클러스터 결합 알고리즘" 267-270, 2002.

4 "Statistical Learning Theory" John Wiley & Sons 1998.

5 "Pattern Recognition with Fuzzy Objective Function Algorithms. New York" Plenum 1981.

6 "Large margin classification using the perceptron algorithm" 37 (37): 277-296, 1999.

7 "Convex-set-based fuzzy clustering" 7 (7): 271-285, 1999.06

8 "An Introduction to Support Vector Machines." Cambridge University Press 2000.