Type 2 Fuzzy Number를 가진 가우시안 커널 기반 비선형 SVM 프레임웍 및 구현 (Framework and Development of Gaussian Kernel based Nonlinear Support Vector Machine with Type 2 Fuzzy Number)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 27권 / 5호 / 373 ~ 381페이지
· 저자명 : 김진배, 이현수

초록

본 논문에서는 비선형 데이터를 구분하기 위하여 비선형 Support Vector Machine (SVM)을 고려한다. 비선형 SVM의 성능은사용되는 커널 함수 및 이를 구성하는 파라미터에 의하여 크게 좌우된다. 대부분의 기존연구들이 이러한 파라미터들을데이터를 통하여 단일 추정하여 사용하였고, 이는 분류기의 확장성 및 불확실성 표현력을 저하시키는 주된 요인으로여겨졌다. 이에, 본 연구에서는 커널함수의 파라미터를 Type 2 Fuzzy Number (T2FN)으로 표현하고 이를 사용하는 비선형SVM 프레임웍을 제시한다. 제시된 프레임웍은 비선형 SVM의 불확실성 표현력을 높여줌과 동시에, 데이터에 맞는 비퍼지화알고리즘을 통하여 도출되는 결과의 객관성을 높이는 장점을 지닌다. 이를 증명하기 위한 수치모델로서, 가우시안 커널타입의 비선형 SVM을 고려하고, 커널 함수의 파라미터를 T2FN으로 추정하여 설정한 입력데이터를 분류한 뒤 이를 기존알고리즘과 비교한다. 제시된 프레임웍 및 내재된 알고리즘은 데이터를 통해 T2FN을 설정하고, 이를 통해 확장성 있는비선형 커널 기반 SVM을 설계하는데 기여한다

영어초록

In order to classify non-linearly aligned data, this paper considers an effective nonlinear support vector machine (SVM). The performances of a nonlinear SVM depends upon the used kernel functions and their parameters. Most of the existing research studies have estimated these parameters using point based estimations, these tendencies are considered as main obstacles decreasing the embedding uncertainties and the machine’s extension-ability. In order to overcome these limitations, this research uses Type 2 Fuzzy Number (T2FN) and T2FN embedding nonlinear SVM framework. The proposed SVM framework incorporates more extended uncertainties as well as helps the robust data analyses using the suggested defuzzification algorithm. In order to show the effectiveness of the framework, numerical examples with Gaussian kernel function based nonlinear SVM are considered. Parameters in the used kernel function are estimated using T2FN and the classifications using the provided algorithm are analyzed. The provided framework and estimation methods contribute to the design of nonlinear SVM possessing more expandable uncertainties and analyzing abilities using T2FN.

참고자료

· 없음