|
| |
|
|
완화법기반 퍼지추론모델 및 얼굴특징 추출에의 적용
인 쇄
바로가기
즐겨찾기
키보드를 눌러주세요( Ctrl + D )
링크복사
링크주소가 복사 되었습니다.원하는 곳에 붙혀넣기 하세요
( Ctrl + V )
외부공유
파일 
완화법기반 퍼지추론모델 및 얼굴특징 추출에의 적용.hwp
[Size :
411 Kbyte
]
완화법기반 퍼지추론모델 및 얼굴특징 추출에의 적용.hwp
[Size :
411 Kbyte
]
분량 12 Page
가격 1,500 원
×
링크 주소가 복사되었습니다.
링크 주소가 복사되었습니다.
원하는 곳에 붙혀넣기 하세요
카트
|
다운받기
|
 네이버 ID로 다운 받기  카카오 ID로 다운 받기  구글 ID로 다운 받기  페이스북 ID로 다운 받기 |
뒤로
|
자료설명
완화법기반 퍼지추론모델 및 얼굴특징 추출에의 적용에 대한 글입니다.
SDED
SDED
목차/차례
Ⅰ. 서론
Ⅱ. 완화법기반 퍼지추론모델
2.1 완화법기반 퍼지추론모델2.2 퍼지집합 수식어를 이용한 소속함수값의 계층적 해석
Ⅲ. 얼굴 특징 추출에의 적용
3.1 하위단계 처리3.2 추론 단계
Ⅳ. 실험결과 및 분석
Ⅴ. 평가 및 개선방향
Ⅵ. 결론
본문/내용
2.1 완화법기반 퍼지추론모델
완화법기반 퍼지추론모델(Fuzzy Reasoning Model based on Relaxation)은 인간의 판단과정을 모방한 것으로서 완화법(relaxation method)의 개념을 퍼지추론에 도입하여 기존의 추론방법에 의해서는 해결하기가 어렵거나 불가능한 문제를 해결하기 위한 목적에서 개발되었다. 이 추론기법에서는 개개의 규칙들에 대하여 한 규칙이 명시하는 조건들을 만족하는 부분해를 구하는 것과 함께 전체적인 규칙들에 의해 규정되는 조건들을 만족하도록 해를 유도함으로써 전역적인 일관성을 유지하도록 한다. 이런 식으로 지역 및 전역적인 일관성을 유지하면서 규칙들을 가장 잘 만족하는 최적해를 반복과정(iteration)을 통해 찾아내는 것이 이 추론모델의 기본개념이다.
2.1.1 완화법기반 퍼지추론모델의 구조
완화법기반 퍼지추론모델은 추론이 다단계로 이루어지기 때문에 기본적으로 반복구조가 된다. 이 반복구조가 통상의 퍼지추론과 구분되는 점이며 이 개념의 차이를 <그림 1>에서 보인다.
<그림 1> 완화법기반 퍼지추론모델과 기존의 추론모델의 구조
그림 1의 (a)는 통상적인 추론모델의 구조이다. 이 그림에서 볼 수 있듯이…(생략)
완화법기반 퍼지추론모델(Fuzzy Reasoning Model based on Relaxation)은 인간의 판단과정을 모방한 것으로서 완화법(relaxation method)의 개념을 퍼지추론에 도입하여 기존의 추론방법에 의해서는 해결하기가 어렵거나 불가능한 문제를 해결하기 위한 목적에서 개발되었다. 이 추론기법에서는 개개의 규칙들에 대하여 한 규칙이 명시하는 조건들을 만족하는 부분해를 구하는 것과 함께 전체적인 규칙들에 의해 규정되는 조건들을 만족하도록 해를 유도함으로써 전역적인 일관성을 유지하도록 한다. 이런 식으로 지역 및 전역적인 일관성을 유지하면서 규칙들을 가장 잘 만족하는 최적해를 반복과정(iteration)을 통해 찾아내는 것이 이 추론모델의 기본개념이다.
2.1.1 완화법기반 퍼지추론모델의 구조
완화법기반 퍼지추론모델은 추론이 다단계로 이루어지기 때문에 기본적으로 반복구조가 된다. 이 반복구조가 통상의 퍼지추론과 구분되는 점이며 이 개념의 차이를 <그림 1>에서 보인다.
<그림 1> 완화법기반 퍼지추론모델과 기존의 추론모델의 구조
그림 1의 (a)는 통상적인 추론모델의 구조이다. 이 그림에서 볼 수 있듯이…(생략)
참고문헌
[1] Zadeh, L.A.(1965), Fuzzy sets, Information and Control, 8, 338 - 353.
[2] Pal, S.K.(1992), Fuzzy sets in image processing and recognition, IEEE Int`l. Conf. Fuzzy Systems, San Diego, 119-126.
[3] Krishnapuram, R. & Keller, J.M.(1992), Fuzzy set theoretic approach to computer vision: an overview, IEEE Int`l. Conf. Fuzzy Systems, San Diego, 135-142.
[4] Keller, J. et. al(1990), An approximate reasoning technique for recognition in color images of beef steaks, Int`l. Jour. General Systems, 16, 331-342.
[5] Nafarieh, A. & Keller, J.(1990), A fuzzy logic rule-based automatic target recognizer, Int`l. Jour. Intelligent Systems, 6, 295-312.
[6] Bichsel, M.(1991), Strategies of robust object recognition for the automatic identification of human faces, PhD dissertation, ETH, Zurich, 1991.
[7] Baron, R.J.(1981), Mechanisms of human facial recognition, Int`l. Jour. Man Machine Studies, 15, 137-178.
[8] Brunelli. R. & Poggio, T.(1993), Face recognition: features versus templates, IEEE Trans. PAMI, 15, 1042-1052.
[9] Beymer, D.J.(1993), Face recognition under varying pose, A.I. Memo No. 1461, Artificial Intelligence Laboratory, MIT, December.
[10] Yuille, A.L. et. al(1992), Feature extraction from faces using deformable templates, Int`l. Jour. Computer Vision, 8, 99-111.
[11] Vincent, J.M. & Myers, D.J.(1992), Location of feature points in images using neural networks, BT Technology Journal, 10, 7-15.
[12] Nixon(1985), Eye spacing measurements for facial recognition, SPIE Proc. 575, Applications of Digital Image Processing VIII, 279-285.
[13] Dempster, A.P.(1968), A generalization of Bayesian inference, Jour. of the Royal Statistical Society, Series B, 30-32.
[14] Pal, S.K. & King, R.A., `On edge detection of x-ray images using fuzzy sets,` IEEE Trans. PAMI, Vol. 5, January 1983, pp. 69-77
[15] Prager, J.M.(1980), Extracting and labeling boundary segments in natural scenes, IEEE Trans. PAMI, 2, 16-27
[16] Horn, B.K.P. & Schunck, B.G.(1980), Determining optical flow, AI Memo No. 572, Artificial Intelligence Laboratory, MIT, April.
[17] Rosenfeld, A. et. al(1976), Scene labelling by relaxation operations. IEEE Trans. SMC, 6, 420-433.
[18] Marr, D. & Poggio, T.(1976), Cooperative computation of stereo disparity. Science 283-287.
[19] Ikeuchi, K.(1980), Numerical shape from shading and occluding contours in a single view. AI Memo No. 566, A.I. Lab., MIT, February.
[20] Rosenfeld, A.(1984), Some useful properties of pyramids, Multiresolution Image Processing and Analysis, Rosenfeld (ed.), Springer-Verlag, 2 - 5.
[21] Zadeh, L.A.(1976), The concept of a linguistic variable and its application to approximate reasoning-I, II, Information Science, 9, 43-80.
[22] Dutta, S.(1991), Approximate spatial reasoning: integrating qualitative and quantitative constraints, Int`l. Jour. Approximate Reasoning, 5, 307-331.
[23] Otsu, N.(1979), A threshold selection method from gray-level histograms, IEEE Trans. SMC, 9, 62-66.
[2] Pal, S.K.(1992), Fuzzy sets in image processing and recognition, IEEE Int`l. Conf. Fuzzy Systems, San Diego, 119-126.
[3] Krishnapuram, R. & Keller, J.M.(1992), Fuzzy set theoretic approach to computer vision: an overview, IEEE Int`l. Conf. Fuzzy Systems, San Diego, 135-142.
[4] Keller, J. et. al(1990), An approximate reasoning technique for recognition in color images of beef steaks, Int`l. Jour. General Systems, 16, 331-342.
[5] Nafarieh, A. & Keller, J.(1990), A fuzzy logic rule-based automatic target recognizer, Int`l. Jour. Intelligent Systems, 6, 295-312.
[6] Bichsel, M.(1991), Strategies of robust object recognition for the automatic identification of human faces, PhD dissertation, ETH, Zurich, 1991.
[7] Baron, R.J.(1981), Mechanisms of human facial recognition, Int`l. Jour. Man Machine Studies, 15, 137-178.
[8] Brunelli. R. & Poggio, T.(1993), Face recognition: features versus templates, IEEE Trans. PAMI, 15, 1042-1052.
[9] Beymer, D.J.(1993), Face recognition under varying pose, A.I. Memo No. 1461, Artificial Intelligence Laboratory, MIT, December.
[10] Yuille, A.L. et. al(1992), Feature extraction from faces using deformable templates, Int`l. Jour. Computer Vision, 8, 99-111.
[11] Vincent, J.M. & Myers, D.J.(1992), Location of feature points in images using neural networks, BT Technology Journal, 10, 7-15.
[12] Nixon(1985), Eye spacing measurements for facial recognition, SPIE Proc. 575, Applications of Digital Image Processing VIII, 279-285.
[13] Dempster, A.P.(1968), A generalization of Bayesian inference, Jour. of the Royal Statistical Society, Series B, 30-32.
[14] Pal, S.K. & King, R.A., `On edge detection of x-ray images using fuzzy sets,` IEEE Trans. PAMI, Vol. 5, January 1983, pp. 69-77
[15] Prager, J.M.(1980), Extracting and labeling boundary segments in natural scenes, IEEE Trans. PAMI, 2, 16-27
[16] Horn, B.K.P. & Schunck, B.G.(1980), Determining optical flow, AI Memo No. 572, Artificial Intelligence Laboratory, MIT, April.
[17] Rosenfeld, A. et. al(1976), Scene labelling by relaxation operations. IEEE Trans. SMC, 6, 420-433.
[18] Marr, D. & Poggio, T.(1976), Cooperative computation of stereo disparity. Science 283-287.
[19] Ikeuchi, K.(1980), Numerical shape from shading and occluding contours in a single view. AI Memo No. 566, A.I. Lab., MIT, February.
[20] Rosenfeld, A.(1984), Some useful properties of pyramids, Multiresolution Image Processing and Analysis, Rosenfeld (ed.), Springer-Verlag, 2 - 5.
[21] Zadeh, L.A.(1976), The concept of a linguistic variable and its application to approximate reasoning-I, II, Information Science, 9, 43-80.
[22] Dutta, S.(1991), Approximate spatial reasoning: integrating qualitative and quantitative constraints, Int`l. Jour. Approximate Reasoning, 5, 307-331.
[23] Otsu, N.(1979), A threshold selection method from gray-level histograms, IEEE Trans. SMC, 9, 62-66.
| 📝 Regist Info |
|
I D : wskk****** Date : 2012-02-22 FileNo : 16158584 |
Cart  | |
| |