빅 데이터 정보 처리를 위한 최적화된 뉴로-퍼지 알고리즘 기반 패턴분류기에 대한 연구 : 기상레이더 영상 처리를 중심으로 :A Study on Pattern Classifier Based on Optimized Neuro-Fuzzy Algorithm for Big Data Information Processing : Focused on Meteorological Radar Image Processing

고준현

추천

검색

자료유형: 학위논문

저자정보: 고준현 (수원대학교, 수원대학교 대학원)

지도교수: 오성권

발행연도: 2015

저작권: 수원대학교 논문은 저작권에 의해 보호받습니다.

이용수8

이 논문의 연구 히스토리 (11)

2015

기상레이더를 이용한 뉴로-퍼지 알고리즘 기반 강수/비강수 패턴분류 시스템 설계 : 사례 분류기 및 에코 분류기

고준현 , 김현기 , 오성권 전기학회논문지 2015.07 학술저널

빅 데이터 정보 처리를 위한 최적화된 뉴로-퍼지 알고리즘 기반 패턴분류기에 대한 연구 : 기상레이더 영상 처리를 중심으로

고준현 전기공학과 2015.01 학위논문

2014

FNN 기반 신경회로망을 이용한 기상 레이더 에코 분류기 설계 : 에코판단 모듈의 비교 분석

고준현 , 송찬석 , 오성권 한국지능시스템학회 논문지 2014.10 학술저널

기상레이더 데이터를 이용하여 입자 군집 알고리즘의 도움으로 실현된 Type-2 퍼지 RBFNN 에코 패턴분류기 설계

고준현 , 오성권 대한전기학회 학술대회 논문집 2014.07 학술대회자료

기상레이더 데이터의 에코 분류 방법에 의한 RBFNN 기반 패턴 분류기의 설계

고준현 , 오성권 한국지능시스템학회 학술발표 논문집 2014.04 학술대회자료

2013

기상레이더를 이용한 뉴로-퍼지 알고리즘 기반 에코 분류기

고준현 , 오성권 , 김현기 정보 및 제어 논문집 2013.10 학술대회자료

기상레이더를 이용한 뉴로-퍼지 알고리즘 기반 에코 분류기

고준현 , 오성권 , 김현기 대한전기학회 학술대회 논문집 2013.10 학술대회자료

퍼지 뉴럴네트워크를 이용한 에코 패턴분류기 설계

고준현 , 오성권 , 이용희 한국지능시스템학회 학술발표 논문집 2013.10 학술대회자료

벌 군집 알고리즘을 이용한 다항식 방사형 기저함수 신경회로망 기반 초단기 호우 예측 패턴 분류기 설계

고준현 , 오성권 , 김현기 대한전기학회 학술대회 논문집 2013.07 학술대회자료

퍼지 클러스터링 기반 최적화된 다항식 방사형 기저 함수 신경회로망에 의한 강수량 예측 모델 설계

고준현 , 오성권 한국지능시스템학회 학술발표 논문집 2013.04 학술대회자료

공간 탐색 진화 알고리즘을 이용한 퍼지 클러스터링 기반 다항식 방사형 기저 함수 신경회로망 : 강수량 예측모델 설계와 해석

고준현 , 김현명 , 오성권 대한전자공학회 학술대회 2013.04 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구에서는 기상레이더 빅 데이터를 사용함으로써 뉴로-퍼지 알고리즘, PSO, 및 퍼지 클러스터링 알고리즘과 같은 컴퓨터를 사용한 지능형 기술의 합성으로 강수와 비강수 패턴 분류의 설계 방법론을 제안한다. 강수와 비강수를 효과적으로 분류하기 위하여, 데이터 특징의 관점에서 기상레이더 빅 데이터 정보의 구조를 분석한다. 또한 기상레이더 빅 데이터에 대한 데이터 정보의 질적 뿐만 아니라 양적인 특성을 이용함으로써 패턴 분류기를 설계하기 위한 다양한 입력변수들을 고려하고 각 입력변수들의 특성을 분석한다. 선호되는 패턴 분류기는 모델 구조뿐만 아니라 출력 성능에 결정적인 영향을 미치는 필수적인 입력변수들로 설계된다.
빅 데이터인 기상레이더 데이터를 학습하기 위하여 새롭게 제안된 Recursive polynomial Radial Basis Function Neural Networks(RpRBFNN)을 설계한다. RpRBFNN의 조건부에서는 Fuzzy C-Means(FCM) 클러스터링을 사용하여 입력 데이터 정보의 특성을 고려한 적합도를 구하며, 결론부에서의 연결가중치는 상수, 선형, 변형된 2차함수와 같은 세 가지 형태를 사용함으로써 고려된다. 빅 데이터의 학습을 수행하기 위하여 RLSE를 사용함으로써 다항식 함수의 계수를 추정한다. 추론부에서는 퍼지 추론 방법으로 최종출력을 계산한다. RpRBFNN에서 퍼지화 계수, 퍼지 룰 수, 입력 수, 다항식 형태와 같은 파라미터들은 입자군집 최적화(PSO)를 사용하여 최적화 된다.
사례 분류기와 에코 분류기는 RpRBFNN을 이용하여 설계되며, 전체 시스템 구조에서 두 개의 분류기가 연속적으로 동작된다. 사례 분류기는 강수와 비강수 사이의 사례를 확인하기위해 사용된다. 사례 분류기로 분류된 강수 데이터 정보는 부분적으로 비강수 데이터 정보를 포함하기 때문에 에코 분류기로 강수 에코와 비강수 에코를 분류한다. 분류기 성능의 우수성을 입증하기 위하여, 제안된 분류기는 기존 QC 방법과 비교하여 평가되고 분석된다.

In this paper, the design methodology of precipitation and non-precipitation pattern classification is proposed with the aid of synthesis of computational intelligence technologies such as neuro-fuzzy algorithm, PSO(particle swarm optimization), and fuzzy clustering algorithm by using meteorological radar big data. The structure expression of meteorological radar big data information is analyzed from the viewpoint of data features in order to effectively classify precipitation and non-precipitation Also diverse input variables for designing pattern classifier could be considered by exploiting the quantitative as well as the qualitative characteristics of data information about meteorological radar big data and then the characteristic analysis of individual input variables is coped with.
Preferred pattern classifier can be designed by essential input variables that give a decisive effect on output performance as well as model architecture. The newly proposed Recursive polynomial Radial Basis Function Neural Networks(RpRBFNN) are designed to train meteorological radar data as big data. In the condition part of RpRBFNN, Fuzzy C-Means(FCM) clustering is used to obtain fitness values taking into account characteristics of input data information, and the connection weights of the conclusion part is considered by using three types of polynomial functions such as constant, linear, and modified quadratic function. In the condition part of RpRBFNN, Fuzzy C-Means(FCM) clustering is used to obtain fitness values taking into account characteristics of input data information, and the connection weights of the conclusion part is considered by using three types of polynomial functions such as constant, linear, and modified quadratic function. The coefficients of the polynomial function are estimated by using RLSE in order to cope with the training of big data. In the inference part, final output is calculated by fuzzy inference method. In RpRBFNN, parameters such as fuzzification factor, the number of fuzzy rules, the number of inputs, and polynomial type are optimized by Particle Swarm Optimization(PSO).
Two classifiers such as event classifier and echo classifier are designed by using RpRBFNN and carried out serially over the entire system architecture. The event classifier is used to identify event between precipitation and non-precipitation. Echo classifier is considered to classify between precipitation and non-precipitation echo, because precipitation data information classified by the event classifier being handled prior to echo classifier could partially involve non-precipitation data information. To demonstrate the superiority of classification performance, the proposed classifier is evaluated and analyzed when compared with existing QC method.

Ⅰ. 서 론 1
1. 연구 배경 및 목적 1
2. 연구 범위 및 내용 2
Ⅱ. 기상레이더 빅 데이터의 학습 설계 방법론 6
Ⅲ. 기상레이더 빅 데이터의 특성분석적 전처리 9
1. 기상레이더 데이터의 구조분석 9
2. 기상레이더 데이터를 가공한 입력변수들의 특성분석 12
1) 입력변수들의 연산방법 12
2) 입력변수들의 통계적 특성 17
Ⅳ. 빅 데이터의 학습을 위한 RpRBFNN의 구조 및 설계 22
1. FCM 기반 RpRBFNN의 구조 23
2. FCM 기반 RpRBFNN의 다항식 계수 추정 및 판별함수 28
1) Least Square Estimation 29
2) Recursive Least Square Estimation 31
3) 판별함수 33
3. PSO를 이용한 RpRBFNN의 최적화 34
Ⅴ. 실험 연구 및 결과 고찰 38
1. 강수/비강수 패턴분류 시스템의 입력데이터 구성 38
1) 사례 분류기의 입력데이터 구성 38
2) 에코 분류기의 입력데이터 구성 40
2. 강수/비강수 패턴분류 시스템의 실험 45
1) Case 1에 대한 연구 45
2) Case 2에 대한 연구 47
(1) 강수 실시간 실험(오성산 및 고산) 48
(2) 비강수 실시간 실험(오성산 및 고산) 51
Ⅵ. 결 론 54
참 고 문 헌 55
ABSTRACT 58

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (11)

초록· 키워드

목차

최근 본 자료

댓글(0)