맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

주성분 분석과 마르코프 연쇄 몬테카를로 기법을 결합한 퍼지 군집화 방법

  • 기술번호 : KST2015201827
  • 담당센터 : 광주기술혁신센터
  • 전화번호 : 062-360-4654
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 주성분 분석과 마르코프 연쇄 몬테카를로 기법을 결합한 퍼지 군집화 방법에 관한 것으로서, 본 발명에 따른 퍼지 군집화 방법은 차원 축소 기법에 포함된 주성분 분석과 강력한 통계적 학습 이론인 베이지안 학습도구인 마르코프 연쇄 몬테카를로 기법을 결합한 퍼지 군집화 방법에 있어서 주성분 분석을 통한 초기 군집 수를 바탕으로 각 군집에 할당된 개체들의 입력벡터에 대한 사전 확률 분포를 가정하고 계속해서 깁스 샘플러 알고리즘을 적용한 사후 확률 밀도 함수를 추정하여 깁스 샘플러 알고리즘을 적용한 후 추출된 깁스 표본으로부터 사후 확률을 추정하여 퍼지 군집화를 수행하는 알고리즘을 제안한다.
Int. CL G06F 17/00 (2006.01) G06F 19/00 (2011.01)
CPC G06N 99/005(2013.01)G06N 99/005(2013.01)
출원번호/일자 1020100036046 (2010.04.19)
출원인 목포대학교산학협력단
등록번호/일자
공개번호/일자 10-2011-0116563 (2011.10.26) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 취하
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 2

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 목포대학교산학협력단 대한민국 전라남도 무안군

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이장재 대한민국 전라남도 무안군
2 최명수 대한민국 전라남도 목포시 산
3 이연우 대한민국 광주광역시 서구
4 이성로 대한민국 광주광역시 서구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인지명 대한민국 서울특별시 강남구 남부순환로**** 차우빌딩*층

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2010.04.19 수리 (Accepted) 1-1-2010-0249259-62
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2015.05.26 수리 (Accepted) 4-1-2015-5068946-34
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
차원 축소 기법의 하나인 주성분 분석(PCA : Principal Component Analysis)과 강력한 통계적 학습 이론인 베이지안 학습도구인 마르코프 연쇄 몬테카를로(MCMC : Markov Chain Monte Carlos) 기법을 결합한 퍼지 군집화 방법에 있어서,상기 주성분 분석을 통한 초기 군집 수를 기반으로 각 군집에 할당된 개체들의 입력벡터에 대한 사전 확률 분포를 가정하는 단계; 및상기 사전 확률 분포에 깁스 샘플러(Gibbs Sampler) 알고리즘을 적용시켜 추출된 깁스 표본으로부터 사후 확률을 추정하여 퍼지 군집화를 수행하는 단계를 포함하는 퍼지 군집화 방법
2 2
제1항에 있어서,상기 초기 군집 수의 군집 노드에 대한 입력속성들의 모호 사전분포는 모집단의 특성을 나타내는 모수를 가진 드리슈레(Dirichlet) 분포이고, 학습데이터의 우도 함수는 다변량 정규 밀도함수이되,상기 퍼지 군집화를 수행하는 단계는,상기 주성분 분석을 통해 다차원 입력벡터에 대한 주성분을 추출하여 상기 초기 군집 수를 결정하는 단계;상기 모호 사전분포와 상기 우도 함수를 결합한 결합 확률 밀도함수를 이용한 상기 모수의 완전 조건부 사후분포를 산출하는 단계;산출된 상기 완전 조건부 사후분포로부터 사후 확률 밀도 함수를 추정하는 단계;각 변수의 조건부 확률분포로부터 랜덤표본을 반복적으로 생성하여 정상상태에서 결합 확률 밀도함수로 수렴하는 깁스 샘플러 알고리즘을 이용하여 깁스 샘플링을 취하는 단계; 및추출된 깁스 표본으로부터 사후확률을 계산하는 단계 를 포함하는 것인 퍼지 군집화 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.